gedoor
4 years ago
parent
cdbfe6d1b0
commit
c68923b728
@ -0,0 +1,627 @@ |
|||||||
|
package io.legado.app.help |
||||||
|
|
||||||
|
import java.util.* |
||||||
|
import kotlin.math.max |
||||||
|
import kotlin.math.min |
||||||
|
|
||||||
|
@Suppress("SameParameterValue", "RegExpRedundantEscape") |
||||||
|
object ContentHelp { |
||||||
|
|
||||||
|
/** |
||||||
|
* 段落重排算法入口。把整篇内容输入，连接错误的分段，再把每个段落调用其他方法重新切分 |
||||||
|
* |
||||||
|
* @param content 正文 |
||||||
|
* @param chapterName 标题 |
||||||
|
* @return |
||||||
|
*/ |
||||||
|
fun lightNovelParagraph2(content: String, chapterName: String): String { |
||||||
|
var content1 = content |
||||||
|
if (true) { |
||||||
|
val content2: String |
||||||
|
val chapterNameLength = chapterName.trim { it <= ' ' }.length |
||||||
|
content2 = if (chapterNameLength > 1) { |
||||||
|
val regexp = |
||||||
|
chapterName.trim { it <= ' ' }.replace("\\s+".toRegex(), "(\\\\s*)") |
||||||
|
// 质量较低的页面，章节内可能重复出现章节标题 |
||||||
|
if (chapterNameLength > 5) content1.replace(regexp.toRegex(), "") |
||||||
|
.trim { it <= ' ' } else content1.replaceFirst( |
||||||
|
"^\\s*" + regexp.toRegex(), |
||||||
|
"" |
||||||
|
).trim { it <= ' ' } |
||||||
|
} else { |
||||||
|
content1 |
||||||
|
} |
||||||
|
var p = content2 |
||||||
|
.replace(""".toRegex(), "“") |
||||||
|
.replace("[:：]['\"‘”“]+".toRegex(), "：“") |
||||||
|
.replace("[\"”“]+[\\s]*[\"”“][\\s\"”“]*".toRegex(), "”\n“") |
||||||
|
.split("\n(\\s*)".toRegex()).toTypedArray() |
||||||
|
|
||||||
|
//初始化StringBuffer的长度,在原content的长度基础上做冗余 |
||||||
|
var buffer = StringBuffer((content1.length * 1.15).toInt()) |
||||||
|
// 章节的文本格式为章节标题-空行-首段，所以处理段落时需要略过第一行文本。 |
||||||
|
buffer.append(" ") |
||||||
|
if (chapterName.trim { it <= ' ' } != p[0].trim { it <= ' ' }) { |
||||||
|
// 去除段落内空格。unicode 3000 象形字间隔（中日韩符号和标点），不包含在\s内 |
||||||
|
buffer.append(p[0].replace("[\u3000\\s]+".toRegex(), "")) |
||||||
|
} |
||||||
|
|
||||||
|
//如果原文存在分段错误，需要把段落重新黏合 |
||||||
|
for (i in 1 until p.size) { |
||||||
|
if (match(MARK_SENTENCES_END, buffer[buffer.length - 1])) buffer.append("\n") |
||||||
|
// 段落开头以外的地方不应该有空格 |
||||||
|
// 去除段落内空格。unicode 3000 象形字间隔（中日韩符号和标点），不包含在\s内 |
||||||
|
buffer.append(p[i].replace("[\u3000\\s]".toRegex(), "")) |
||||||
|
} |
||||||
|
// 预分段预处理 |
||||||
|
// ”“处理为”\n“。 |
||||||
|
// ”。“处理为”。\n“。不考虑“？” “！”的情况。 |
||||||
|
// ”。xxx处理为 ”。\n xxx |
||||||
|
p = buffer.toString() |
||||||
|
.replace("[\"”“]+[\\s]*[\"”“]+".toRegex(), "”\n“") |
||||||
|
.replace("[\"”“]+(？。！?!~)[\"”“]+".toRegex(), "”$1\n“") |
||||||
|
.replace("[\"”“]+(？。！?!~)([^\"”“])".toRegex(), "”$1\n$2") |
||||||
|
.replace( |
