add: переносы

README.md

@@ -1,6 +1,6 @@
 | in progress // в процессе разработки |
 |--------------------------------------|
-| 0                                    |
+| -0                                   |
 
 # Типограф для Web
 

etpgrf/__init__.py

@@ -0,0 +1,14 @@
+"""
+Typography - библиотека для экранной типографики текста с поддержкой HTML.
+
+Основные возможности:
+- Автоматическая расстановка переносов
+- Неразрывные пробелы для союзов и предлогов
+- Корректные кавычки в зависимости от языка
+- Висячая пунктуация
+- Очистка и обработка HTML
+"""
+__version__ = "0.1.0"
+
+import regex
+from etpgrf import processor, hyphenation

etpgrf/hyphenation.py

@@ -0,0 +1,89 @@
+import regex
+
+
+def hyphenation_in_word(s: str, max_chunk: int = 14, sep: str = "-") -> str:
+    """ Расстановка переносов в русском слове с учетом максимальной длины непереносимой группы.
+    Переносы ставятся половинным делением слова, рекурсивно.
+
+    :param s:         Слово, в котором надо расставить переносы
+    :param max_chunk: Максимальная длина непереносимой группы символов (по умолчанию 14)
+    :param sep:       Символ переноса (по умолчанию "-")
+    :return:          Слово с расставленными переносами
+    """
+
+    # Проверка гласных букв
+    def is_vow(let: str) -> bool:
+        return let.upper() in ['А', 'О', 'И', 'Е', 'Ё', 'Э', 'Ы', 'У', 'Ю', 'Я']
+
+    # Проверка согласных букв
+    def is_cons(let: str) -> bool:
+        return let.upper() in ['Б', 'В', 'Г', 'Д', 'Ж', 'З', 'К', 'Л', 'М', 'Н', 'П', 'Р', 'С', 'Т', 'Ф', 'Х', 'Ц',
+                               'Ч', 'Ш', 'Щ']
+
+    # Поиск допустимой позиции для переноса около заданного индекса
+    def find_hyphen_point(word: str, start_idx: int) -> int:
+        vow_indices = [i for i in range(len(word)) if is_vow(word[i])]
+        if not vow_indices:
+            # Если в слове нет гласных, то перенос невозможен
+            return -1
+
+        # Ищем ближайшую гласную до или после start_idx
+        for i in vow_indices:
+            if i >= start_idx - 2 and i + 2 < len(word):  # Проверяем, что после гласной есть минимум 2 символа
+                ind = i + 1
+                if (is_cons(word[ind]) or word[ind] in 'йЙ') and not is_vow(word[ind + 1]):
+                    # Й -- полугласная. Перенос после неё только в случае, если дальше идет согласная
+                    # (например, "бой-кий"), но запретить, если идет гласная (например, "ма-йка" не пройдет).
+                    ind += 1
+                if ind <= 3 or ind >= len(word) - 3:
+                    # Не отделяем 3 символ с начала или конца (это некрасиво)
+                    continue
+                if word[ind] in 'ьЬЪъ' or word[-1] in 'ьЬЪъ':
+                    # Пропускаем мягкий/твердый знак. Согласно правилам русской типографики (например, ГОСТ 7.62-2008
+                    # или рекомендации по набору текста), перенос не должен разрывать слово так, чтобы мягкий или
+                    # твердый знак оказывался в начале или конце строки
+                    continue
+                return ind
+        return -1           # Не нашли подходящую позицию
+
+    # Рекурсивное деление слова
+    def split_word(word: str) -> str:
+        if len(word) <= max_chunk:  # Если длина укладывается в лимит, перенос не нужен
+            return word
+
+        mid = len(word) // 2  # Середина слова
+        hyphen_idx = find_hyphen_point(word, mid)  # Ищем точку переноса около середины
+
+        if hyphen_idx == -1:  # Если не нашли точку переноса
+            return word
+
+        left_part = word[:hyphen_idx]
+        right_part = word[hyphen_idx:]
+
+        # Рекурсивно делим левую и правую части
+        return split_word(left_part) + sep + split_word(right_part)
+
+    # Основная логика
+    if len(s) <= max_chunk or not any(is_vow(c) for c in s):
+        # Короткое слово или без гласных
+        return s
+
+    return split_word(s)
+
+
+def hyphenation_in_text(text: str, min_len_word_hyphenation: int = 14, sep: str = "") -> str:
+    """ Расстановка переносов в тексте
+
+        :param text: Строка, которую надо обработать (главный аргумент).
+        :param min_len_word_hyphenation: Минимальная длина слова для расстановки переносов.
+        :param sep: Символ переноса.
+        :return: str:
+    """
+    rus_worlds = regex.findall(r'\b[а-яА-Я]+\b', text)       # ищем все русскоязычные слова в тексте
+    rus_worlds = list(set(rus_worlds))                              # убираем повторяющиеся слова
+    for word in rus_worlds:
+        if len(word) > min_len_word_hyphenation:
+            hyphenated_word = hyphenation_in_word(word, max_chunk=6, sep=sep)
+            print(f'{word} -> {hyphenated_word}')
+            text = text.replace(word, hyphenated_word)
+    return text

main.py

@@ -0,0 +1,8 @@
+import etpgrf
+
+
+if __name__ == '__main__':
+    text_in = 'Привет, World! Это <i>тестовый текст для проверки расстановки</i> переносов в словах. Миллион 1000000'
+    result = etpgrf.hyphenation.hyphenation_in_text(text_in, min_len_word_hyphenation=8, sep='-')
+    print(result)
+