BookParser.js 20 KB

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186187188189190191192193194195196197198199200201202203204205206207208209210211212213214215216217218219220221222223224225226227228229230231232233234235236237238239240241242243244245246247248249250251252253254255256257258259260261262263264265266267268269270271272273274275276277278279280281282283284285286287288289290291292293294295296297298299300301302303304305306307308309310311312313314315316317318319320321322323324325326327328329330331332333334335336337338339340341342343344345346347348349350351352353354355356357358359360361362363364365366367368369370371372373374375376377378379380381382383384385386387388389390391392393394395396397398399400401402403404405406407408409410411412413414415416417418419420421422423424425426427428429430431432433434435436437438439440441442443444445446447448449450451452453454455456457458459460461462463464465466467468469470471472473474475476477478479480481482483484485486487488489490491492493494495496497498499500501502503504505506507508509510511512513514515516517518519520521522523524525526527528529530531532533534535536537538539540541542543544545546547548549550551552553554555556557558559560561562563564565566567568569570571572573574575576577578579580581582583584585586587588589590591592593594595596597598599600601602603604605606607608609610
  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 paraIndex = -1;
  34. let paraOffset = 0;
  35. let para = []; /*array of
  36. {
  37. index: Number,
  38. offset: Number, //сумма всех length до этого параграфа
  39. length: Number, //длина text без тегов
  40. text: String //текст параграфа (или title или epigraph и т.д) с вложенными тегами
  41. }
  42. */
  43. const newParagraph = (text, len) => {
  44. paraIndex++;
  45. let p = {
  46. index: paraIndex,
  47. offset: paraOffset,
  48. length: len,
  49. text: text,
  50. };
  51. para[paraIndex] = p;
  52. paraOffset += p.length;
  53. };
  54. const growParagraph = (text, len) => {
  55. let p = para[paraIndex];
  56. if (p) {
  57. paraOffset -= p.length;
  58. if (p.length == 1 && p.text[0] == ' ' && len > 0) {
  59. p.length = 0;
  60. p.text = p.text.substr(1);
  61. }
  62. p.length += len;
  63. p.text += text;
  64. } else {
  65. p = {
  66. index: paraIndex,
  67. offset: paraOffset,
  68. length: len,
  69. text: text
  70. };
  71. }
  72. para[paraIndex] = p;
  73. paraOffset += p.length;
  74. };
  75. const onStartNode = (elemName) => {// eslint-disable-line no-unused-vars
  76. if (elemName == '?xml')
  77. return;
  78. tag = elemName;
  79. path += '/' + elemName;
  80. if ((tag == 'p' || tag == 'empty-line') && path.indexOf('/fictionbook/body/section') == 0) {
  81. newParagraph(' ', 1);
  82. }
  83. if (tag == 'emphasis' || tag == 'strong') {
  84. growParagraph(`<${tag}>`, 0);
  85. }
  86. if (tag == 'title') {
  87. newParagraph(' ', 1);
  88. bold = true;
  89. center = true;
  90. }
  91. if (tag == 'subtitle') {
  92. newParagraph(' ', 1);
  93. bold = true;
  94. }
  95. };
  96. const onEndNode = (elemName) => {// eslint-disable-line no-unused-vars
  97. if (tag == elemName) {
  98. if (tag == 'emphasis' || tag == 'strong') {
  99. growParagraph(`</${tag}>`, 0);
  100. }
  101. if (tag == 'title') {
  102. bold = false;
  103. center = false;
  104. }
  105. if (tag == 'subtitle')
  106. bold = false;
  107. path = path.substr(0, path.length - tag.length - 1);
  108. let i = path.lastIndexOf('/');
  109. if (i >= 0) {
  110. tag = path.substr(i + 1);
  111. } else {
  112. tag = path;
  113. }
  114. }
  115. };
  116. const onTextNode = (text) => {// eslint-disable-line no-unused-vars
  117. text = he.decode(text);
  118. text = text.replace(/>/g, '&gt;');
  119. text = text.replace(/</g, '&lt;');
  120. text = text.replace(/[\t\n\r]/g, ' ');
  121. if (text != ' ' && text.trim() == '')
  122. text = text.trim();
  123. if (text == '')
  124. return;
  125. switch (path) {
  126. case '/fictionbook/description/title-info/author/first-name':
  127. fb2.firstName = text;
  128. break;