||||||
|
"([问说喊唱叫骂道着答])[\\.。]".toRegex(), |
||||||
|
"$1。\n" |
||||||
|
) // .replaceAll("([\\.。\\!！?？])([^\"”“]+)[:：][\"”“]", "$1\n$2：“") |
||||||
|
.split("\n".toRegex()).toTypedArray() |
||||||
|
buffer = StringBuffer((content1.length * 1.15).toInt()) |
||||||
|
for (s in p) { |
||||||
|
buffer.append("\n") |
||||||
|
buffer.append( |
||||||
|
findNewLines(s) |
||||||
|
) |
||||||
|
} |
||||||
|
buffer = reduceLength(buffer) |
||||||
|
content1 = ("$chapterName\n\n" + buffer.toString() // 处理章节头部空格和换行 |
||||||
|
.replaceFirst("^\\s+".toRegex(), "") |
||||||
|
.replace("\\s*[\"”“]+[\\s]*[\"”“][\\s\"”“]*".toRegex(), "”\n“") |
||||||
|
.replace("[:：][”“\"\\s]+".toRegex(), "：“") |
||||||
|
.replace("\n[\"“”]([^\n\"“”]+)([,:，：][\"”“])([^\n\"“”]+)".toRegex(), "\n$1：“$3") |
||||||
|
.replace("\n(\\s*)".toRegex(), "\n")) |
||||||
|
} |
||||||
|
return content1 |
||||||
|
} |
||||||
|
|
||||||
|
/** |
||||||
|
* 强制切分，减少段落内的句子 |
||||||
|
* 如果连续2对引号的段落没有提示语，进入对话模式。最后一对引号后强制切分段落 |
||||||
|
* 如果引号内的内容长于5句，可能引号状态有误，随机分段 |
||||||
|
* 如果引号外的内容长于3句，随机分段 |
||||||
|
* |
||||||
|
* @param str |
||||||
|
* @return |
||||||
|
*/ |
||||||
|
private fun reduceLength(str: StringBuffer): StringBuffer { |
||||||
|
val p = str.toString().split("\n".toRegex()).toTypedArray() |
||||||
|
val l = p.size |
||||||
|
val b = BooleanArray(l) |
||||||
|
for (i in 0 until l) { |
||||||
|
b[i] = p[i].matches(PARAGRAPH_DIAGLOG) |
||||||
|
} |
||||||
|
var dialogue = 0 |
||||||
|
for (i in 0 until l) { |
||||||
|
if (b[i]) { |
||||||
|
if (dialogue < 0) dialogue = 1 else if (dialogue < 2) dialogue++ |
||||||
|
} else { |
||||||
|
if (dialogue > 1) { |
||||||
|
p[i] = splitQuote(p[i]) |
||||||
|
dialogue-- |
||||||
|
} else if (dialogue > 0 && i < l - 2) { |
||||||
|
if (b[i + 1]) p[i] = splitQuote(p[i]) |
||||||
|
} |
||||||
|
} |
||||||
|
} |
||||||
|
val string = StringBuffer() |
||||||
|
for (i in 0 until l) { |
||||||
|
string.append('\n') |
||||||
|
string.append(p[i]) |
||||||
|
// System.out.print(" "+b[i]); |
||||||
|
} |
||||||
|
// System.out.println(" " + str); |
||||||
|
return string |
||||||
|
} |
||||||
|
|
||||||
|
// 强制切分进入对话模式后，未构成 “xxx” 形式的段落 |
||||||
|
private fun splitQuote(str: String): String { |
||||||
|
val length = str.length |
||||||
|
if (length < 3) return str |
||||||
|
if (match(MARK_QUOTATION, str[0])) { |
||||||
|
val i = seekIndex(str, MARK_QUOTATION, 1, length - 2, true) + 1 |
||||||
|
if (i > 1) if (!match(MARK_QUOTATION_BEFORE, str[i - 1])) { |
||||||
|
return "${str.substring(0, i)}\n${str.substring(i)}" |
||||||
|
} |
||||||
|
} else if (match(MARK_QUOTATION, str[length - 1])) { |
