admin
b821cd1134
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。
87 lines
4.7 KiB
TypeScript
87 lines
4.7 KiB
TypeScript
import type { LangClass } from "./locale.js";
|
||
/** CJK 表意文字／假名／注音等範圍（沿用並擴充 v1 之 PANGU_CJK）。 */
|
||
export declare const CJK: string;
|
||
/** 西文字母與數字。 */
|
||
export declare const ALNUM = "A-Za-z0-9";
|
||
/** 西文字母。 */
|
||
export declare const ALPHA = "A-Za-z";
|
||
/** 任一 CJK 字元測試。 */
|
||
export declare const ANY_CJK: RegExp;
|
||
/** CJK 之後可接間隙之西文集（含 @）。 */
|
||
export declare const ANS_AFTER_CJK: string;
|
||
/** CJK 之前可接間隙之西文集（去 @）。 */
|
||
export declare const ANS_BEFORE_CJK: string;
|
||
/** 句末點號：。！？（開明式與全角式皆保持全形，不擠壓）。 */
|
||
export declare const BD_STOP = "\u3002\uFF01\uFF1F";
|
||
/** 句內點號：，、；：（開明式擠成半形；全角式保持全形）。 */
|
||
export declare const BD_PAUSE = "\uFF0C\u3001\uFF1B\uFF1A";
|
||
/** 開始括號／引號：「『（《〈【〖〔［｛“‘。 */
|
||
export declare const BD_OPEN = "\u300C\u300E\uFF08\u300A\u3008\u3010\u3016\u3014\uFF3B\uFF5B\u201C\u2018";
|
||
/** 結束括號／引號：」』）》〉】〗〕］｝”’。 */
|
||
export declare const BD_CLOSE = "\u300D\u300F\uFF09\u300B\u3009\u3011\u3017\u3015\uFF3D\uFF5D\u201D\u2019";
|
||
/** 間隔／分隔號：·・‧。 */
|
||
export declare const BD_MIDDLE = "\u00B7\u30FB\u2027";
|
||
/** 連續省略／破折：…—。 */
|
||
export declare const BD_LIGA = "\u2026\u2014";
|
||
/** 全體標點字元（供 charify 走訪偵測）。 */
|
||
export declare const BD_ALL: string;
|
||
/** 全寬標點之六子類鍵。 */
|
||
export type BdSubclass = "stop" | "pause" | "open" | "close" | "middle" | "liga";
|
||
/**
|
||
* 字符分類規則集（§4.2）：把「中文／西文／全寬標點各子類」各表為 regex 字元類片段。
|
||
* 各 pass（spacing 之 CJK／ANS 正則、jiya 之 classifyBiaodian、jinze 之 anyCjk）皆由此
|
||
* 取分類，不再各自硬編碼。內置默認見 DEFAULT_RULESET；消費端經 options.charClass 擴充
|
||
* （resolveRuleset）。
|
||
*/
|
||
export interface Ruleset {
|
||
/** 中文（CJK 表意／假名／注音等）——中西間隙之「中」側、禁則／justify 原子。 */
|
||
cjk: string;
|
||
/** 西文，CJK 之後可接隙者（含 @）。 */
|
||
ansAfter: string;
|
||
/** 西文，CJK 之前可接隙者（去 @）。 */
|
||
ansBefore: string;
|
||
/** 全寬標點，按子類——jiya charify／擠壓、禁則避頭尾、行端。 */
|
||
biaodian: Record<BdSubclass, string>;
|
||
}
|
||
/** 消費端字符分類覆寫（追加語義；見 README「自定義字符分類」）。 */
|
||
export interface CharClassOverride {
|
||
/** 追加為中文（CJK）。 */
|
||
cjk?: string;
|
||
/** 追加為西文（半寬標點亦歸此，按西文處理間隙）；併入 ansAfter／ansBefore。 */
|
||
western?: string;
|
||
/** 追加為全寬標點，按子類。 */
|
||
biaodian?: Partial<Record<BdSubclass, string>>;
|
||
}
|
||
/** 內置默認規則集（即現狀硬編碼值）。 */
|
||
export declare const DEFAULT_RULESET: Ruleset;
|
||
/**
|
||
* 合併消費端覆寫，回傳最終規則集。v1 為**追加**語義：把 override 字元併入內置對應類
|
||
* （未分類字符→歸類、新符號→納入）。不傳則回傳 DEFAULT_RULESET（零行為變更）。
|
||
*/
|
||
export declare function resolveRuleset(override?: CharClassOverride): Ruleset;
|
||
/**
|
||
* 將單一標點字元歸入其 bd-* 子類；非標點回傳 null。供 jiya charify 標記 class。
|
||
* biaodian 取自規則集（預設 DEFAULT_RULESET.biaodian，向下兼容無參數呼叫）。
|
||
*/
|
||
export declare function classifyBiaodian(ch: string, biaodian?: Record<BdSubclass, string>): string | null;
|
||
/** 全體 bd-* 子類名（DOM 端讀取 jz-char 之 bd class 用）。 */
|
||
export declare const BD_CLASS_NAMES: readonly ["bd-stop", "bd-pause", "bd-open", "bd-close", "bd-middle", "bd-liga"];
|
||
/**
|
||
* 標點之「可壓縮空白」側（橫排）。字面偏左者空白在右（句內／句末／閉類），
|
||
* 開類字面偏右、空白在左。間隔號／連接號不壓縮。擠壓即收掉對應側之半形空白。
|
||
*/
|
||
export declare function blankSides(bdClass: string | null): {
|
||
left: boolean;
|
||
right: boolean;
|
||
};
|
||
/** 字形墨色偏側。 */
|
||
export type Bias = "left" | "center" | "right" | "full";
|
||
/** 逐 lang 逐字之偏側覆寫表（消費端傳入，覆寫參考預設）。 */
|
||
export type BiasTable = Partial<Record<LangClass, Record<string, Bias>>>;
|
||
/**
|
||
* 解析標點字元在某語言下之墨色偏側（margin 後備模式用）。
|
||
* 優先序：消費端 overrides[langClass][ch] ＞ 括號表 ＞ 內建點號參考表。
|
||
* 非可壓縮標點（間隔／連接號等）回傳 null（margin 模式不收）。
|
||
*/
|
||
export declare function inkBias(ch: string, langClass: LangClass, overrides?: BiasTable): Bias | null;
|