145 lines
14 KiB
Markdown
145 lines
14 KiB
Markdown
| in progress // в процессе разработки |
|
||
|--------------------------------------|
|
||
| --------> |
|
||
|
||
# Типограф для Web
|
||
|
||
Экранная типографика для веба — способствует повышению читабельности текста в интернете,
|
||
приближая его к печатной типографике.
|
||
|
||
### Кодировки и html-мнемоники
|
||
|
||
Внутри типографа используется кодировка UTF-8. Но при использовании может быть другие кодировки (например,
|
||
для русскоязычных текстов все ещё могут использовать Windows-1251). При таких кодировках, для отображения в браузерах
|
||
некоторых специфических символов (например, кавычек, тире, стрелочек, математических символов) используют
|
||
html-мнемоники (например, `—` для длинного тире, `«` для открывающей кавычки-ёлочки и т.д.).
|
||
|
||
tpgrf имеет три режима работы с кодировками:
|
||
- Режим `unicode` — весь вывод осуществляется в кодировке UTF-8. ВЕСЬ! Включая невидимые символы, типа неразрывных и нулевых
|
||
пробелов, мягких переносов и т.д. Это не всегда удобно зато типографированый текст (строки) будет максимально
|
||
компактен и занимать меньше места в памяти. В этом режиме в html-мнемоники преобразуются только опасные символы:
|
||
* `<` — знак меньше `<`;
|
||
* `>` — знак больше `>`;
|
||
* `&` — амперсанд `&`;
|
||
* `"` — двойные кавычки `"`;
|
||
* `'` — одинарные кавычки (апостроф) `'`.
|
||
- Режим `mixed` — вывод осуществляется в кодировке UTF-8, но наиболее критичные символы заменяются на html-мнемоники.
|
||
Они невидимы или неотличимы друг от друга на экране:
|
||
* `­` — мягкий перенос (Soft Hyphen);
|
||
* ` ` — неразрывный пробел (Non-Breaking Space);
|
||
* ` ` — полужирный пробел (En Space)
|
||
* ` ` — широкий пробел (Em Space)
|
||
* ` ` — цифровой пробел;
|
||
* ` ` — пунктуационный пробел;
|
||
* ` ` — межсимвольный пробел;
|
||
* ` ` — пробел "толщина волоса" (Hair Space);
|
||
* `​` — негативный пробел (Negative Space);
|
||
* `‍` — пробел нулевой ширины (без объединения) (Zero Width Non-Joiner);
|
||
* `‌` — нулевая ширина (с объединением) (Zero Width Joiner);
|
||
* `‎` — изменение направления текста на слева-направо (Left-to-Right Mark);
|
||
* `‏` — изменение направления текста на направо-налево (Right-to-Left Mark);
|
||
* `‐` — дефис (Hyphen);
|
||
* ` ` — средний пробел (Medium Mathematical Space);
|
||
* `⁠` — неразрывный пробел (No-Break Space);
|
||
* `⁢` — невидимый знак умножения (Invisible Times) для семантической разметки математических
|
||
выражений;
|
||
* `⁣` — невидимая запятая (Invisible Comma) для семантической разметки математических выражений.
|
||
- Режим `mnemonic` — применяются все возможные html-мнемоники (кроме русских букв) и символов первой половины ASCII
|
||
(плюс, минус, знак равенства, знаки препинания и т.д.).
|
||
|
||
Переключение режимов осуществляется с помощью параметра `mode` при конфигурировании типографа:
|
||
```python
|
||
# Задаем конфигурацию типографа
|
||
typo_mixed_mode = etpgrf.Typographer(mode='mixed')
|
||
# Обработка текста
|
||
result = typo_mixed_mode.process(text="Этот текст будет обработан в режиме mixed.")
|
||
```
|
||
|
||
### ВАЖНО:
|
||
|
||
1. Если в тексте уже есть html-мнемоники, они будут преобразованы в unicode, и после обработки типографом
|
||
будут заменены на html-мнемоники, соответствующие текущему режиму работы типографа.
|
||
2. Некоторым символам соответствуют несколько html-мнемоник. Например, `→` (стрелочка влево) может кодироваться
|
||
как `→`, `→`, `&rightarrow`, `→` и `→`. Типограф будет использовать самое
|
||
короткое из них (для компактности), а значит:
|
||
* если в исходном тексте были html-мнемоники, то они будут заменены на более короткие;
|
||
* если html-мнемоники использовались как элементы семантической разметки (например, для математических выражений),
|
||
то после замены на более короткие html-мнемоники, текст может потерять такую семантику. Например _F = A ⋂ B_:
|
||
`F = A ⋂ B` будет преобразовано в `F = A ⋂ B`;
|
||
3. Мнемоники для русских букв не используются в типографе. Все мнемоники русских букв будут преобразованы в русские
|
||
буквы и останутся в тексте в виде русских букв.
