From 9da25b08956e90ddffd339e08faf7bedacbd157a Mon Sep 17 00:00:00 2001 From: AskaEth Date: Wed, 7 Oct 2026 19:10:42 +0800 Subject: [PATCH] =?UTF-8?q?feat(W71):=20=E6=8C=89=E5=A5=91=E7=BA=A6=20v0.8?= =?UTF-8?q?9=20=E6=9C=80=E7=BB=88=E7=89=88=E8=BF=94=E5=B7=A5=20=E2=80=94?= =?UTF-8?q?=E2=80=94=20`u`=20=E5=8A=A0=E5=9B=9E=E7=99=BD=E5=90=8D=E5=8D=95?= =?UTF-8?q?=EF=BC=88=E5=85=AD=E9=A1=B9=EF=BC=89+=20`
`=20=E5=8F=AA?= =?UTF-8?q?=E5=9C=A8=E6=99=AE=E9=80=9A=E6=96=87=E6=9C=AC=E5=B1=82=E5=88=86?= =?UTF-8?q?=E9=9A=94?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 后端 `回执三十三`（v0.89 收口）更正了 W68/W69 的两处实现，本端照改。 一、`u` **加回**白名单（最终**六项**） `回执三十三 §一` 明说：`回执三十一` 那句「收窄到五项」**是他们的疏漏** —— 主人随后裁定 下划线保留，后端已把 `u` 加回契约（`1107b2a`）与 IM 出站（`74c9f2d`），只是**忘了发回执登记**。 最终白名单 = `b`/`strong`/`i`/`em`/`code`/**`u`**，`s` 仍不在内（逐字原样）。 1. `InlineMarkup`：`PAIRED_TAG_NAMES` 加回 `"u"`、`InlineStyle` 加回 `Underline`、 `inlineStyleOf` 落到它。**只加回 `Underline`**：`s` 依旧不做（枚举里没有 `Strikethrough`， 不留走不到的渲染分支）。加回词表同时让流式扣留侧重新认 `` 的片段逐像素未变。 二、`
` **不再「始终分隔」**：只有**普通文本层**的 `
` 才分隔（`回执三十三 §三②`）， `` 与 `` / `` **内部**的不分隔。后端给的两条理由我们同样成立： ① `` 是**成对**元素，从中间切开必然两半不平衡 ⇒ 按硬口径「不平衡 ⇒ 不渲染」整段降级为 字面量（用户看到裸标签）；② `她
点点头` 切开就是「她」「点点头」两条**聊天 消息** = 把注记正文当正文发了出去（信息泄露级）。 1. 新增 `protectedSpans`（保护区扫描）+ `appendRegion` 里跳过落在区间内的 `
`： 一趟线性扫描、**两个独立状态** —— `code` 一支用行内层的判据（`inlineTagEnd` + `openInlineTagName`/`closeInlineTagName`：大小写不敏感、可带属性），角色注记一支用 `ROLE_RE` 的判据（只认小写、不带属性、找**同名**闭合）。两支各算各的，因为那本来就是两个消费侧各自的 尺子（行内层在 `` 里只认自己的闭合；`ROLE_RE` 完全不看 ``）。区间按**起点**升序， 切分处用游标 O(1) 判定 ⇒ 整体仍然线性（新增一条 20k 作用域的复杂度预算用例）。为此把 行内层的 `inlineTagEnd` 与 `CODE` 提为 `internal`：**标签边界与 `code` 这个名字只该有一把尺子**。 2. 作用域里的 `
` 算什么（**我们定的口径，写进 KDoc**）：**普通字符、逐字原样** —— 不换行、 也不消掉。`` 是它既有口径（里面连白名单标签都是内容，`甲` 显示字面 `甲`，由 `codeContentIsNotParsed` 钉着）；注记那侧则是**强迫**的：旁白那一行画的正是 `parts` 的逐字原文（编辑框/搜索/通知同源，`parts` 是红线），换 `\n` 或删掉就是静默改用户内容。 两个作用域取同一条规矩，免得多出一种读法。「改成换行」因此被否：要么在这里改掉片段文本 （`parts` 当场不再是原文），要么在行内层给 `
` 单开一条规则（W68 刚从那里整体删掉）。 3. **未闭合的作用域不算作用域**（里面的 `
` 照旧分隔）：判据只看「成对」，而消费侧本来就不认 未闭合的那个（行内层整段降级、`ROLE_RE` 配不出旁白）；且「未闭合 ⇒ 保护到结尾」会让一个漏掉 `` 的笔误把后面**所有** `
` 一并吞掉——一个畸形标签的爆炸半径不该放大到整段。 两种读法都不渲染、都不丢字，差别只在气泡怎么切，我们选与消费侧一致的那种。 4. 其余一律未动：`
` 大小写不敏感（两端口径一致，`回执三十三 §三①`）、`
` 出现在别的标签 属性里照样分隔（`§三③` 登记不修）、`

