BookParser.js 21 KB

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186187188189190191192193194195196197198199200201202203204205206207208209210211212213214215216217218219220221222223224225226227228229230231232233234235236237238239240241242243244245246247248249250251252253254255256257258259260261262263264265266267268269270271272273274275276277278279280281282283284285286287288289290291292293294295296297298299300301302303304305306307308309310311312313314315316317318319320321322323324325326327328329330331332333334335336337338339340341342343344345346347348349350351352353354355356357358359360361362363364365366367368369370371372373374375376377378379380381382383384385386387388389390391392393394395396397398399400401402403404405406407408409410411412413414415416417418419420421422423424425426427428429430431432433434435436437438439440441442443444445446447448449450451452453454455456457458459460461462463464465466467468469470471472473474475476477478479480481482483484485486487488489490491492493494495496497498499500501502503504505506507508509510511512513514515516517518519520521522523524525526527528529530531532533534535536537538539540541542543544545546547548549550551552553554555556557558559560561562563564565566567568569570571572573574575576577578579580581582583584585586587588589590591592593594595596597598599600601602603604605606607608609610611612613614615616617618619620621622623624625626627628629630631632633634
  1. import he from 'he';
  2. import sax from '../../../../server/core/BookConverter/sax';
  3. import {sleep} from '../../../share/utils';
  4. export default class BookParser {
  5. constructor() {
  6. // defaults
  7. this.p = 30;// px, отступ параграфа
  8. this.w = 300;// px, ширина страницы
  9. this.wordWrap = false;// перенос по слогам
  10. //заглушка
  11. this.measureText = (text, style) => {// eslint-disable-line no-unused-vars
  12. return text.length*20;
  13. };
  14. }
  15. async parse(data, callback) {
  16. if (!callback)
  17. callback = () => {};
  18. callback(0);
  19. if (data.indexOf('<FictionBook') < 0) {
  20. throw new Error('Неверный формат файла');
  21. }
  22. //defaults
  23. let fb2 = {
  24. firstName: '',
  25. middleName: '',
  26. lastName: '',
  27. bookTitle: '',
  28. };
  29. let path = '';
  30. let tag = '';
  31. let center = false;
  32. let bold = false;
  33. let italic = false;
  34. let paraIndex = -1;
  35. let paraOffset = 0;
  36. let para = []; /*array of
  37. {
  38. index: Number,
  39. offset: Number, //сумма всех length до этого параграфа
  40. length: Number, //длина text без тегов
  41. text: String //текст параграфа (или title или epigraph и т.д) с вложенными тегами
  42. }
  43. */
  44. const newParagraph = (text, len) => {
  45. paraIndex++;
  46. let p = {
  47. index: paraIndex,
  48. offset: paraOffset,
  49. length: len,
  50. text: text,
  51. };
  52. para[paraIndex] = p;
  53. paraOffset += p.length;
  54. };
  55. const growParagraph = (text, len) => {
  56. if (paraIndex < 0) {
  57. newParagraph(text, len);
  58. return;
  59. }
  60. let p = para[paraIndex];
  61. if (p) {
  62. paraOffset -= p.length;
  63. if (p.length == 1 && p.text[0] == ' ' && len > 0) {
  64. p.length = 0;
  65. p.text = p.text.substr(1);
  66. }
  67. p.length += len;
  68. p.text += text;
  69. } else {
  70. p = {
  71. index: paraIndex,
  72. offset: paraOffset,
  73. length: len,
  74. text: text
  75. };
  76. }
  77. para[paraIndex] = p;
  78. paraOffset += p.length;
  79. };
  80. const onStartNode = (elemName) => {// eslint-disable-line no-unused-vars
