 admin
|
b821cd1134
|
feat: 字符分類規則集抽象（charClass，可配置；向下兼容）
把散落於各 pass 之硬編碼字符分類（中文 CJK／西文 ANS／全寬標點 BD_* 子類）統一抽象為
規則集 Ruleset：內置默認即現狀值，消費端經 options.charClass 擴充，以覆寫 spacing／
jiya／jinze 對特定字符之分類判定。
動機：英文全角句號 ．（U+FF0E，異於中文句號 。U+3002）實證為**完全未分類**——不被
charify、不挤壓、與 CJK 間不補隙。與其每次硬編碼補字符（如先前 € 之西文集），不如給
消費端可配置之分類鉤子。
API（追加語義）：
charClass?: {
cjk?: string; // 追加為中文
western?: string; // 追加為西文（半寬標點亦歸此）
biaodian?: { stop?, pause?, open?, close?, middle?, liga? }; // 追加為全寬標點，按子類
}
實作：
- core/unicode.ts：新增 Ruleset／CharClassOverride／BdSubclass 型別、DEFAULT_RULESET、
resolveRuleset（追加合併）；classifyBiaodian(ch, biaodian) 改吃規則集（預設參數向下兼容）。
- types.ts：JuzhenOptions.charClass；ResolvedOptions.ruleset；index 再匯出公開型別。
- index.ts：resolveRuleset(opts.charClass) → ResolvedOptions.ruleset。
- typeset/spacing.ts：所有 CJK／ANS 依賴正則移入 makeRules(ruleset)，per-instance 編譯
（非每 block）；ALNUM／ALPHA／運算符等結構性 ASCII 仍為固定常數。
- typeset/jiya.ts：classifyBiaodian(ch, ruleset.biaodian)。
- typeset/jinze.ts：詞元邊界之 anyCjk 由 ruleset.cjk 建。
向下兼容：不傳 charClass 則 ruleset === DEFAULT_RULESET、行為與重構前完全一致。
v1 為追加語義，不支援重分類／移除內置字符（範圍式集合難挖洞、需求罕見，列後續）。
驗證：實 Chromium end-to-end——charClass.biaodian.stop="．" → ． charify 為 bd-stop
（开明式句末維持全角，比照 。）；western="★"／cjk="〇" → 與對側正確補／不補中西間隙。
測試 66 通過（含 9 條 charClass 新測——默認未分類／各子類 charify／實例隔離不可變
（resolveRuleset 不污染 DEFAULT）／追加不破壞內置／多子類組合；57 既有不變）。
- README「自定義字符分類」節＋ARCHITECTURE §4.2 規則集抽象。dist 重建。
|
2026-06-04 16:22:14 +08:00 |
|