add: Висячая пунктуация работает (кроме редких случаев когда пробел, или его отуствие, попадает на следующий bs-узел)

etpgrf/hanging.py

@@ -0,0 +1,166 @@
+# etpgrf/hanging.py
+# Модуль для расстановки висячей пунктуации.
+
+import logging
+from bs4 import BeautifulSoup, NavigableString, Tag
+from .config import (
+    HANGING_PUNCTUATION_LEFT_CHARS,
+    HANGING_PUNCTUATION_RIGHT_CHARS,
+    HANGING_PUNCTUATION_CLASSES
+)
+
+logger = logging.getLogger(__name__)
+
+
+class HangingPunctuationProcessor:
+    """
+    Оборачивает символы висячей пунктуации в специальные теги <span> с классами.
+    """
+
+    def __init__(self, mode: str | bool | list[str] | None = None):
+        """
+        :param mode: Режим работы:
+                     - None / False: отключено.
+                     - 'left': только левая пунктуация.
+                     - 'right': только правая пунктуация.
+                     - 'both' / True: и левая, и правая.
+                     - list[str]: список тегов (например, ['p', 'blockquote']),
+                       внутри которых применять 'both'.
+        """
+        self.mode = mode
+        self.target_tags = None
+        self.active_chars = set()
+
+        # Определяем, какие символы будем обрабатывать
+        if isinstance(mode, list):
+            self.target_tags = set(t.lower() for t in mode)
+            # Если передан список тегов, включаем полный режим ('both') внутри них
+            self.active_chars.update(HANGING_PUNCTUATION_LEFT_CHARS)
+            self.active_chars.update(HANGING_PUNCTUATION_RIGHT_CHARS)
+        elif mode == 'left':
+            self.active_chars.update(HANGING_PUNCTUATION_LEFT_CHARS)
+        elif mode == 'right':
+            self.active_chars.update(HANGING_PUNCTUATION_RIGHT_CHARS)
+        elif mode == 'both' or mode is True:
+            self.active_chars.update(HANGING_PUNCTUATION_LEFT_CHARS)
+            self.active_chars.update(HANGING_PUNCTUATION_RIGHT_CHARS)
+        
+        # Предварительно фильтруем карту классов, оставляя только активные символы
+        self.char_to_class = {
+            char: cls 
+            for char, cls in HANGING_PUNCTUATION_CLASSES.items()
+            if char in self.active_chars
+        }
+
+        logger.debug(f"HangingPunctuationProcessor initialized. Mode: {mode}, Active chars count: {len(self.active_chars)}")
+
+    def process(self, soup: BeautifulSoup) -> BeautifulSoup:
+        """
+        Проходит по дереву soup и оборачивает висячие символы в span.
+        """
+        if not self.active_chars:
+            return soup
+
+        # Если задан список целевых тегов, обрабатываем только их содержимое
+        if self.target_tags:
+            # Находим все теги из списка
+            # Используем select для поиска (например: "p, blockquote, h1")
+            selector = ", ".join(self.target_tags)
+            roots = soup.select(selector)
+        else:
+            # Иначе обрабатываем весь документ (начиная с корня)
+            roots = [soup]
+
+        for root in roots:
+            self._process_node_recursive(root, soup)
+
+        return soup
+
+    def _process_node_recursive(self, node, soup):
+        """
+        Рекурсивно обходит узлы. Если находит NavigableString с нужными символами,
+        разбивает его и вставляет span'ы.
+        """
+        # Работаем с копией списка детей, так как будем менять структуру дерева на лету
+        # (replace_with меняет дерево)
+        if hasattr(node, 'children'):
+            for child in list(node.children):
+                if isinstance(child, NavigableString):
+                    self._process_text_node(child, soup)
+                elif isinstance(child, Tag):
+                    # Не заходим внутрь тегов, которые мы сами же и создали (или аналогичных),
+                    # чтобы избежать рекурсивного ада, хотя классы у нас специфичные.
+                    self._process_node_recursive(child, soup)
+
+    def _process_text_node(self, text_node: NavigableString, soup: BeautifulSoup):
+        """
+        Анализирует текстовый узел. Если в нем есть символы для висячей пунктуации,
+        заменяет узел на фрагмент (список узлов), где эти символы обернуты в span.
+        """
+        text = str(text_node)
+        
+        # Быстрая проверка: если в тексте вообще нет ни одного нашего символа, выходим
+        if not any(char in text for char in self.active_chars):
+            return
+
+        # Если символы есть, нам нужно "разобрать" строку.
+        new_nodes = []
+        current_text_buffer = ""
+        text_len = len(text)
+
+        for i, char in enumerate(text):
+            if char in self.char_to_class:
+                should_hang = False
+                
+                # Проверяем контекст (пробелы или другие висячие символы вокруг)
+                if char in HANGING_PUNCTUATION_LEFT_CHARS:
+                    # Левая пунктуация:
+                    # 1. Начало узла
+                    # 2. Перед ней пробел
+                    # 3. Перед ней другой левый висячий символ (например, "((text")
+                    if (i == 0 or 
+                        text[i-1].isspace() or 
+                        text[i-1] in HANGING_PUNCTUATION_LEFT_CHARS):
+                        should_hang = True
+                elif char in HANGING_PUNCTUATION_RIGHT_CHARS:
+                    # Правая пунктуация:
+                    # 1. Конец узла
+                    # 2. После нее пробел
+                    # 3. После нее другой правый висячий символ (например, "text.»")
+                    if (i == text_len - 1 or 
+                        text[i+1].isspace() or 
+                        text[i+1] in HANGING_PUNCTUATION_RIGHT_CHARS):
+                        should_hang = True
+                
+                if should_hang:
+                    # 1. Сбрасываем накопленный буфер текста (если есть)
+                    if current_text_buffer:
+                        new_nodes.append(NavigableString(current_text_buffer))
+                        current_text_buffer = ""
+                    
+                    # 2. Создаем span для висячего символа
+                    span = soup.new_tag("span")
+                    span['class'] = self.char_to_class[char]
+                    span.string = char
+                    new_nodes.append(span)
+                else:
+                    # Если контекст не подходит, оставляем символ как обычный текст
+                    current_text_buffer += char
+            else:
+                # Просто накапливаем символ
+                current_text_buffer += char
+
+        # Добавляем остаток буфера
+        if current_text_buffer:
+            new_nodes.append(NavigableString(current_text_buffer))
+
+        # Заменяем исходный текстовый узел на набор новых узлов.
+        if new_nodes:
+            first_node = new_nodes[0]
+            text_node.replace_with(first_node)
+            
+            # Остальные вставляем последовательно после первого
+            current_pos = first_node
+            for next_node in new_nodes[1:]:
+                current_pos.insert_after(next_node)
+                current_pos = next_node