  129. case '/fictionbook/description/title-info/author/middle-name':
  130. fb2.middleName = text;
  131. break;
  132. case '/fictionbook/description/title-info/author/last-name':
  133. fb2.lastName = text;
  134. break;
  135. case '/fictionbook/description/title-info/genre':
  136. fb2.genre = text;
  137. break;
  138. case '/fictionbook/description/title-info/date':
  139. fb2.date = text;
  140. break;
  141. case '/fictionbook/description/title-info/book-title':
  142. fb2.bookTitle = text;
  143. break;
  144. case '/fictionbook/description/title-info/id':
  145. fb2.id = text;
  146. break;
  147. }
  148. if (path.indexOf('/fictionbook/description/title-info/annotation') == 0) {
  149. if (!fb2.annotation)
  150. fb2.annotation = '';
  151. if (tag != 'annotation')
  152. fb2.annotation += `<${tag}>${text}</${tag}>`;
  153. else
  154. fb2.annotation += text;
  155. }
  156. let tOpen = (center ? '<center>' : '');
  157. tOpen += (bold ? '<strong>' : '');
  158. let tClose = (center ? '</center>' : '');
  159. tClose += (bold ? '</strong>' : '');
  160. if (path.indexOf('/fictionbook/body/title') == 0) {
  161. newParagraph(`${tOpen}${text}${tClose}`, text.length, true);
  162. }
  163. if (path.indexOf('/fictionbook/body/section') == 0) {
  164. switch (tag) {
  165. case 'p':
  166. growParagraph(`${tOpen}${text}${tClose}`, text.length);
  167. break;
  168. default:
  169. growParagraph(`${tOpen}${text}${tClose}`, text.length);
  170. }
  171. }
  172. };
  173. const onProgress = async(prog) => {
  174. await sleep(1);
  175. callback(prog);
  176. };
  177. await sax.parse(data, {
  178. onStartNode, onEndNode, onTextNode, onProgress
  179. });
  180. this.fb2 = fb2;
  181. this.para = para;
  182. this.textLength = paraOffset;
  183. callback(100);
  184. await sleep(10);
  185. return {fb2};
  186. }
  187. findParaIndex(bookPos) {
  188. let result = undefined;
  189. //дихотомия
  190. let first = 0;
  191. let last = this.para.length - 1;
  192. while (first < last) {
  193. let mid = first + Math.floor((last - first)/2);
  194. if (bookPos <= this.para[mid].offset + this.para[mid].length - 1)
  195. last = mid;
  196. else
  197. first = mid + 1;
  198. }
  199. if (last >= 0) {
  200. const ofs = this.para[last].offset;
  201. if (bookPos >= ofs && bookPos < ofs + this.para[last].length)
  202. result = last;
  203. }
  204. return result;
  205. }
  206. splitToStyle(s) {
  207. let result = [];/*array of {
  208. style: {bold: Boolean, italic: Boolean, center: Boolean},
  209. text: String,
  210. }*/
  211. let style = {};
  212. const onTextNode = async(text) => {// eslint-disable-line no-unused-vars
  213. result.push({
  214. style: Object.assign({}, style),
  215. text: text
  216. });
  217. };
  218. const onStartNode = async(elemName) => {// eslint-disable-line no-unused-vars
  219. switch (elemName) {
  220. case 'strong':
  221. style.bold = true;
  222. break;
  223. case 'emphasis':
  224. style.italic = true;
  225. break;
  226. case 'center':
  227. style.center = true;
  228. break;
  229. }
  230. };
  231. const onEndNode = async(elemName) => {// eslint-disable-line no-unused-vars
  232. switch (elemName) {
  233. case 'strong':
  234. style.bold = false;
  235. break;
  236. case 'emphasis':
  237. style.italic = false;
  238. break;
  239. case 'center':
  240. style.center = false;
  241. break;
  242. }
  243. };
  244. sax.parseSync(s, {
  245. onStartNode, onEndNode, onTextNode
  246. });
  247. //длинные слова (или белиберду без пробелов) тоже разобьем
  248. const maxWordLength = this.maxWordLength;
  249. const parts = result;
  250. result = [];
  251. for (const part of parts) {
  252. let p = part;
  253. let i = 0;
  254. let spaceIndex = -1;
  255. while (i < p.text.length) {
  256. if (p.text[i] == ' ')
  257. spaceIndex = i;
  258. if (i - spaceIndex >= maxWordLength && i < p.text.length - 1 &&
  259. this.measureText(p.text.substr(spaceIndex + 1, i - spaceIndex), p.style) >= this.w - this.p) {
  260. result.push({style: p.style, text: p.text.substr(0, i + 1)});