||||||
|
val i = length - 1 - seekIndex(str, MARK_QUOTATION, 1, length - 2, false) |
||||||
|
if (i > 1) { |
||||||
|
if (!match(MARK_QUOTATION_BEFORE, str[i - 1])) { |
||||||
|
return "${str.substring(0, i)}\n${str.substring(i)}" |
||||||
|
} |
||||||
|
} |
||||||
|
} |
||||||
|
return str |
||||||
|
} |
||||||
|
|
||||||
|
/** |
||||||
|
* 计算随机插入换行符的位置。 |
||||||
|
* @param str 字符串 |
||||||
|
* @param offset 传回的结果需要叠加的偏移量 |
||||||
|
* @param min 最低几个句子，随机插入换行 |
||||||
|
* @param gain 倍率。每个句子插入换行的数学期望 = 1 / gain , gain越大越不容易插入换行 |
||||||
|
* @return |
||||||
|
*/ |
||||||
|
private fun forceSplit( |
||||||
|
str: String, |
||||||
|
offset: Int, |
||||||
|
min: Int, |
||||||
|
gain: Int, |
||||||
|
tigger: Int |
||||||
|
): ArrayList<Int> { |
||||||
|
val result = ArrayList<Int>() |
||||||
|
val arrayEnd = seekIndexs(str, MARK_SENTENCES_END_P, 0, str.length - 2, true) |
||||||
|
val arrayMid = seekIndexs(str, MARK_SENTENCES_MID, 0, str.length - 2, true) |
||||||
|
if (arrayEnd.size < tigger && arrayMid.size < tigger * 3) return result |
||||||
|
var j = 0 |
||||||
|
var i = min |
||||||
|
while (i < arrayEnd.size) { |
||||||
|
var k = 0 |
||||||
|
while (j < arrayMid.size) { |
||||||
|
if (arrayMid[j] < arrayEnd[i]) k++ |
||||||
|
j++ |
||||||
|
} |
||||||
|
if (Math.random() * gain < 0.8 + k / 2.5) { |
||||||
|
result.add(arrayEnd[i] + offset) |
||||||
|
i = max(i + min, i) |
||||||
|
} |
||||||
|
i++ |
||||||
|
} |
||||||
|
return result |
||||||
|
} |
||||||
|
|
||||||
|
// 对内容重新划分段落.输入参数str已经使用换行符预分割 |
||||||
|
private fun findNewLines(str: String): String { |
||||||
|
val string = StringBuffer(str) |
||||||
|
// 标记string中每个引号的位置.特别的，用引号进行列举时视为只有一对引号。 如：“锅”、“碗”视为“锅、碗”，从而避免误断句。 |
||||||
|
val arrayQuote: MutableList<Int> = ArrayList() |
||||||
|
// 标记插入换行符的位置，int为插入位置（str的char下标） |
||||||
|
var insN = ArrayList<Int>() |
||||||
|
|
||||||
|
// mod[i]标记str的每一段处于引号内还是引号外。范围： str.substring( array_quote.get(i), array_quote.get(i+1) )的状态。 |
||||||
|
// 长度：array_quote.size(),但是初始化时未预估占用的长度，用空间换时间 |
||||||
|
// 0未知，正数引号内，负数引号外。 |
||||||
|
// 如果相邻的两个标记都为+1，那么需要增加1个引号。 |
||||||
|
// 引号内不进行断句 |
||||||
|
val mod = IntArray(str.length) |
||||||
|
var waitClose = false |
||||||
|
for (i in str.indices) { |
||||||
|
val c = str[i] |
||||||
|
if (match(MARK_QUOTATION, c)) { |
||||||
|
val size = arrayQuote.size |
||||||
|
|
||||||
|
// 把“xxx”、“yy”合并为“xxx_yy”进行处理 |
||||||
|
if (size > 0) { |
||||||
|
val quotePre = arrayQuote[size - 1] |
||||||
|
if (i - quotePre == 2) { |
||||||
|
if (match("，、,/", str[i - 1])) { |
||||||
|
string.setCharAt(i, '“') |
||||||
|
string.setCharAt(i - 2, '”') |
