mod: разделение функциональности по файлам
This commit is contained in:
@@ -1,9 +1,7 @@
|
||||
from os.path import exists
|
||||
|
||||
import regex
|
||||
|
||||
UTF = frozenset(['utf-8', 'utf-16', 'utf-32'])
|
||||
MNEMO_CODE = frozenset(['mnemo', '&'])
|
||||
|
||||
LANGS = frozenset(['ru', 'en'])
|
||||
from etpgrf.comutil import parse_and_validate_langs
|
||||
|
||||
_RU_VOWELS_UPPER = frozenset(['А', 'О', 'И', 'Е', 'Ё', 'Э', 'Ы', 'У', 'Ю', 'Я'])
|
||||
_RU_CONSONANTS_UPPER = frozenset(['Б', 'В', 'Г', 'Д', 'Ж', 'З', 'К', 'Л', 'М', 'Н', 'П', 'Р', 'С', 'Т', 'Ф', 'Х', 'Ц', 'Ч', 'Ш', 'Щ'])
|
||||
@@ -14,14 +12,14 @@ _EN_VOWELS_UPPER = frozenset(['A', 'E', 'I', 'O', 'U'])
|
||||
_EN_CONSONANTS_UPPER = frozenset(['B', 'C', 'D', 'F', 'G', 'H', 'J', 'K', 'L', 'M', 'N', 'P', 'Q', 'R', 'S', 'T', 'V', 'W', 'X', 'Y', 'Z'])
|
||||
|
||||
|
||||
class HyphenationRule:
|
||||
class Hyphenator:
|
||||
"""Правила расстановки переносов для разных языков.
|
||||
"""
|
||||
def __init__(self,
|
||||
langs: frozenset[str], # Языки, которые обрабатываем в переносе слов
|
||||
max_unhyphenated_len: int = 14, # Максимальная длина непереносимой группы
|
||||
min_chars_per_part: int = 3): # Минимальная длина после переноса (хвост, который разрешено переносить)
|
||||
self.langs = langs
|
||||
self.langs: frozenset[str] = parse_and_validate_langs(langs)
|
||||
self.max_unhyphenated_len = max_unhyphenated_len
|
||||
self.min_chars_per_part = min_chars_per_part
|
||||
|
||||
@@ -30,10 +28,12 @@ class HyphenationRule:
|
||||
self._consonants: frozenset = frozenset()
|
||||
self._j_sound_upper: frozenset = frozenset()
|
||||
self._signs_upper: frozenset = frozenset()
|
||||
|
||||
self._load_language_resources_for_hyphenation() # Загружает наборы символов на основе self.langs
|
||||
|
||||
self._split_memo: dict[str, str] = {} # Кеш для этого экземпляра
|
||||
|
||||
|
||||
def _load_language_resources_for_hyphenation(self):
|
||||
# Определяем наборы гласных, согласных и т.д. в зависимости языков.
|
||||
if "ru" in self.langs:
|
||||
@@ -71,7 +71,7 @@ class HyphenationRule:
|
||||
return char.upper() in self._signs_upper
|
||||
|
||||
|
||||
def hyphenation_in_word(self, word: str) -> str:
|
||||
def hyp_in_word(self, word: str) -> str:
|
||||
""" Расстановка переносов в русском слове с учетом максимальной длины непереносимой группы.
|
||||
Переносы ставятся половинным делением слова, рекурсивно.
|
||||
|
||||
@@ -128,7 +128,7 @@ class HyphenationRule:
|
||||
return split_word(word) # Рекурсивно делим слово на части с переносами
|
||||
|
||||
|
||||
def apply(self, text: str) -> str:
|
||||
def hyp_in_text(self, text: str) -> str:
|
||||
""" Расстановка переносов в тексте
|
||||
|
||||
:param text: Строка, которую надо обработать (главный аргумент).