` 语义、星号（旁白/动作）语义、`stripLooseTags` / `ContentAfterQuery` / `P_BLOCK_RE` / `ROLE_RE`、W63 的线性特性、`parts` 逐字原文。 测试：`InlineMarkupTest` 41→43 条（`` 六项之一渲染下划线且大小写/属性/叠加/未闭合各断言、 `s` 每种形态都仍逐字字面且枚举里没有 Strikethrough、`` 里那个 `
` 是内容）； `ChatContentParserTest` 71→77 条：W69 那条「``/`` 内也分隔」换成 7 条新口径用例 （code 作用域存活且无裸标签、注记不产生气泡且 `parts` 逐字、只有 code/注记算保护区、嵌套、 未闭合、两支各算各的、流式扣留残缺 `` 与保护区两形状。 其余既有断言（含 W68 那批 `
` 用例、复杂度预算）一条都没放松。 验收：`assembleDebug` 通过（app-debug.apk 47 330 538 B）；`testDebugUnitTest` 全量 **127 suites / 1589 tests / 0 failures / 0 errors**（基线 1580，+9 条本次新增）。 --- .../cyrene/domain/parse/ChatContentParser.kt | 151 ++++++++++- .../yeij/cyrene/domain/parse/InlineMarkup.kt | 53 ++-- .../top/yeij/cyrene/ui/chat/MessageBubble.kt | 10 +- .../domain/parse/ChatContentParserTest.kt | 256 +++++++++++++++++- .../cyrene/domain/parse/InlineMarkupTest.kt | 130 +++++++-- 5 files changed, 538 insertions(+), 62 deletions(-) diff --git a/app/src/main/kotlin/top/yeij/cyrene/domain/parse/ChatContentParser.kt b/app/src/main/kotlin/top/yeij/cyrene/domain/parse/ChatContentParser.kt index a4c60fe..555ce9d 100644 --- a/app/src/main/kotlin/top/yeij/cyrene/domain/parse/ChatContentParser.kt +++ b/app/src/main/kotlin/top/yeij/cyrene/domain/parse/ChatContentParser.kt @@ -18,14 +18,18 @@ import kotlin.math.min * 的气泡/消息分隔符**（契约 v0.89 的更正：`回执三十一`「对消息内的 `
` 始终处理为多条消息 * 隔断」）。它**不是行内标签**：`