||||||
|
arrayQuote.removeAt(size - 1) |
||||||
|
mod[size - 1] = 1 |
||||||
|
mod[size] = -1 |
||||||
|
continue |
||||||
|
} |
||||||
|
} |
||||||
|
} |
||||||
|
arrayQuote.add(i) |
||||||
|
|
||||||
|
// 为xxx：“xxx”做标记 |
||||||
|
if (i > 1) { |
||||||
|
// 当前发言的正引号的前一个字符 |
||||||
|
val charB1 = str[i - 1] |
||||||
|
// 上次发言的正引号的前一个字符 |
||||||
|
var charB2 = 0.toChar() |
||||||
|
if (match(MARK_QUOTATION_BEFORE, charB1)) { |
||||||
|
// 如果不是第一处引号，寻找上一处断句，进行分段 |
||||||
|
if (arrayQuote.size > 1) { |
||||||
|
val lastQuote = arrayQuote[arrayQuote.size - 2] |
||||||
|
var p = 0 |
||||||
|
if (charB1 == ',' || charB1 == '，') { |
||||||
|
if (arrayQuote.size > 2) { |
||||||
|
p = arrayQuote[arrayQuote.size - 3] |
||||||
|
if (p > 0) { |
||||||
|
charB2 = str[p - 1] |
||||||
|
} |
||||||
|
} |
||||||
|
} |
||||||
|
// if(char_b2=='.' || char_b2=='。') |
||||||
|
if (match(MARK_SENTENCES_END_P, charB2)) insN.add(p - 1) else { |
||||||
|
val lastEnd = seekLast(str, MARK_SENTENCES_END, i, lastQuote) |
||||||
|
if (lastEnd > 0) insN.add(lastEnd) else insN.add(lastQuote) |
||||||
|
} |
||||||
|
} |
||||||
|
waitClose = true |
||||||
|
mod[size] = 1 |
||||||
|
if (size > 0) { |
||||||
|
mod[size - 1] = -1 |
||||||
|
if (size > 1) { |
||||||
|
mod[size - 2] = 1 |
||||||
|
} |
||||||
|
} |
||||||
|
} else if (waitClose) { |
||||||
|
run { |
||||||
|
waitClose = false |
||||||
|
insN.add(i) |
||||||
|
} |
||||||
|
} |
||||||
|
} |
||||||
|
} |
||||||
|
} |
||||||
|
val size = arrayQuote.size |
||||||
|
|
||||||
|
|
||||||
|
// 标记循环状态，此位置前的引号是否已经配对 |
||||||
|
var opend = false |
||||||
|
if (size > 0) { |
||||||
|
|
||||||
|
// 第1次遍历array_quote，令其元素的值不为0 |
||||||
|
for (i in 0 until size) { |
||||||
|
if (mod[i] > 0) { |
||||||
|
opend = true |
||||||
|
} else if (mod[i] < 0) { |
||||||
|
// 连续2个反引号表明存在冲突，强制把前一个设为正引号 |
||||||
|
if (!opend) { |
||||||
|
if (i > 0) mod[i] = 3 |
||||||
|
} |
||||||
|
opend = false |
||||||
|
} else { |
||||||
|
opend = !opend |
||||||
|
if (opend) mod[i] = 2 else mod[i] = -2 |
||||||
|
} |
||||||
|
} |
||||||
|
// 修正，断尾必须封闭引号 |
||||||
|
if (opend) { |
||||||
|
if (arrayQuote[size - 1] - string.length > -3) { |
||||||
|
// if((match(MARK_QUOTATION,string.charAt(string.length()-1)) || match(MARK_QUOTATION,string.charAt(string.length()-2)))){ |
||||||
|
if (size > 1) mod[size - 2] = 4 |
||||||
|
// 0<=i<size,故无需判断size>=1 |
||||||
|
mod[size - 1] = -4 |
||||||
|
} else if (!match(MARK_SENTENCES_SAY, string[string.length - 2])) string.append( |
||||||
|
"”" |
||||||
|
) |
||||||
|
} |
||||||
|
|
||||||
|
|
||||||
|
//第2次循环，mod[i]由负变正时，前1字符如果是句末，需要插入换行 |
||||||