  81. if (elemName == '?xml')
  82. return;
  83. tag = elemName;
  84. path += '/' + elemName;
  85. if ((tag == 'p' || tag == 'empty-line' || tag == 'v') && path.indexOf('/fictionbook/body/section') == 0) {
  86. newParagraph(' ', 1);
  87. }
  88. if (tag == 'emphasis' || tag == 'strong') {
  89. growParagraph(`<${tag}>`, 0);
  90. }
  91. if (tag == 'title') {
  92. bold = true;
  93. center = true;
  94. }
  95. if (tag == 'subtitle') {
  96. bold = true;
  97. }
  98. if (tag == 'epigraph') {
  99. italic = true;
  100. }
  101. if (tag == 'stanza') {
  102. newParagraph(' ', 1);
  103. }
  104. };
  105. const onEndNode = (elemName) => {// eslint-disable-line no-unused-vars
  106. if (tag == elemName) {
  107. if (tag == 'emphasis' || tag == 'strong') {
  108. growParagraph(`</${tag}>`, 0);
  109. }
  110. if (tag == 'title') {
  111. bold = false;
  112. center = false;
  113. }
  114. if (tag == 'subtitle') {
  115. bold = false;
  116. }
  117. if (tag == 'epigraph') {
  118. italic = false;
  119. }
  120. if (tag == 'stanza') {
  121. newParagraph(' ', 1);
  122. }
  123. path = path.substr(0, path.length - tag.length - 1);
  124. let i = path.lastIndexOf('/');
  125. if (i >= 0) {
  126. tag = path.substr(i + 1);
  127. } else {
  128. tag = path;
  129. }
  130. }
  131. };
  132. const onTextNode = (text) => {// eslint-disable-line no-unused-vars
  133. text = he.decode(text);
  134. text = text.replace(/>/g, '&gt;');
  135. text = text.replace(/</g, '&lt;');
  136. if (text != ' ' && text.trim() == '')
  137. text = text.trim();
  138. if (text == '')
  139. return;
  140. text = text.replace(/[\t\n\r]/g, ' ');
  141. switch (path) {
  142. case '/fictionbook/description/title-info/author/first-name':
  143. fb2.firstName = text;
  144. break;
  145. case '/fictionbook/description/title-info/author/middle-name':
  146. fb2.middleName = text;
  147. break;
  148. case '/fictionbook/description/title-info/author/last-name':
  149. fb2.lastName = text;
  150. break;
  151. case '/fictionbook/description/title-info/genre':
  152. fb2.genre = text;
  153. break;
  154. case '/fictionbook/description/title-info/date':
  155. fb2.date = text;
  156. break;
  157. case '/fictionbook/description/title-info/book-title':
  158. fb2.bookTitle = text;
  159. break;
  160. case '/fictionbook/description/title-info/id':
  161. fb2.id = text;
  162. break;
  163. }
  164. if (path.indexOf('/fictionbook/description/title-info/annotation') == 0) {
  165. if (!fb2.annotation)
  166. fb2.annotation = '';
  167. if (tag != 'annotation')
  168. fb2.annotation += `<${tag}>${text}</${tag}>`;
  169. else
  170. fb2.annotation += text;
  171. }
  172. let tOpen = (center ? '<center>' : '');
  173. tOpen += (bold ? '<strong>' : '');
  174. tOpen += (italic ? '<emphasis>' : '');
  175. let tClose = (center ? '</center>' : '');
  176. tClose += (bold ? '</strong>' : '');
  177. tClose += (italic ? '</emphasis>' : '');
  178. if (path.indexOf('/fictionbook/body/title') == 0) {
  179. newParagraph(`${tOpen}${text}${tClose}`, text.length, true);
  180. }
  181. if (path.indexOf('/fictionbook/body/section') == 0) {
  182. switch (tag) {
  183. case 'p':
  184. growParagraph(`${tOpen}${text}${tClose}`, text.length);
  185. break;
  186. default:
  187. growParagraph(`${tOpen}${text}${tClose}`, text.length);
  188. }
  189. }
  190. };
  191. const onProgress = async(prog) => {
  192. await sleep(1);
  193. callback(prog);
  194. };
  195. await sax.parse(data, {