甲
乙

` ⇒ 两条气泡，`甲
乙`（无 `

`）⇒ 同样两条； * 中间的空气泡照旧丢弃（`

甲

乙

` ⇒ `甲`、`乙`）。切分在 [tokenize] 的**段/块这一层** - * 完成（[appendRegion]），所以行内解析层（`InlineMarkup`）完全看不见它。 + * 完成（[appendRegion]），所以行内解析层（`InlineMarkup`）几乎看不见它。 + * ⚠️ `回执三十三 §三②` 把「**始终**分隔」收紧了：**只有普通文本层的 `
` 才分隔**—— + * `` / `` / `` **内部**的不分隔（[appendRegion] 的保护区， + * 口径与理由写在它和 [protectedSpans] 的 KDoc 里）。 * - `…` / `…`：旁白/动作，不独立成气泡，依附气泡： * 首部连续块 → 挂气泡上方（head）；尾部连续块 → 挂下方（tail）；夹在正文中间的块 → 上提到 head。 + * 注记内部**不做行内渲染**（既有口径），所以里面的 `
` 与 `` 一样只是字面文本。 * - 漂移兼容：全角 `＊…＊`（无关键词时要求去空白后 ≤40 字符且不含换行 → action）； * 半角 `*…*` 仅当以 动作/旁白/内心/神态/轻声 开头才算旁白，否则保持普通文本（不吞 Markdown 强调）。 * 关键词 旁白/内心 → narration，其余 → action。 - * - 行内标签（`InlineMarkup.kt`，契约 v0.89）：``/``、``/``、`` 三类 - * （五项标签名，`u`/`s` 已按 `回执三十` 收窄撤掉），成对才认、**标签名大小写不敏感**、 + * - 行内标签（`InlineMarkup.kt`，契约 v0.89）：``/``、``/``、``、`` + * （**六项**标签名——`u` 由 `回执三十三 §一` 加回、`s` 仍不在内），成对才认、**标签名大小写不敏感**、 * **属性一律不解析**（`` 就是粗体）、白名单外按纯文本原样显示、 * **结构不平衡（未闭合 / 落单闭标签 / 交错）⇒ 该气泡的正文整段降级为原文** * （口径与理由见 `parseInlineMarkup`）。 @@ -70,6 +74,9 @@ import kotlin.math.min * `
` 是分隔符、不成对，**不入栈**（入了就永远弹不出来）；它只在残缺（`` 直接放行 * ——分隔符一出现，前缀就已经可解析了。 + * **保护区内的 `` / `` / `` 的开标签本来就在 + * 栈里，所以整个作用域（连同里面还没写完的 `, val tail: List, /** - * `body` 的行内样式切分（`` / `` / ``，见 [parseInlineMarkup]）：非空时拼起来 - * **就是** [body]。空列表 = 这段正文按字面画——**绝大多数消息都走这一档**（没有标签、 + * `body` 的行内样式切分（`` / `` / `` / ``，见 [parseInlineMarkup]）：非空时 + * 拼起来**就是** [body]。空列表 = 这段正文按字面画——**绝大多数消息都走这一档**（没有标签、 * 或者结构不平衡被整段降级、或者整段只有标记没有字）。 * * 有默认值，是因为只有 [toBubble] 才该填它：其余构造点要么本来就该按字面画（`plainBubble`、 @@ -173,8 +180,13 @@ private const val LINE_BREAK_TAG_NAME = "br" * `` / `` / `` 因此**不是**分隔符，只是普通文本（这一条是「字符一个不丢」的闸门）。 * * ⚠️ 已知边界：它**不看外层标签的属性结构**——所以写成 `甲` 这种「属性里带 `
`」的 - * 文本会被切开。`

` 开标签是唯一例外，因为它在更早一层就被 [P_BLOCK_RE] 整体吃掉了， - * 属性里的 `
` 根本走不到这里。真实产出里没有这种形状（属性本身就不是产出侧的东西）。 + * 文本会被切开（`回执三十三 §三③` 登记为两端口径相同、不修）。`

` 开标签是唯一例外，因为它在更早 + * 一层就被 [P_BLOCK_RE] 整体吃掉了，属性里的 `
` 根本走不到这里。真实产出里没有这种形状 + * （属性本身就不是产出侧的东西）。 + * + * ⚠️ 它只认**普通文本层**的那些：`` / `` / `` **内部**的 `
` 由 + * [appendRegion] 按保护区跳过（`回执三十三 §三②`）——所以 `findAll` 的结果**不再是**「所有分隔点」， + * 用它时要么走 [appendRegion]（会跳保护区），要么自己判一遍（别处没第二个消费者）。 */ private val BR_TAG_RE = Regex("<\\s*/?\\s*${LINE_BREAK_TAG_NAME}(\\s[^<>]*|/\\s*)?>", RegexOption.IGNORE_CASE) @@ -280,7 +292,8 @@ private fun tokenize(raw: String): List { * **为什么 `
` 在这一层切**：契约 v0.89 的更正把 `
` 定成**与 `