|
var loop2Mod1 = -1 //上一个引号跟随内容的状态 |
||||||
|
var loop2Mod2: Int //当前引号跟随内容的状态 |
||||||
|
var i = 0 |
||||||
|
var j = arrayQuote[0] - 1 //当前引号前一字符的序号 |
||||||
|
if (j < 0) { |
||||||
|
i = 1 |
||||||
|
loop2Mod1 = 0 |
||||||
|
} |
||||||
|
while (i < size) { |
||||||
|
j = arrayQuote[i] - 1 |
||||||
|
loop2Mod2 = mod[i] |
||||||
|
if (loop2Mod1 < 0 && loop2Mod2 > 0) { |
||||||
|
if (match(MARK_SENTENCES_END, string[j])) insN.add(j) |
||||||
|
} |
||||||
|
/* |
||||||
|
else if (mod[i - 1] > 0 && mod[i] < 0) { |
||||||
|
if (j > 0) { |
||||||
|
if (match(MARK_SENTENCES_END, string.charAt(j))) |
||||||
|
ins_n.add(j); |
||||||
|
} |
||||||
|
} |
||||||
|
*/ |
||||||
|
loop2Mod1 = loop2Mod2 |
||||||
|
i++ |
||||||
|
} |
||||||
|
} |
||||||
|
|
||||||
|
// 第3次循环，匹配并插入换行。 |
||||||
|
// "xxxx" xxxx。\n xxx“xxxx” |
||||||
|
// 未实现 |
||||||
|
|
||||||
|
// 随机在句末插入换行符 |
||||||
|
insN = ArrayList(HashSet(insN)) |
||||||
|
insN.sort() |
||||||
|
run { |
||||||
|
var subs: String |
||||||
|
var j = 0 |
||||||
|
var progress = 0 |
||||||
|
var nextLine = -1 |
||||||
|
if (insN.size > 0) nextLine = insN[j] |
||||||
|
var gain = 3 |
||||||
|
var min = 0 |
||||||
|
var trigger = 2 |
||||||
|
for (i in arrayQuote.indices) { |
||||||
|
val qutoe = arrayQuote[i] |
||||||
|
if (qutoe > 0) { |
||||||
|
gain = 4 |
||||||
|
min = 2 |
||||||
|
trigger = 4 |
||||||
|
} else { |
||||||
|
gain = 3 |
||||||
|
min = 0 |
||||||
|
trigger = 2 |
||||||
|
} |
||||||
|
|
||||||
|
// 把引号前的换行符与内容相间插入 |
||||||
|
while (j < insN.size) { |
||||||
|
|
||||||
|
// 如果下一个换行符在当前引号前，那么需要此次处理.如果紧挨当前引号，需要考虑插入引号的情况 |
||||||
|
if (nextLine >= qutoe) break |
||||||
|
nextLine = insN[j] |
||||||
|
if (progress < nextLine) { |
||||||
|
subs = string.substring(progress, nextLine) |
||||||
|
insN.addAll(forceSplit(subs, progress, min, gain, trigger)) |
||||||
|
progress = nextLine + 1 |
||||||
|
} |
||||||
|
j++ |
||||||
|
} |
||||||
|
if (progress < qutoe) { |
||||||
|
subs = string.substring(progress, qutoe + 1) |
||||||
|
insN.addAll(forceSplit(subs, progress, min, gain, trigger)) |
||||||
|
progress = qutoe + 1 |
||||||
|
} |
||||||
|
} |
||||||
|
while (j < insN.size) { |
||||||
|
nextLine = insN[j] |
||||||
|
if (progress < nextLine) { |
||||||
|
subs = string.substring(progress, nextLine) |
||||||
|
insN.addAll(forceSplit(subs, progress, min, gain, trigger)) |
||||||
|
progress = nextLine + 1 |
||||||
|
} |
||||||
|
j++ |
||||||
|
} |
||||||
|
if (progress < string.length) { |
||||||
|
subs = string.substring(progress, string.length) |
||||||
|
insN.addAll(forceSplit(subs, progress, min, gain, trigger)) |
||||||
|
} |
||||||
