add: SymbolsProcessor - обработка тире и псевдографики

etpgrf/symbols.py

@@ -0,0 +1,50 @@
+# etpgrf/symbols.py
+# Модуль для преобразования псевдографики в правильные типографские символы.
+
+import regex
+import logging
+from .config import CHAR_NDASH, STR_TO_SYMBOL_REPLACEMENTS
+
+logger = logging.getLogger(__name__)
+
+
+class SymbolsProcessor:
+    """
+    Преобразует ASCII-последовательности (псевдографику) в семантически
+    верные Unicode-символы. Работает на раннем этапе, до расстановки пробелов.
+    """
+
+    def __init__(self):
+        # Для сложных замен, требующих анализа контекста (например, диапазоны),
+        # по-прежнему используем регулярные выражения.
+        # Паттерн для диапазонов: цифра-дефис-цифра -> цифра–цифра (среднее тире).
+        # Обрабатываем арабские и римские цифры.
+        self._range_pattern = regex.compile(pattern=r'(\d)-(\d)|([IVXLCDM]+)-([IVXLCDM]+)', flags=regex.IGNORECASE)
+
+        logger.debug("SymbolsProcessor `__init__`")
+
+    def _replace_range(self, match: regex.Match) -> str:
+        # Паттерн имеет две группы: (\d)-(\d) ИЛИ ([IVX...])-([IVX...])
+        if match.group(1) is not None:  # Арабские цифры
+            return f'{match.group(1)}{CHAR_NDASH}{match.group(2)}'
+        if match.group(3) is not None:  # Римские цифры
+            return f'{match.group(3)}{CHAR_NDASH}{match.group(4)}'
+        return match.group(0)  # На всякий случай
+
+
+    def process(self, text: str) -> str:
+        # Шаг 1: Выполняем простые замены из списка `STR_TO_SYMBOL_REPLACEMENTS` (см. config.py).
+        # Этот шаг должен идти первым, чтобы пользователь мог, например,
+        # использовать '---' в диапазоне '1---5', если ему это нужно.
+        # В таком случае '---' заменится на '—', и правило для диапазонов
+        # с дефисом уже не сработает.
+        processed_text = text
+        for old, new in STR_TO_SYMBOL_REPLACEMENTS:
+            processed_text = processed_text.replace(old, new)
+
+        # Шаг 2: Обрабатываем диапазоны с помощью регулярного выражения.
+        # Эта замена более специфична и требует контекста (цифры вокруг дефиса).
+        processed_text = self._range_pattern.sub(self._replace_range, processed_text)
+
+        return processed_text
+