|
||
4. Все исходные html-мнемоники, которые превращаются в два unicode-символа будут превращены обратно в мнемоники каждый
|
||
как отдельный символ. Например, множество собственное другого подмножества `⊊︀` в unicode отображается
|
||
двумя символами `\u228a\ufe00` и превратится в `⊊\ufe00`. Символ `\ufe00` — это невидимый символ, cелектор
|
||
варианта начертания (Variant Selector), который изменяет начертание предыдущего символа и для него нет
|
||
html-мнемоники. К счастью, в стандарте таких мнемоник (превращающихся в два символа) исчезающе мало и они крайне
|
||
редко применяются в тексте, поэтому это не должно вызывать проблем.
|
||
|
||
|
||
### Переносы слов
|
||
|
||
Обычно в основе переносов слов лежит фонетический принцип — деление по слогам и морфемный принцип — деление по морфемам
|
||
(приставки, корни, суффиксы, окончания). В типографе etpgrf реализован эвристический подход к переносу слов,
|
||
основанный на фонетических правилах. Он не является строгим и не учитывает все нюансы языка, но обеспечивает вполне
|
||
приемлемое качество для большинства случаев. Особенно если "неразрывные" блоки задать достаточно длинными (и именно
|
||
это и требуется от хорошего типографа, ведь перенос трех-четырех букв слова на новую строку почти не улучшит
|
||
читабельность и внешний вид текста).
|
||
|
||
Настройки по умолчанию для переноса слов (в `etpgrf.defaults`):
|
||
* Длина слова которое не подлежит переносам (`MAX_UNHYPHENATED_LEN`) — 12 символов.
|
||
* Длина части слова, которое недопустимо переносить или оставлять на строке ("хвост", "сироты")
|
||
(`MIN_TAIL_LEN`) — 5 символов
|
||
|
||
Управление этими параметрами осуществляется через переопределение. Например:
|
||
```python
|
||
# Меняем настройки по умолчанию для переносов
|
||
etpgrf.defaults.etpgrf_settings.hyphenation.MAX_UNHYPHENATED_LEN = 8
|
||
etpgrf.defaults.etpgrf_settings.hyphenation.MIN_TAIL_LEN = 4
|
||
```
|
||
Или через параметры конфигурации переносов типографа:
|
||
```python
|
||
# Определяем пользовательские правила переносов
|
||
hyphen_settings = etpgrf.Hyphenator(langs='ru', max_unhyphenated_len=8)
|
||
# Передаем их в типограф
|
||
typo_hyp = etpgrf.Typographer(langs='ru', mode='mnemonic', hyphenation=hyphen_settings)
|
||
# Обработка текста с переносами
|
||
result = typo_hyp.process(text="Электрофоретическое исследование характеризуется квинтэссенциальной значимостью!")
|
||
```
|
||
|
||
Результат обработки текста с переносами будет выглядеть так:
|
||
```html
|
||
Электрофо­ретическое исследование характе­ризуется квинтэс­сенциальной значимостью!
|
||
```
|
||
|
||
### Предлоги, союзы и частицы
|
||
|
||
### Кавычки
|
||
|
||
В текстах кавычки бывают двух видов: «ёлочки» (для русского языка) и “лапки” (для английского языка). В типографе
|
||
реализована автоматическая замена кавычек на соответствующие типографские символы в зависимости от языка текста.
|
||
|
||
Большинство типографов при обработке кавычек находят парные (и определяют вложенность). В etpgrf же реализован
|
||
другой подход. Он ищет и обрабатывает кавычки, которые находятся рядом со словами. То есть какие-то буквы следуют
|
||
слева или справа от кавычки.
|
||
|
||
Преобразование рядом с цифрами (например, когда обозначаются дюймы (`17"`) или секунды (`3' 25"`)) не производится. Также
|
||
не обрабатываются кавычки окруженные пробелами. Все кавычки которые в исходном тексте уже были оформлены в виде
|
||
«ёлочек» или “лапок” — тоже не обрабатываются.
|
||
|
||
ВАЖНО1: По правилам орфографии перед закрывающей кавычкой разрешены только определенные знаки препинания:
|
||
вопросительный (?), восклицательный (!) знаки и многоточие (…). Такие конструкции используются для цитат. Это учтено
|
||
в etpgrf, и кавычки будут обработаны: `Она воскликнула: "Какая красота!"` будет преобразовано в `Она воскликнула:
|
||
«Какая красота!»`. В неправильны конструкциях (например, `"Какая красота."`) закрывающая кавычка не будет обработана.
|
||
|
||
ВАЖНО2: Если в настройке типографа указано несколько языков (`langs='ru+en'`), то кавычки будут преобразованы по правилам
|
||
для языка который идет первым в списке. Например, для `langs='ru+en'` кавычки будут преобразованы в «ёлочки»,
|
||
|
||
Если при типорафировании преобразование не требуется, то можно обработку кавычек можно отключить с помощью
|
||
параметра `quotes=False`:
|
||
```python
|
||
# Задаем конфигурацию типографа без кавычек
|
||
typo_no_quotes = etpgrf.Typographer(langs='ru', quotes=False)
|
||
# Обработка текста без кавычек
|
||
result = typo_no_quotes.process(text='Этот "текст" будет обработан без кавычек.')
|
||
```
|