|
||||
@@ -137,68 +137,8 @@ class HyphenationRule:
|
||||
rus_worlds = regex.findall(r'\b[а-яА-Я]+\b', text) # ищем все русскоязычные слова в тексте
|
||||
for word in rus_worlds:
|
||||
if len(word) > self.max_unhyphenated_len:
|
||||
hyphenated_word = self.hyphenation_in_word(word)
|
||||
hyphenated_word = self.hyp_in_word(word)
|
||||
print(f'{word} -> {hyphenated_word}')
|
||||
text = text.replace(word, hyphenated_word)
|
||||
return text
|
||||
|
||||
|
||||
# --- Основной класс Typographer ---
|
||||
class Typographer:
|
||||
def __init__(self,
|
||||
langs: str | list[str] | tuple[str, ...] | frozenset[str] = 'ru',
|
||||
code_out: str = 'mnemo',
|
||||
hyphenation_rule: HyphenationRule | None = None, # Перенос слов и параметры расстановки переносов
|
||||
# glue_prepositions_rule: GluePrepositionsRule | None = None, # Для других правил
|
||||
# ... другие модули правил ...
|
||||
):
|
||||
|
||||
# --- Обработка и валидация параметра langs ---
|
||||
# Параметр langs может быть строкой, списком или кортежем ("ru+en", ["ru", "en"] или ("ru", "en"))
|
||||
# Для удобств в классе буду использовать только frozenset, чтобы не дублировать коды языков
|
||||
self.langs = set()
|
||||
if isinstance(langs, str):
|
||||
# Разделяем строку по любым небуквенным символам, приводим к нижнему регистру
|
||||
# и фильтруем пустые строки, которые могут появиться, если разделители идут подряд
|
||||
lang_codes = [lang.lower() for lang in regex.split(r'[^a-zA-Z]+', langs) if lang]
|
||||
elif isinstance(langs, (list, tuple)):
|
||||
lang_codes = [str(lang).lower() for lang in langs] # Приводим к строке и нижнему регистру
|
||||
else:
|
||||
raise TypeError(f"etpgrf: 'langs' parameter must be a string, list, or tuple. Got {type(langs)}")
|
||||
if not lang_codes:
|
||||
raise ValueError("etpgrf: 'langs' parameter cannot be empty or result in an empty list of languages after parsing.")
|
||||
for code in lang_codes:
|
||||
if code not in LANGS: # LANGS = frozenset(['ru', 'en'])
|
||||
raise ValueError(f"etpgrf: langs code '{code}' is not supported. Supported languages: {list(LANGS)}")
|
||||
self.langs.add(code)
|
||||
self.langs: frozenset[str] = frozenset(self.langs)
|
||||
|
||||
# --- Обработка и валидация параметра code_out ---
|
||||
if code_out not in MNEMO_CODE | UTF:
|
||||
raise ValueError(f"etpgrf: code_out '{code_out}' is not supported. Supported codes: {MNEMO_CODE | UTF}")
|
||||
|
||||
# Сохраняем переданные модули правил
|
||||
self.hyphenation_rule = hyphenation_rule
|
||||
|
||||
# TODO: вынести все соответствия UTF ⇄ MNEMO_CODE в отдельный класс
|
||||
# self.hyphen_char = "" if code_out in UTF else "­" # Мягкий перенос по умолчанию
|
||||
|
||||
# Конвейер для обработки текста
|
||||
def process(self, text: str) -> str:
|
||||
processed_text = text
|
||||
if self.hyphenation_rule:
|
||||
# Передаем активные языки и символ переноса, если модуль HyphenationRule
|
||||
# не получает их в своем __init__ напрямую от пользователя,
|
||||
# а конструируется с настройками по умолчанию, а потом конфигурируется.
|
||||
# В нашем примере HyphenationRule уже получает их в __init__.
|
||||
processed_text = self.hyphenation_rule.apply(processed_text)
|
||||
|
||||
# if self.glue_prepositions_rule:
|
||||
# processed_text = self.glue_prepositions_rule.apply(processed_text, non_breaking_space_char=self._get_nbsp())
|
||||
|
||||
# ... вызовы других активных модулей правил ...
|
||||
return processed_text
|
||||
|
||||
# def _get_nbsp(self): # Пример получения неразрывного пробела
|
||||
# return "\u00A0" if self.code_out in UTF else " "
|
||||
|
||||
|
||||
Reference in New Issue
Block a user