  261. p = {style: p.style, text: p.text.substr(i + 1)};
  262. spaceIndex = -1;
  263. i = -1;
  264. }
  265. i++;
  266. }
  267. result.push(p);
  268. }
  269. return result;
  270. }
  271. splitToSlogi(word) {
  272. let result = [];
  273. const glas = new Set(['а', 'А', 'о', 'О', 'и', 'И', 'е', 'Е', 'ё', 'Ё', 'э', 'Э', 'ы', 'Ы', 'у', 'У', 'ю', 'Ю', 'я', 'Я']);
  274. const soglas = new Set([
  275. 'б', 'в', 'г', 'д', 'ж', 'з', 'й', 'к', 'л', 'м', 'н', 'п', 'р', 'с', 'т', 'ф', 'х', 'ц', 'ч', 'ш', 'щ',
  276. 'Б', 'В', 'Г', 'Д', 'Ж', 'З', 'Й', 'К', 'Л', 'М', 'Н', 'П', 'Р', 'С', 'Т', 'Ф', 'Х', 'Ч', 'Ц', 'Ш', 'Щ'
  277. ]);
  278. const znak = new Set(['ь', 'Ь', 'ъ', 'Ъ', 'й', 'Й']);
  279. const alpha = new Set([...glas, ...soglas, ...znak]);
  280. let slog = '';
  281. let slogLen = 0;
  282. const len = word.length;
  283. word += ' ';
  284. for (let i = 0; i < len; i++) {
  285. slog += word[i];
  286. if (alpha.has(word[i]))
  287. slogLen++;
  288. if (slogLen > 1 && i < len - 2 && (
  289. //гласная, а следом не 2 согласные буквы
  290. (glas.has(word[i]) && !(soglas.has(word[i + 1]) &&
  291. soglas.has(word[i + 2])) && alpha.has(word[i + 1]) && alpha.has(word[i + 2])
  292. ) ||
  293. //предыдущая не согласная буква, текущая согласная, а следом согласная и согласная|гласная буквы
  294. (alpha.has(word[i - 1]) && !soglas.has(word[i - 1]) &&
  295. soglas.has(word[i]) && soglas.has(word[i + 1]) &&
  296. (glas.has(word[i + 2]) || soglas.has(word[i + 2])) &&
  297. alpha.has(word[i + 1]) && alpha.has(word[i + 2])
  298. ) ||
  299. //мягкий или твердый знак или Й
  300. (znak.has(word[i]) && alpha.has(word[i + 1]) && alpha.has(word[i + 2])) ||
  301. (word[i] == '-')
  302. ) &&
  303. //нельзя оставлять окончания на ь, ъ, й
  304. !(znak.has(word[i + 2]) && !alpha.has(word[i + 3]))
  305. ) {
  306. result.push(slog);
  307. slog = '';
  308. slogLen = 0;
  309. }
  310. }
  311. if (slog)
  312. result.push(slog);
  313. return result;
  314. }
  315. parsePara(paraIndex) {
  316. const para = this.para[paraIndex];
  317. if (!this.force &&
  318. para.parsed &&
  319. para.parsed.w === this.w &&
  320. para.parsed.p === this.p &&
  321. para.parsed.wordWrap === this.wordWrap &&
  322. para.parsed.maxWordLength === this.maxWordLength &&
  323. para.parsed.font === this.font
  324. )
  325. return para.parsed;
  326. const parsed = {
  327. w: this.w,
  328. p: this.p,
  329. wordWrap: this.wordWrap,
  330. maxWordLength: this.maxWordLength,
  331. font: this.font,
  332. };
  333. const lines = []; /* array of
  334. {
  335. begin: Number,
  336. end: Number,
  337. first: Boolean,
  338. last: Boolean,
  339. parts: array of {
  340. style: {bold: Boolean, italic: Boolean, center: Boolean},
  341. text: String,
  342. }
  343. }*/
  344. let parts = this.splitToStyle(para.text);
  345. let line = {begin: para.offset, parts: []};
  346. let partText = '';//накапливаемый кусок со стилем
  347. let str = '';//измеряемая строка
  348. let prevStr = '';//строка без крайнего слова
  349. let prevW = 0;
  350. let j = 0;//номер строки
  351. let style = {};
  352. let ofs = 0;//смещение от начала параграфа para.offset
  353. // тут начинается самый замес, перенос по слогам и стилизация
  354. for (const part of parts) {
  355. const words = part.text.split(' ');
  356. style = part.style;
  357. let sp1 = '';
  358. let sp2 = '';
  359. for (let i = 0; i < words.length; i++) {
  360. const word = words[i];
  361. ofs += word.length + (i < words.length - 1 ? 1 : 0);
  362. if (word == '' && i > 0 && i < words.length - 1)
  363. continue;
  364. str += sp1 + word;
  365. let p = (j == 0 ? parsed.p : 0);
  366. let w = this.measureText(str, style) + p;
  367. let wordTail = word;
  368. if (w > parsed.w && prevStr != '') {
  369. if (parsed.wordWrap) {//по слогам
  370. let slogi = this.splitToSlogi(word);
  371. if (slogi.length > 1) {
  372. let s = prevStr + sp1;
  373. let ss = sp1;
  374. let pw;
  375. const slogiLen = slogi.length;
  376. for (let k = 0; k < slogiLen - 1; k++) {
  377. let slog = slogi[0];