  196. onStartNode, onEndNode, onTextNode, onProgress
  197. });
  198. this.fb2 = fb2;
  199. this.para = para;
  200. this.textLength = paraOffset;
  201. callback(100);
  202. await sleep(10);
  203. return {fb2};
  204. }
  205. findParaIndex(bookPos) {
  206. let result = undefined;
  207. //дихотомия
  208. let first = 0;
  209. let last = this.para.length - 1;
  210. while (first < last) {
  211. let mid = first + Math.floor((last - first)/2);
  212. if (bookPos <= this.para[mid].offset + this.para[mid].length - 1)
  213. last = mid;
  214. else
  215. first = mid + 1;
  216. }
  217. if (last >= 0) {
  218. const ofs = this.para[last].offset;
  219. if (bookPos >= ofs && bookPos < ofs + this.para[last].length)
  220. result = last;
  221. }
  222. return result;
  223. }
  224. splitToStyle(s) {
  225. let result = [];/*array of {
  226. style: {bold: Boolean, italic: Boolean, center: Boolean},
  227. text: String,
  228. }*/
  229. let style = {};
  230. const onTextNode = async(text) => {// eslint-disable-line no-unused-vars
  231. result.push({
  232. style: Object.assign({}, style),
  233. text: text
  234. });
  235. };
  236. const onStartNode = async(elemName) => {// eslint-disable-line no-unused-vars
  237. switch (elemName) {
  238. case 'strong':
  239. style.bold = true;
  240. break;
  241. case 'emphasis':
  242. style.italic = true;
  243. break;
  244. case 'center':
  245. style.center = true;
  246. break;
  247. }
  248. };
  249. const onEndNode = async(elemName) => {// eslint-disable-line no-unused-vars
  250. switch (elemName) {
  251. case 'strong':
  252. style.bold = false;
  253. break;
  254. case 'emphasis':
  255. style.italic = false;
  256. break;
  257. case 'center':
  258. style.center = false;
  259. break;
  260. }
  261. };
  262. sax.parseSync(s, {
  263. onStartNode, onEndNode, onTextNode
  264. });
  265. //длинные слова (или белиберду без пробелов) тоже разобьем
  266. const maxWordLength = this.maxWordLength;
  267. const parts = result;
  268. result = [];
  269. for (const part of parts) {
  270. let p = part;
  271. let i = 0;
  272. let spaceIndex = -1;
  273. while (i < p.text.length) {
  274. if (p.text[i] == ' ')
  275. spaceIndex = i;
  276. if (i - spaceIndex >= maxWordLength && i < p.text.length - 1 &&
  277. this.measureText(p.text.substr(spaceIndex + 1, i - spaceIndex), p.style) >= this.w - this.p) {
  278. result.push({style: p.style, text: p.text.substr(0, i + 1)});
  279. p = {style: p.style, text: p.text.substr(i + 1)};
  280. spaceIndex = -1;
  281. i = -1;
  282. }
  283. i++;
  284. }
  285. result.push(p);
  286. }
  287. return result;
  288. }
  289. splitToSlogi(word) {
  290. let result = [];
  291. const glas = new Set(['а', 'А', 'о', 'О', 'и', 'И', 'е', 'Е', 'ё', 'Ё', 'э', 'Э', 'ы', 'Ы', 'у', 'У', 'ю', 'Ю', 'я', 'Я']);
  292. const soglas = new Set([
  293. 'б', 'в', 'г', 'д', 'ж', 'з', 'й', 'к', 'л', 'м', 'н', 'п', 'р', 'с', 'т', 'ф', 'х', 'ц', 'ч', 'ш', 'щ',
  294. 'Б', 'В', 'Г', 'Д', 'Ж', 'З', 'Й', 'К', 'Л', 'М', 'Н', 'П', 'Р', 'С', 'Т', 'Ф', 'Х', 'Ч', 'Ц', 'Ш', 'Щ'
  295. ]);
  296. const znak = new Set(['ь', 'Ь', 'ъ', 'Ъ', 'й', 'Й']);
  297. const alpha = new Set([...glas, ...soglas, ...znak]);
  298. let slog = '';
  299. let slogLen = 0;
  300. const len = word.length;
  301. word += ' ';
  302. for (let i = 0; i < len; i++) {
  303. slog += word[i];
  304. if (alpha.has(word[i]))
  305. slogLen++;
  306. if (slogLen > 1 && i < len - 2 && (
  307. //гласная, а следом не 2 согласные буквы