` 同级的分隔符** * （`回执三十一`「对消息内的 `
` 始终处理为多条消息隔断」）。它既然与 `

` 同级，就该与 `

` * 走**同一套机制、同一个粒度**：产生 [Tok.Break]、由 `buildBubbles` 分组、空气泡照旧丢弃。 - * 行内层（`InlineMarkup`）因此完全看不见 `
` —— 那里只剩五个白名单标签。 + * 行内层（`InlineMarkup`）因此几乎看不见 `
` —— 那里只剩六个白名单标签（唯一例外见下面的保护区： + * `` 内部的那个 `
` 会随正文交到行内层，在那里按「内容」字面显示）。 * * **顺序：先切分、再逐段各自做行内解析**（`甲
乙` ⇒ 两段各按「不平衡 ⇒ 不渲染」处理， * 两段都回落原文）。理由： @@ -295,6 +308,52 @@ private fun tokenize(raw: String): List { * * 剥标签**先于**切分（判据逐字不变）：[stripLooseTags] 里「这个落单 `

` 后面还有没有正文」看的是 * 整段原文，`
` 在那里只是一个普通字符，所以同一输入下它的判定与 W68 完全相同。 + * + * ## 保护区：`` 与角色注记**内部**的 `
` 不分隔（`回执三十三 §三②`） + * `回执三十一` 说的是「**始终**分隔」，`回执三十三` 把它收紧了：**只有普通文本层的 `
` 才分隔**。 + * 后端给的两条理由在我们这边一字不差地同样成立，所以照改： + * 1. **会漏注记正文**：`她
点点头` 若切成两段，就成了「她」「点点头」**两条消息** + * ——注记本来是不该当正文露出来的那一层，切开等于把它摆到台面上（后端原话：「那等于把注记正文 + * 发给了对方」）； + * 2. **`` 会被切坏**：它是**成对**元素，从中间切开必然两半都不平衡，按「不平衡 ⇒ 不渲染」的 + * 硬口径**整段降级为字面量**，用户直接看到裸标签。 + * + * 实现：先扫出保护区区间（[protectedSpans]），切分时**跳过**落在区间里的 `
`（它留在原文里，随该 + * 作用域自己的语义走）。扫的是**已经剥过落单标签**的那一份文本，与切分用的是同一个对象。 + * + * ### 作用域内部算什么语义（我们定的口径）：**普通字符、逐字原样**（不换行、也不消掉） + * - ``：这是它**既有的**口径——「里面连白名单标签也按内容处理」，`甲` + * 显示字面的 `甲`（`codeContentIsNotParsed` 钉着）。`
` 在这一层本来不是标签，用不着 + * 另立规矩；`` 也正好是「想原样显示尖括号怎么办」的现成答案。 + * - `` / ``：**必须是字面**。注记那一行画的是 `parts` 里的原文 + * （`MessageBubble.AnnotationLine` 直接 `parts.joinToString`），而 `parts` = **逐字原文**是红线 + * ——换成 `\n` 或删掉，就是在静默改用户内容（编辑框、搜索、通知读的都是它）。顺带也就与既有 + * 口径对齐：`笑了` 里的 `` 同样是字面（`narrationTextIsLeftExactlyAsWritten`）。 + * - 两个作用域取**同一条**规矩：它们是同一件事（`
` 落在作用域内部），各给一种读法才是真的 + * 「各端各说各话」。 + * - 为什么不把它当换行（`甲
乙` ⇒ `甲\n乙`）：那必须在一处破例——要么在这里改掉 + * 片段文本（`parts` 当场不再是原文），要么在行内层给 `
` 单开一条「代码里它算换行」的规则 + * （W68 刚把「`
` → `\n`」从行内层整体删掉，而且那会让**同两个字符**在 `` 与 `` + * 里各是一种意思）。两条都不值当，所以不做。 + * + * ### 未闭合的作用域：**不算作用域**，里面的 `
` 照旧分隔 + * 判据只看「**成对**」，且与各自的消费侧同一把尺子：`` 要找到它的 ``（大小写不敏感、 + * 可带属性——行内层就这么认），`` / `` 要找到**同名**闭合（只认小写、不带属性 + * ——`ROLE_RE` 就这么认）。找不到闭合的开标签不是作用域，于是 `甲
乙` 照旧切成两条。 + * - 理由一：**消费侧本来就不认它**。未闭合的 `` 在行内层不是作用域（整段降级为原文）， + * 未闭合的 `` 在 `ROLE_RE` 那里也配不出旁白。去保护一个**消费侧根本不认**的作用域， + * 等于让「切分层」与「消费层」对同一段文本有两种结构判断——正是本项目一路在防的那种分叉 + * （W68/W69 的教训：消费侧与扣留侧的词表必须同源）。 + * - 理由二：**爆炸半径**。若把「未闭合 ⇒ 保护到这一段文本结尾」也算上，一个漏掉 `` 的笔误 + * 就会把**后面所有** `