|
} |
||||||
|
|
||||||
|
// 根据段落状态修正引号方向、计算需要插入引号的位置 |
||||||
|
// ins_quote跟随array_quote ins_quote[i]!=0,则array_quote.get(i)的引号前需要前插入'”' |
||||||
|
val insQuote = BooleanArray(size) |
||||||
|
opend = false |
||||||
|
for (i in 0 until size) { |
||||||
|
val p = arrayQuote[i] |
||||||
|
if (mod[i] > 0) { |
||||||
|
string.setCharAt(p, '“') |
||||||
|
if (opend) insQuote[i] = true |
||||||
|
opend = true |
||||||
|
} else if (mod[i] < 0) { |
||||||
|
string.setCharAt(p, '”') |
||||||
|
opend = false |
||||||
|
} else { |
||||||
|
opend = !opend |
||||||
|
if (opend) string.setCharAt(p, '“') else string.setCharAt(p, '”') |
||||||
|
} |
||||||
|
} |
||||||
|
insN = ArrayList(HashSet(insN)) |
||||||
|
insN.sort() |
||||||
|
|
||||||
|
// 输出log进行检验 |
||||||
|
/* |
||||||
|
System.out.println("quote[i]:position/mod\t" + string); |
||||||
|
for (int i = 0; i < array_quote.size(); i++) { |
||||||
|
System.out.print(" [" + i + "]" + array_quote.get(i) + "/" + mod[i]); |
||||||
|
} |
||||||
|
System.out.print("\n"); |
||||||
|
|
||||||
|
System.out.print("ins_q:"); |
||||||
|
for (int i = 0; i < ins_quote.length; i++) { |
||||||
|
System.out.print(" " + ins_quote[i]); |
||||||
|
} |
||||||
|
System.out.print("\n"); |
||||||
|
|
||||||
|
System.out.print("ins_n:"); |
||||||
|
|
||||||
|
for (int i : ins_n) { |
||||||
|
System.out.print(" " + i); |
||||||
|
} |
||||||
|
System.out.print("\n"); |
||||||
|
*/ |
||||||
|
|
||||||
|
// 完成字符串拼接（从string复制、插入引号和换行 |
||||||
|
// ins_quote 在引号前插入一个引号。 ins_quote[i]!=0,则array_quote.get(i)的引号前需要前插入'”' |
||||||
|
// ins_n 插入换行。数组的值表示插入换行符的位置 |
||||||
|
val buffer = StringBuffer((str.length * 1.15).toInt()) |
||||||
|
var j = 0 |
||||||
|
var progress = 0 |
||||||
|
var nextLine = -1 |
||||||
|
if (insN.size > 0) nextLine = insN[j] |
||||||
|
for (i in arrayQuote.indices) { |
||||||
|
val qutoe = arrayQuote[i] |
||||||
|
|
||||||
|
// 把引号前的换行符与内容相间插入 |
||||||
|
while (j < insN.size) { |
||||||
|
|
||||||
|
// 如果下一个换行符在当前引号前，那么需要此次处理.如果紧挨当前引号，需要考虑插入引号的情况 |
||||||
|
if (nextLine >= qutoe) break |
||||||
|
nextLine = insN[j] |
||||||
|
buffer.append(string, progress, nextLine + 1) |
||||||
|
buffer.append('\n') |
||||||
|
progress = nextLine + 1 |
||||||
|
j++ |
||||||
|
} |
||||||
|
if (progress < qutoe) { |
||||||
|
buffer.append(string, progress, qutoe + 1) |
||||||
|
progress = qutoe + 1 |
||||||
|
} |
||||||
|
if (insQuote[i] && buffer.length > 2) { |
||||||
|
if (buffer[buffer.length - 1] == '\n') buffer.append('“') else buffer.insert( |
||||||
|
buffer.length - 1, |
||||||
|
"”\n" |
||||||
|
) |
||||||
|
} |
||||||
|
} |
||||||
|
while (j < insN.size) { |