  308. (glas.has(word[i]) && !(soglas.has(word[i + 1]) &&
  309. soglas.has(word[i + 2])) && alpha.has(word[i + 1]) && alpha.has(word[i + 2])
  310. ) ||
  311. //предыдущая не согласная буква, текущая согласная, а следом согласная и согласная|гласная буквы
  312. (alpha.has(word[i - 1]) && !soglas.has(word[i - 1]) &&
  313. soglas.has(word[i]) && soglas.has(word[i + 1]) &&
  314. (glas.has(word[i + 2]) || soglas.has(word[i + 2])) &&
  315. alpha.has(word[i + 1]) && alpha.has(word[i + 2])
  316. ) ||
  317. //мягкий или твердый знак или Й
  318. (znak.has(word[i]) && alpha.has(word[i + 1]) && alpha.has(word[i + 2])) ||
  319. (word[i] == '-')
  320. ) &&
  321. //нельзя оставлять окончания на ь, ъ, й
  322. !(znak.has(word[i + 2]) && !alpha.has(word[i + 3]))
  323. ) {
  324. result.push(slog);
  325. slog = '';
  326. slogLen = 0;
  327. }
  328. }
  329. if (slog)
  330. result.push(slog);
  331. return result;
  332. }
  333. parsePara(paraIndex) {
  334. const para = this.para[paraIndex];
  335. if (!this.force &&
  336. para.parsed &&
  337. para.parsed.w === this.w &&
  338. para.parsed.p === this.p &&
  339. para.parsed.wordWrap === this.wordWrap &&
  340. para.parsed.maxWordLength === this.maxWordLength &&
  341. para.parsed.font === this.font
  342. )
  343. return para.parsed;
  344. const parsed = {
  345. w: this.w,
  346. p: this.p,
  347. wordWrap: this.wordWrap,
  348. maxWordLength: this.maxWordLength,
  349. font: this.font,
  350. };
  351. const lines = []; /* array of
  352. {
  353. begin: Number,
  354. end: Number,
  355. first: Boolean,
  356. last: Boolean,
  357. parts: array of {
  358. style: {bold: Boolean, italic: Boolean, center: Boolean},
  359. text: String,
  360. }
  361. }*/
  362. let parts = this.splitToStyle(para.text);
  363. let line = {begin: para.offset, parts: []};
  364. let partText = '';//накапливаемый кусок со стилем
  365. let str = '';//измеряемая строка
  366. let prevStr = '';//строка без крайнего слова
  367. let prevW = 0;
  368. let j = 0;//номер строки
  369. let style = {};
  370. let ofs = 0;//смещение от начала параграфа para.offset
  371. // тут начинается самый замес, перенос по слогам и стилизация
  372. for (const part of parts) {
  373. const words = part.text.split(' ');
  374. style = part.style;
  375. let sp1 = '';
  376. let sp2 = '';
  377. for (let i = 0; i < words.length; i++) {
  378. const word = words[i];
  379. ofs += word.length + (i < words.length - 1 ? 1 : 0);
  380. if (word == '' && i > 0 && i < words.length - 1)
  381. continue;
  382. str += sp1 + word;
  383. let p = (j == 0 ? parsed.p : 0);
  384. let w = this.measureText(str, style) + p;
  385. let wordTail = word;
  386. if (w > parsed.w && prevStr != '') {
  387. if (parsed.wordWrap) {//по слогам
  388. let slogi = this.splitToSlogi(word);
  389. if (slogi.length > 1) {
  390. let s = prevStr + sp1;
  391. let ss = sp1;
  392. let pw;
  393. const slogiLen = slogi.length;
  394. for (let k = 0; k < slogiLen - 1; k++) {
  395. let slog = slogi[0];
  396. let ww = this.measureText(s + slog + (slog[slog.length - 1] == '-' ? '' : '-'), style) + p;
  397. if (ww <= parsed.w) {
  398. s += slog;
  399. ss += slog;
  400. } else
  401. break;
  402. pw = ww;
  403. slogi.shift();
  404. }
  405. if (pw) {
  406. prevW = pw;
  407. partText += ss + (ss[ss.length - 1] == '-' ? '' : '-');
  408. wordTail = slogi.join('');
  409. }
  410. }
  411. }
  412. if (partText != '')
  413. line.parts.push({style, text: partText});
  414. if (line.parts.length) {//корявенько, коррекция при переносе, отрефакторить не вышло