` 一起吞掉、把本该分开的多条消息并成一条。「一个畸形标签改变整段的 + * 分段」比「照旧分隔」坏得多。 + * - 两种读法都不渲染、都不丢字（未闭合那一档本来就是「不平衡 ⇒ 原样显示」），差别只在气泡怎么切； + * 我们选与消费侧一致的那种。 + * - **两支各算各的**（[protectedSpans] 用两个独立状态）：`` 与角色注记各自配对，因为那本来 + * 就是两个消费侧各自的尺子——行内层在 `` 里只认自己的闭合、别的一律当内容；`ROLE_RE` + * 则完全不看 ``（它在代码里照样配对）。所以「某一支没闭合」只影响**那一支**： + * `甲她
点点头乙` 里那个**已经配对好**的 `` 照样保护它的 + * `
`（不产生区间的只是没闭合的 `` 那一支）。 */ private fun appendRegion( text: String, @@ -304,9 +363,16 @@ private fun appendRegion( splitBlankLines: Boolean, ) { val stripped = stripLooseTags(text, markupMode, stripStrayRoleTags) + // 保护区只在「这一区里真有作用域」时才扫：绝大多数消息连 `<` 都没有（一个字节都不多花）。 + val protected = if (stripped.indexOf('<') < 0) emptyList() else protectedSpans(stripped) var last = 0 + var span = 0 for (m in BR_TAG_RE.findAll(stripped)) { - val piece = stripped.substring(last, m.range.first) + val at = m.range.first + // 区间按起点升序，跟着 `
` 的推进往前走一个游标就够（不回头、不重扫）。 + while (span < protected.size && protected[span].last < at) span++ + if (span < protected.size && at in protected[span]) continue + val piece = stripped.substring(last, at) if (piece.isNotEmpty()) appendAnnotations(piece, out, splitBlankLines) out.add(Tok.Break) last = m.range.last + 1 @@ -315,6 +381,73 @@ private fun appendRegion( if (tail.isNotEmpty()) appendAnnotations(tail, out, splitBlankLines) } +/** + * 扫出这一区里**已配对**的保护区区间（左闭右开，按**起点**升序）：`…` 与 + * `…` / `…`——[appendRegion] 据此跳过落在里面的 `
` + * （口径与理由写在它的 KDoc 里）。 + * + * 一趟线性扫描，判据全部借现成的尺子：「哪儿是一个标签」用行内层的 [inlineTagEnd]；`code` 用 + * 行内层的 [openInlineTagName] / [closeInlineTagName]（大小写不敏感、可带属性）；角色注记用 + * [openNoteTagName] / [closeNoteTagName]（与 `ROLE_RE` 同口径：只认小写、不带属性、找**同名**闭合）。 + * + * **两支各自独立配对**，因为那本来就是两个消费侧各自的尺子：`` 那一支只认自己的开/闭 + * （里面别的标签都是内容，与行内层一致）；角色那一支同理（与 `ROLE_RE` 的非贪婪配对一致——它 + * 在 `` 里照样配对，两边各算各的）。任一支没闭合 ⇒ **那一支**不产生区间。 + * + * `indexOf('<')` + 逐段推进的扫描区间互不重叠（见 [inlineTagEnd]），每个 `
