@whiteslove/parsing-lexicon 0.2.2 → 0.2.3

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@whiteslove/parsing-lexicon",
-  "version": "0.2.2",
+  "version": "0.2.3",
   "description": "Shared deterministic multilingual parsing lexicon for Whiteslove housing and hiring services",
   "repository": {
     "type": "git",
@@ -41,6 +41,7 @@
     "./housing-context": { "types": "./src/housing-context.d.ts", "import": "./src/housing-context.js" },
     "./housing-address": { "types": "./src/housing-address.d.ts", "import": "./src/housing-address.js" },
     "./housing-structured": { "types": "./src/housing-structured.d.ts", "import": "./src/housing-structured.js" },
+    "./housing-text": { "types": "./src/housing-text.d.ts", "import": "./src/housing-text.js" },
     "./housing-source-aliases": { "types": "./src/housing-source-aliases.d.ts", "import": "./src/housing-source-aliases.js" },
     "./hiring": "./src/hiring.js",
     "./hiring-languages": "./src/hiring-languages.js",

package/src/housing-text.d.ts

@@ -0,0 +1,2 @@
+export declare function parseHousingRoomsFromText(value: unknown): number | null;
+export declare function parseHousingResidentialComplex(value: unknown): string | null;

package/src/housing-text.js

@@ -0,0 +1,75 @@
+const ok10 = (n) => (n >= 1 && n <= 10 ? n : null);
+
+const WORD_ROOMS = Object.freeze({
+  одно: 1, одн: 1, двух: 2, двох: 2, трех: 3, трёх: 3, трих: 3, трьох: 3,
+  четырех: 4, четырёх: 4, чотирьох: 4, чотирох: 4, пяти: 5,
+});
+
+export function parseHousingRoomsFromText(value) {
+  const text = String(value || '');
+  if (!text) return null;
+  const basement = text.match(/(?:^|\n)[^\d\r\n]{0,8}([1-9])\s*\/\s*0\s*\/\s*-1\s*(?:этаж|эт\.?)?[^\r\n]*(?:подвал|цоколь)/im);
+  if (basement) return ok10(Number(basement[1]));
+  const compact = text.match(/(?:^|\n)[^\d\r\n]{0,8}([1-9])\s*([¹²³⁴⁵⁶⁷⁸⁹])?\s*\/\s*([0-9]{1,2})\s*\/\s*([0-9]{1,2})[.,;:]?(?=\s|$)/m);
+  if (compact) {
+    const superscript = '¹²³⁴⁵⁶⁷⁸⁹'.indexOf(compact[2]) + 1;
+    if (superscript) return ok10(superscript);
+    const first = Number(compact[1]);
+    const floor = Number(compact[3]);
+    const last = Number(compact[4]);
+    if (first === floor && last > first && last <= 5) return ok10(last);
+    return ok10(first);
+  }
+  const after = text.match(/(?:количество\s+комнат\w*|комнат(?:ы|а)?(?![а-яё])|кімнат(?:и|а)?(?![а-яіїґ])|xonalar\s*soni|xona\s*soni|хоналар\s*сони|хона\s*сони|number\s+of\s+rooms)[^\S\r\n]*[:\-–—]?[^\S\r\n]*(\d+)/i);
+  if (after) return ok10(Number(after[1]));
+  const before = text.match(/(\d+)\s*[-хx]?\s*(?:camer|комнатн|комн|ком\.|кімнатн|кімн|кім\.|room|bedroom|xonali|xona|хонали|хона|бөлмел|бөлме)|(\d+)\s*-\s*к(?:омн|\.?\s*кв)/i);
+  if (before) return ok10(Number(before[1] ?? before[2]));
+  const word = text.toLowerCase().match(/(одно|одн|двух|двох|тр[еёи]х|трьох|четыр[её]х|чотир(?:ьох|ох)|пяти)\s*-?\s*(?:комнат|кімнат)/);
+  return word ? ok10(WORD_ROOMS[word[1]] ?? null) : null;
+}
+
+const RC_STOP_WORD_RE = /^(?:жк|жм|продаётся|продается|продам|продажа|продаю|срочно|сдаётся|сдается|сдаю|сдам|аренда|арендую|новая|новый|новое|новые|новостройка|вторичка|квартира|квартиры|квартиру|комната|комнаты|комнат|комнатная|комнатной|этаж|этажа|этаж[её]м|ремонт|ремонтом|евроремонт|мебель|мебелью|мебелированная|дом|дома|тел|телефон|цена|торг|собственник|риелтор|посредник|uy|kvartira|xonali|sotiladi|ijaraga|yangi|arzon|tel|narx|new|newbuild|apartment|apartments|flat|for|sale|rent|rooms?|floor|предлагается|предлагаются|предлагаем|продаже|продаж|куплю|обмен|просторные|просторная|две|три|четыре|пять|район|районе|районы|туман|тумани|tumani|district|массив|массиве|massiv|метро|metro|рядом|около|возле|яндекс|город|шахар|shahar)$/iu;
