@xiaobuyu/nodesign 0.0.1 → 0.0.3

package/server/lib/docx/text-lint.js

@@ -1,225 +1,225 @@
-/**
- * text-lint.js — 构建后的字符层/版式层体检（2026-08-19）。
- *
- * 闭合 schema 管格式键、渲染目视管版面，**文字符号这一层两边都管不着**：
- * 斜杠带不带空格不一致、`12ms` 缺空隙、中文后面跟半角逗号 —— 人眼查全文
- * 一致性不可靠，正则穷举才靠得住。检查跑在 **content 源**上（不解 docx），
- * 每条发现都能定位到具体块。
- *
- * 三条设计红线（放宽任何一条都会把这层变成噪音）：
- *   1. **只收高精度规则**。假警报会训练 agent 忽略警报 —— 拿不准的宁可不报。
- *   2. **一致性类规则全文聚合后才裁决**：两种写法并存才是问题，全文统一用
- *      哪种都不是（斜杠风格、中西文间距都是排版偏好，不是对错）。
- *   3. **只报不改**。文字内容是 agent/用户的，引擎不代笔。
- *
- * 两档措辞：`errors` = 按 GB/T 15834 / 排版常识基本可断定是错的；
- * `notes` = 建议（惯例/一致性），采不采纳由写的人定。都不挡构建。
- */
-
-import { effectiveSizePt } from './build.js';
-
-const CJK = '\\u4e00-\\u9fff\\u3400-\\u4dbf';
-
-/** 一个段落块 → 拼好的纯文本（run 边界处的间距问题也要能查到，所以先拼再扫） */
-function textOfPara(b) {
-  if (typeof b?.text === 'string') return b.text;
-  const parts = [];
-  for (const r of b?.runs ?? []) {
-    if (typeof r === 'string') parts.push(r);
-    else if (r && typeof r.text === 'string') parts.push(r.text);
-    else if (r?.br) parts.push('\n');
-    // fld（页码域）没有文字形态，跳过
-  }
-  return parts.join('');
-}
-
-/** content + 页眉页脚 + 表格单元格 → [{ where, text }]，where 能定位回源 */
-export function collectTexts(content, opts = {}) {
-  const out = [];
-  const push = (where, b) => {
-    const t = textOfPara(b);
-    if (t.trim()) out.push({ where, text: t });
-  };
-  for (const [i, b] of (content ?? []).entries()) {
-    if (!b || typeof b !== 'object') continue;
-    if (b.t === 'p') push(`content[${i}]`, b);
-    else if (b.t === 'table') {
-      for (const [ri, row] of (b.rows ?? []).entries()) {
-        for (const [ci, cell] of (row ?? []).entries()) {
-          if (typeof cell === 'string') { if (cell.trim()) out.push({ where: `content[${i}].rows[${ri}][${ci}]`, text: cell }); }
-          else if (cell && typeof cell === 'object') push(`content[${i}].rows[${ri}][${ci}]`, cell);
-        }
-      }
-    }
-  }
-  for (const [name, blocks] of [['header', opts.header], ['footer', opts.footer]]) {
-    for (const [i, b] of (blocks ?? []).entries()) {
-      if (b?.t === 'p') push(`${name}[${i}]`, b);
-    }
-  }
-  return out;
-}
-
-/** 命中清单 → 一行报文：最多点名 4 处，多的收成 ×N */
-function fmtHits(hits, max = 4) {
-  const shown = hits.slice(0, max).map(h => `${h.where}「${h.sample}」`).join('、');
-  return hits.length > max ? `${shown} 等 ${hits.length} 处` : shown;
-}
-
-/** 在 text 里跑正则收命中（sample 带一点上下文，agent 才对得上号） */
-function scan(texts, re) {
-  const hits = [];
-  for (const { where, text } of texts) {
-    for (const m of text.matchAll(re)) {
-      const s = Math.max(0, m.index - 4);
-      hits.push({ where, sample: text.slice(s, m.index + m[0].length + 4).replace(/\n/g, ' ') });
-    }
-  }
-  return hits;
-}
-
-export function lintDocxSource({ tokens, content, opts = {} }) {