  415. let t = line.parts[line.parts.length - 1].text;
  416. if (t[t.length - 1] == ' ') {
  417. line.parts[line.parts.length - 1].text = t.trimRight();
  418. prevW -= this.measureText(' ', style);
  419. }
  420. }
  421. line.end = para.offset + ofs - wordTail.length - 1 - (i < words.length - 1 ? 1 : 0);
  422. if (line.end - line.begin < 0)
  423. console.error(`Parse error, empty line in paragraph ${paraIndex}`);
  424. line.width = prevW;
  425. line.first = (j == 0);
  426. line.last = false;
  427. lines.push(line);
  428. line = {begin: line.end + 1, parts: []};
  429. partText = '';
  430. sp2 = '';
  431. str = wordTail;
  432. j++;
  433. }
  434. prevStr = str;
  435. partText += sp2 + wordTail;
  436. sp1 = ' ';
  437. sp2 = ' ';
  438. prevW = w;
  439. }
  440. if (partText != '')
  441. line.parts.push({style, text: partText});
  442. partText = '';
  443. }
  444. if (line.parts.length) {//корявенько, коррекция при переносе
  445. let t = line.parts[line.parts.length - 1].text;
  446. if (t[t.length - 1] == ' ') {
  447. line.parts[line.parts.length - 1].text = t.trimRight();
  448. prevW -= this.measureText(' ', style);
  449. }
  450. line.end = para.offset + para.length - 1;
  451. if (line.end - line.begin < 0)
  452. console.error(`Parse error, empty line in paragraph ${paraIndex}`);
  453. line.width = prevW;
  454. line.first = (j == 0);
  455. line.last = true;
  456. lines.push(line);
  457. } else {//подстраховка
  458. if (lines.length) {
  459. line = lines[lines.length - 1];
  460. const end = para.offset + para.length - 1;
  461. if (line.end != end)
  462. console.error(`Parse error, wrong end in paragraph ${paraIndex}`);
  463. line.end = end;
  464. }
  465. }
  466. parsed.lines = lines;
  467. para.parsed = parsed;
  468. return parsed;
  469. }
  470. findLineIndex(bookPos, lines) {
  471. let result = undefined;
  472. //дихотомия
  473. let first = 0;
  474. let last = lines.length - 1;
  475. while (first < last) {
  476. let mid = first + Math.floor((last - first)/2);
  477. if (bookPos <= lines[mid].end)
  478. last = mid;
  479. else
  480. first = mid + 1;
  481. }
  482. if (last >= 0) {
  483. if (bookPos >= lines[last].begin && bookPos <= lines[last].end)
  484. result = last;
  485. }
  486. return result;
  487. }
  488. getLines(bookPos, n) {
  489. let result = [];
  490. let paraIndex = this.findParaIndex(bookPos);
  491. if (paraIndex === undefined)
  492. return result;
  493. if (n > 0) {
  494. let parsed = this.parsePara(paraIndex);
  495. let i = this.findLineIndex(bookPos, parsed.lines);
  496. if (i === undefined)
  497. return result;
  498. while (n > 0) {
  499. result.push(parsed.lines[i]);
  500. i++;
  501. if (i >= parsed.lines.length) {
  502. paraIndex++;
  503. if (paraIndex < this.para.length)
  504. parsed = this.parsePara(paraIndex);
  505. else
  506. return result;
  507. i = 0;
  508. }
  509. n--;
  510. }
  511. } else if (n < 0) {
  512. n = -n;
  513. let parsed = this.parsePara(paraIndex);
  514. let i = this.findLineIndex(bookPos, parsed.lines);
  515. if (i === undefined)
  516. return result;
  517. while (n > 0) {
  518. result.push(parsed.lines[i]);
  519. i--;
  520. if (i < 0) {
  521. paraIndex--;
  522. if (paraIndex >= 0)
  523. parsed = this.parsePara(paraIndex);
  524. else
  525. return result;
  526. i = parsed.lines.length - 1;
  527. }
  528. n--;
  529. }
  530. }
  531. if (!result.length)
  532. result = null;
  533. return result;
  534. }
  535. }