+const RC_ATTRIBUTE_TOKEN_RE = /^\d|^[\d/]+$|^[a-zа-яё]?\d+(?:[а-яёa-z]{1,4})?$/iu;
+const RC_LATIN_NOISE_RE = /^(?:vip|lux|luxe|elite|premium|euro|evro|new|top|super|best|hot|urgent|srochno|arenda|ijara|sotiladi|sale|rent|for|home|house|flat|apartment|apartments|kvartira|tashkent|toshkent|wifi|wi|fi|tv|ac|internet|telegram|yandex|google|instagram|whatsapp|iphone|samsung|lg|bosch|artel|km|km2|m2|sqm|usd|uzs|eur)$/iu;
+const RC_LATIN_WORD_RE = /^[A-Za-z][A-Za-z'’\-]{1,}$/u;
+const RC_DISTRICT_MARKER_RE = /^(?:район|районе|районы|туман|тумани|tumani|district)$/iu;
+const RC_MARKER_RE = /(?:жк|жм|ж\/к|residential complex|ansamblu(?: rezidential)?|turar[- ]?joy majmuasi)\s*/i;
+
+function leadingLatinName(text) {
+  const cyrillic = (String(text).match(/[а-яёіїґ]/giu) || []).length;
+  const latin = (String(text).match(/[a-z]/giu) || []).length;
+  if (cyrillic <= latin) return null;
+  const tokens = String(text).trim().split(/[\s|,;:!]+/).filter(Boolean).slice(0, 12);
+  const runs = [];
+  let current = [];
+  for (const token of tokens) {
+    const clean = token.replace(/^[«»"'„“]+|[«»"'„“!|,]+$/g, '');
+    const bare = clean.replace(/[-'’]/g, '');
+    const usable = RC_LATIN_WORD_RE.test(clean) && !RC_LATIN_NOISE_RE.test(clean) && !RC_LATIN_NOISE_RE.test(bare) && !RC_STOP_WORD_RE.test(clean);
+    if (usable && current.length < 3) current.push(clean);
+    else { if (current.length) runs.push(current); current = usable ? [clean] : []; }
+  }
+  if (current.length) runs.push(current);
+  const named = runs.find((run) => run.some((word) => word.length >= 3) && run.length < tokens.length);
+  return named ? named.join(' ') : null;
+}
+
+export function parseHousingResidentialComplex(value) {
+  const text = String(value || '');
+  if (!text) return null;
+  const marker = text.match(RC_MARKER_RE);
+  if (!marker) return leadingLatinName(text);
+  const rest = text.slice(marker.index + marker[0].length).replace(/^[\s:；;—–\-·•]+/, '');
+  const quoted = rest.match(/^["'«»„“]\s*([^"'«»„“\n]{2,60})["'«»„“]?/);
+  const candidate = quoted ? quoted[1] : (rest.match(/^([^"'«»„“\n,.;:()!|]{2,60})/) || [, ''])[1];
+  const parsed = String(candidate).trim().replace(/([\p{Ll}\d])(\p{Lu})/gu, '$1 $2').replace(/\s{2,}/g, ' ').split(/\s+/).reduce((words, token) => {
+    if (words.stopped || words.list.length >= 4) return { ...words, stopped: true };
+    const clean = token.replace(/^[«»"'„“]+|[«»"'„“!|,]+$/g, '');
+    if (!clean || RC_STOP_WORD_RE.test(clean) || RC_ATTRIBUTE_TOKEN_RE.test(clean)) return { ...words, stopped: true, by: clean };
+    return { list: [...words.list, clean], stopped: false, by: words.by };
+  }, { list: [], stopped: false, by: '' });
+  const words = RC_DISTRICT_MARKER_RE.test(parsed.by) ? parsed.list.slice(0, -1) : parsed.list;
+  while (words.length > 1 && [...words[words.length - 1]].length <= 2) words.pop();
+  const name = words.join(' ').trim();
+  return /[a-zA-Zа-яёіїґ]{2,}/i.test(name) ? name : null;
+}