  378. let ww = this.measureText(s + slog + (slog[slog.length - 1] == '-' ? '' : '-'), style) + p;
  379. if (ww <= parsed.w) {
  380. s += slog;
  381. ss += slog;
  382. } else
  383. break;
  384. pw = ww;
  385. slogi.shift();
  386. }
  387. if (pw) {
  388. prevW = pw;
  389. partText += ss + (ss[ss.length - 1] == '-' ? '' : '-');
  390. wordTail = slogi.join('');
  391. }
  392. }
  393. }
  394. if (partText != '')
  395. line.parts.push({style, text: partText});
  396. if (line.parts.length) {//корявенько, коррекция при переносе, отрефакторить не вышло
  397. let t = line.parts[line.parts.length - 1].text;
  398. if (t[t.length - 1] == ' ') {
  399. line.parts[line.parts.length - 1].text = t.trimRight();
  400. prevW -= this.measureText(' ', style);
  401. }
  402. }
  403. line.end = para.offset + ofs - wordTail.length - 1 - (i < words.length - 1 ? 1 : 0);
  404. if (line.end - line.begin < 0)
  405. console.error(`Parse error, empty line in paragraph ${paraIndex}`);
  406. line.width = prevW;
  407. line.first = (j == 0);
  408. line.last = false;
  409. lines.push(line);
  410. line = {begin: line.end + 1, parts: []};
  411. partText = '';
  412. sp2 = '';
  413. str = wordTail;
  414. j++;
  415. }
  416. prevStr = str;
  417. partText += sp2 + wordTail;
  418. sp1 = ' ';
  419. sp2 = ' ';
  420. prevW = w;
  421. }
  422. if (partText != '')
  423. line.parts.push({style, text: partText});
  424. partText = '';
  425. }
  426. if (line.parts.length) {//корявенько, коррекция при переносе
  427. let t = line.parts[line.parts.length - 1].text;
  428. if (t[t.length - 1] == ' ') {
  429. line.parts[line.parts.length - 1].text = t.trimRight();
  430. prevW -= this.measureText(' ', style);
  431. }
  432. line.end = para.offset + para.length - 1;
  433. if (line.end - line.begin < 0)
  434. console.error(`Parse error, empty line in paragraph ${paraIndex}`);
  435. line.width = prevW;
  436. line.first = (j == 0);
  437. line.last = true;
  438. lines.push(line);
  439. } else {//подстраховка
  440. if (lines.length) {
  441. line = lines[lines.length - 1];
  442. const end = para.offset + para.length - 1;
  443. if (line.end != end)
  444. console.error(`Parse error, wrong end in paragraph ${paraIndex}`);
  445. line.end = end;
  446. }
  447. }
  448. parsed.lines = lines;
  449. para.parsed = parsed;
  450. return parsed;
  451. }
  452. findLineIndex(bookPos, lines) {
  453. let result = undefined;
  454. //дихотомия
  455. let first = 0;
  456. let last = lines.length - 1;
  457. while (first < last) {
  458. let mid = first + Math.floor((last - first)/2);
  459. if (bookPos <= lines[mid].end)
  460. last = mid;
  461. else
  462. first = mid + 1;
  463. }
  464. if (last >= 0) {
  465. if (bookPos >= lines[last].begin && bookPos <= lines[last].end)
  466. result = last;
  467. }
  468. return result;
  469. }
  470. getLines(bookPos, n) {
  471. let result = [];
  472. let paraIndex = this.findParaIndex(bookPos);
  473. if (paraIndex === undefined)
  474. return result;
  475. if (n > 0) {
  476. let parsed = this.parsePara(paraIndex);
  477. let i = this.findLineIndex(bookPos, parsed.lines);
  478. if (i === undefined)
  479. return result;
  480. while (n > 0) {
  481. result.push(parsed.lines[i]);
  482. i++;
  483. if (i >= parsed.lines.length) {
  484. paraIndex++;
  485. if (paraIndex < this.para.length)
  486. parsed = this.parsePara(paraIndex);
  487. else
  488. return result;
  489. i = 0;
  490. }
  491. n--;
  492. }
  493. } else if (n < 0) {
  494. n = -n;
  495. let parsed = this.parsePara(paraIndex);
  496. let i = this.findLineIndex(bookPos, parsed.lines);
  497. if (i === undefined)
  498. return result;
  499. while (n > 0) {
  500. result.push(parsed.lines[i]);
  501. i--;
  502. if (i < 0) {
  503. paraIndex--;
  504. if (paraIndex >= 0)
  505. parsed = this.parsePara(paraIndex);
  506. else
  507. return result;
  508. i = parsed.lines.length - 1;
  509. }
  510. n--;
  511. }
  512. }
  513. if (!result.length)
  514. result = null;
  515. return result;
  516. }
  517. }