||||||
|
nextLine = insN[j] |
||||||
|
if (progress <= nextLine) { |
||||||
|
buffer.append(string, progress, nextLine + 1) |
||||||
|
buffer.append('\n') |
||||||
|
progress = nextLine + 1 |
||||||
|
} |
||||||
|
j++ |
||||||
|
} |
||||||
|
if (progress < string.length) { |
||||||
|
buffer.append(string, progress, string.length) |
||||||
|
} |
||||||
|
return buffer.toString() |
||||||
|
} |
||||||
|
|
||||||
|
/** |
||||||
|
* 计算匹配到字典的每个字符的位置 |
||||||
|
* |
||||||
|
* @param str 待匹配的字符串 |
||||||
|
* @param key 字典 |
||||||
|
* @param from 从字符串的第几个字符开始匹配 |
||||||
|
* @param to 匹配到第几个字符结束 |
||||||
|
* @param inOrder 是否按照从前向后的顺序匹配 |
||||||
|
* @return 返回距离构成的ArrayList<Integer> |
||||||
|
</Integer> */ |
||||||
|
private fun seekIndexs( |
||||||
|
str: String, |
||||||
|
key: String, |
||||||
|
from: Int, |
||||||
|
to: Int, |
||||||
|
inOrder: Boolean |
||||||
|
): ArrayList<Int> { |
||||||
|
val list = ArrayList<Int>() |
||||||
|
if (str.length - from < 1) return list |
||||||
|
var i = 0 |
||||||
|
if (from > i) i = from |
||||||
|
var t = str.length |
||||||
|
if (to > 0) t = min(t, to) |
||||||
|
var c: Char |
||||||
|
while (i < t) { |
||||||
|
c = if (inOrder) str[i] else str[str.length - i - 1] |
||||||
|
if (key.indexOf(c) != -1) { |
||||||
|
list.add(i) |
||||||
|
} |
||||||
|
i++ |
||||||
|
} |
||||||
|
return list |
||||||
|
} |
||||||
|
|
||||||
|
/** |
||||||
|
* 计算字符串最后出现与字典中字符匹配的位置 |
||||||
|
* |
||||||
|
* @param str 数据字符串 |
||||||
|
* @param key 字典字符串 |
||||||
|
* @param from 从哪个字符开始匹配，默认0 |
||||||
|
* @param to 匹配到哪个字符（不包含此字符）默认匹配到最末位 |
||||||
|
* @return 位置（正向计算) |
||||||
|
*/ |
||||||
|
private fun seekLast(str: String, key: String, from: Int, to: Int): Int { |
||||||
|
if (str.length - from < 1) return -1 |
||||||
|
var i = 0 |
||||||
|
if (from > i) i = from |
||||||
|
var t = 0 |
||||||
|
if (to > 0) t = to |
||||||
|
var c: Char |
||||||
|
while (i > t) { |
||||||
|
c = str[i] |
||||||
|
if (key.indexOf(c) != -1) { |
||||||
|
return i |
||||||
|
} |
||||||
|
i-- |
||||||
|
} |
||||||
|
return -1 |
||||||
|
} |
||||||
|
|
||||||
|
/** |
||||||
|
* 计算字符串与字典中字符的最短距离 |
||||||
|
* |
||||||
|
* @param str 数据字符串 |
||||||
|
* @param key 字典字符串 |
||||||
|
* @param from 从哪个字符开始匹配，默认0 |
||||||
|
* @param to 匹配到哪个字符（不包含此字符）默认匹配到最末位 |
||||||
|
* @param inOrder 是否从正向开始匹配 |
||||||
|
* @return 返回最短距离, 注意不是str的char的下标 |
||||||
|
*/ |
||||||
|
private fun seekIndex(str: String, key: String, from: Int, to: Int, inOrder: Boolean): Int { |
||||||
|
if (str.length - from < 1) return -1 |
||||||
|
var i = 0 |
||||||
|
if (from > i) i = from |
||||||
|
var t = str.length |