` 的判定是两个游标 + * 各走一次，因此整体仍是 O(n)：成串的尖括号或成串的作用域都不会让它退回 O(N²)。 + */ +private fun protectedSpans(text: String): List { + val codeSpans = ArrayList(2) + val noteSpans = ArrayList(2) + var openCode = -1 + var openNoteName: String? = null + var openNote = -1 + var i = 0 + while (true) { + val lt = text.indexOf('<', i) + if (lt < 0) break + val gt = inlineTagEnd(text, lt) + if (gt < 0) { + // 这一处起头的东西不是标签：往后挪**一个字符**（与 `claimTags` 同一把尺子， + // 不能跳到某个「下一个 `>`」——那会把中间真正的标签一起跳过）。 + i = lt + 1 + continue + } + val tag = text.substring(lt, gt + 1) + val end = gt + 1 + if (openCode < 0) { + if (openInlineTagName(tag) == CODE) openCode = lt + } else if (closeInlineTagName(tag) == CODE) { + codeSpans.add(openCode until end) + openCode = -1 + } + val noteOpen = if (openNoteName == null) openNoteTagName(tag) else null + if (noteOpen != null) { + openNoteName = noteOpen + openNote = lt + } else if (openNoteName != null && closeNoteTagName(tag) == openNoteName) { + noteSpans.add(openNote until end) + openNoteName = null + } + i = end + } + // 两支各自升序，合起来也按**起点**升序——[appendRegion] 的包含判定（「第一个右端 ≥ 这个 `
` + // 的区间」）以「按起点升序」为前提。合并后两支的区间可能相互嵌套（`` 套注记、注记套 + // ``），那不影响判定：嵌套的那些都在同一个升序序列里。 + return when { + noteSpans.isEmpty() -> codeSpans + codeSpans.isEmpty() -> noteSpans + else -> (codeSpans + noteSpans).sortedBy { it.first } + } +} + +/** 角色注记的**开**标签名（只认小写的 `action` / `narration`、不带属性——与 `ROLE_RE` 同口径）。 */ +private fun openNoteTagName(tag: String): String? = OPEN_ROLE_TAG_RE.find(tag)?.groupValues?.get(1) + +/** 角色注记的**闭**标签名（同上；配对要求**同名**，与 `ROLE_RE` 的 `` 一致）。 */ +private fun closeNoteTagName(tag: String): String? = CLOSE_ROLE_TAG_RE.find(tag)?.groupValues?.get(1) + /** * 剥掉「落单标签」，其余字符逐字保留（返回原对象：没剥到东西时不做新分配）。 * diff --git a/app/src/main/kotlin/top/yeij/cyrene/domain/parse/InlineMarkup.kt b/app/src/main/kotlin/top/yeij/cyrene/domain/parse/InlineMarkup.kt index 679d89f..16d5ce0 100644 --- a/app/src/main/kotlin/top/yeij/cyrene/domain/parse/InlineMarkup.kt +++ b/app/src/main/kotlin/top/yeij/cyrene/domain/parse/InlineMarkup.kt @@ -5,24 +5,30 @@ package top.yeij.cyrene.domain.parse * * 口径 = 后端 2026-10-07 定下的**契约 v0.89** 及其同日更正（跨端必须逐字一致，否则同一个 `` * 在她那台设备上粗、在这台上不粗）。四条硬口径： - * 1. 白名单 = `b` / `strong` · `i` / `em` · `code`（**成对**，五项标签名）；标签名**大小写不敏感**； + * 1. 白名单 = `b` / `strong` · `i` / `em` · `code` · `u`（**成对**，六项标签名）；标签名**大小写不敏感**； * 2. **属性一律不解析**：`` 只取标签名，属性整段丢掉、绝不落成任何视图属性； * 3. **白名单外一律按纯文本原样显示**：`