||||||
|
if (to > 0) t = min(t, to) |
||||||
|
var c: Char |
||||||
|
while (i < t) { |
||||||
|
c = if (inOrder) str[i] else str[str.length - i - 1] |
||||||
|
if (key.indexOf(c) != -1) { |
||||||
|
return i |
||||||
|
} |
||||||
|
i++ |
||||||
|
} |
||||||
|
return -1 |
||||||
|
} |
||||||
|
|
||||||
|
/** |
||||||
|
* 计算字符串与字典的距离。 |
||||||
|
* |
||||||
|
* @param str 数据字符串 |
||||||
|
* @param form 从第几个字符开始匹配 |
||||||
|
* @param to 匹配到第几个字符串结束 |
||||||
|
* @param inOrder 是否从前向后匹配。 |
||||||
|
* @param words 可变长参数构成的字典。每个字符串代表一个字符 |
||||||
|
* @return 匹配结果。注意这个距离是使用第一个字符进行计算的 |
||||||
|
*/ |
||||||
|
private fun seekWordsIndex( |
||||||
|
str: String, |
||||||
|
form: Int, |
||||||
|
to: Int, |
||||||
|
inOrder: Boolean, |
||||||
|
vararg words: String |
||||||
|
): Int { |
||||||
|
if (words.isEmpty()) return -2 |
||||||
|
val i = seekIndex(str, words[0], form, to, inOrder) |
||||||
|
if (i < 0) return i |
||||||
|
for (j in 1 until words.size) { |
||||||
|
val k = seekIndex(str, words[j], form, to, inOrder) |
||||||
|
if (inOrder) { |
||||||
|
if (i + j != k) return -3 |
||||||
|
} else { |
||||||
|
if (i - j != k) return -3 |
||||||
|
} |
||||||
|
} |
||||||
|
return i |
||||||
|
} |
||||||
|
|
||||||
|
/* 搜寻引号并进行分段。处理了一、二、五三类常见情况 |
||||||
|
参照百科词条[引号#应用示例](https://baike.baidu.com/item/%E5%BC%95%E5%8F%B7/998963?#5)对引号内容进行矫正并分句。 |
||||||
|
一、完整引用说话内容，在反引号内侧有断句标点。例如： |
||||||
|
1) 丫姑折断几枝扔下来，边叫我的小名儿边说：“先喂饱你！” |
||||||
|
2）“哎呀，真是美极了！”皇帝说，“我十分满意！” |
||||||
|
3）“怕什么！海的美就在这里！”我说道。 |
||||||
|
二、部分引用，在反引号外侧有断句标点： |
||||||
|
4）适当地改善自己的生活，岂但“你管得着吗”，而且是顺乎天理，合乎人情的。 |
||||||
|
5）现代画家徐悲鸿笔下的马，正如有的评论家所说的那样，“形神兼备，充满生机”。 |
||||||
|
6）唐朝的张嘉贞说它“制造奇特，人不知其所为”。 |
||||||
|
三、一段接着一段地直接引用时，中间段落只在段首用起引号，该段段尾却不用引回号。但是正统文学不在考虑范围内。 |
||||||
|
四、引号里面又要用引号时，外面一层用双引号，里面一层用单引号。暂时不需要考虑 |
||||||
|
五、反语和强调，周围没有断句符号。 |
||||||
|
*/ |
||||||
|
|
||||||
|
// 句子结尾的标点。因为引号可能存在误判，不包含引号。 |
||||||
|
private const val MARK_SENTENCES_END = "？。！?!~" |
||||||
|
private const val MARK_SENTENCES_END_P = ".？。！?!~" |
||||||
|
|
||||||
|
// 句中标点，由于某些网站常把“，”写为"."，故英文句点按照句中标点判断 |
||||||
|
private const val MARK_SENTENCES_MID = ".，、,—…" |
||||||
|
private const val MARK_SENTENCES_SAY = "问说喊唱叫骂道着答" |
||||||
|
|
||||||
|
// XXX说：“”的冒号 |
||||||
|
private const val MARK_QUOTATION_BEFORE = "，：,:" |
||||||
|
|
||||||
|
// 引号 |
||||||
|
private const val MARK_QUOTATION = "\"“”" |
||||||
|
private val PARAGRAPH_DIAGLOG = "^[\"”“][^\"”“]+[\"”“]$".toRegex() |
||||||
|
|
||||||
|
private fun match(rule: String, chr: Char): Boolean { |
||||||
|
return rule.indexOf(chr) != -1 |
||||||
|
} |
||||||
|
} |
||||||
Loading…
Reference in new issue