-  const errors = [];
-  const notes = [];
-  const texts = collectTexts(content, opts);
-
-  /* ── 错误档（基本可断定是错的） ── */
-
-  // 重复标点：「。。」「，，」几乎必是手误。！？的叠用是修辞，不管
-  for (const [re, label] of [[new RegExp('([，。；、：])\\1+', 'g'), '重复标点']]) {
-    const hits = scan(texts, re);
-    if (hits.length) errors.push(`${label}：${fmtHits(hits)}`);
-  }
-
-  // 括号全半角不配对：「（x)」「(x）」
-  {
-    const hits = scan(texts, /（[^（）()\n]*\)|\([^()（）\n]*）/g);
-    if (hits.length) errors.push(`括号全半角不配对：${fmtHits(hits)}`);
-  }
-
-  // 中文后紧跟半角标点（GB/T 15834：中文语境用全角）。只查后继是中文/空白/行尾
-  // 的情形 —— 「12:30」「Node.js, Express」这类西文语境不碰
-  {
-    const hits = scan(texts, new RegExp(`[${CJK}][,;?!:](?=[${CJK}\\s]|$)`, 'gm'));
-    if (hits.length) errors.push(`中文后面跟着半角标点（该用全角）：${fmtHits(hits)}`);
-  }
-
-  /* ── 建议档：单点惯例 ── */
-
-  // 数值与单位符号之间留空隙（GB 3100 惯例）。单位表故意收窄：裸 s/m/g 歧义太大
-  {
-    const hits = scan(texts, /\d(?:ms|GB|MB|KB|TB|Hz|kHz|MHz|fps|mm|cm|km|kg|dpi)(?![A-Za-z])/g);
-    if (hits.length) notes.push(`数字和单位之间通常留一个空格（如「150 ms」）：${fmtHits(hits)}`);
-  }
-
-  /* ── 建议档：一致性类（全文聚合，两种写法并存才报） ── */
-
-  // 中西文之间的空格。数字不算（「第3个」加空格属于过度矫正），URL 整段跳过
-  {
-    let spaced = 0;
-    const unspaced = [];
-    for (const { where, text } of texts) {
-      const t = text.replace(/\S*:\/\/\S*/g, ' ');
-      for (const m of t.matchAll(new RegExp(`[${CJK}][A-Za-z]|[A-Za-z][${CJK}]`, 'g'))) {
-        unspaced.push({ where, sample: t.slice(Math.max(0, m.index - 4), m.index + m[0].length + 4) });
-      }
-      spaced += (t.match(new RegExp(`[${CJK}] [A-Za-z]|[A-Za-z] [${CJK}]`, 'g')) ?? []).length;
-    }
-    if (unspaced.length && spaced > unspaced.length) {
-      notes.push(`中西文之间的空格不一致：全文 ${spaced} 处有空格，这 ${unspaced.length} 处没有 —— ${fmtHits(unspaced)}`);
-    }
-    // 全文都不空 = 一种自洽的风格，不报
-  }
-
-  // 斜杠两侧空格的一致性。三类豁免：带协议的 URL、无协议的域名路径
-  //（github.com/xxx —— 给它"统一"加空格反而是改错）、两侧都是数字的（日期 03/07）
-  {
-    const spaced = [];
-    const tight = [];
-    for (const { where, text } of texts) {
-      const t = text.replace(/\S*:\/\/\S*/g, ' ');
-      for (const m of t.matchAll(/([\w.\-一-鿿]+) ?\/ ?([\w.\-一-鿿])/g)) {
-        if (/\.[a-z]{2,4}$/i.test(m[1])) continue;   // 左边以 .com/.cn/.js 这类结尾 = 域名或文件名
-        if (/\d$/.test(m[1]) && /\d/.test(m[2])) continue;
-        (m[0].includes(' ') ? spaced : tight).push({ where, sample: t.slice(Math.max(0, m.index - 3), m.index + m[0].length + 6) });
-      }
-    }
-    if (spaced.length && tight.length) {
-      const [minor, label] = spaced.length < tight.length ? [spaced, '带空格'] : [tight, '不带空格'];
-      notes.push(`斜杠写法不一致（${spaced.length} 处「A / B」vs ${tight.length} 处「A/B」），少数派是${label}的：${fmtHits(minor)}`);
-    }
-  }
-
-  // 日期范围连接号的一致性（字符本身不裁 —— 「-」「–」「至」都是有人在用的惯例，
-  // 一份文档里混着用才是问题）
-  {
-    const styles = new Map();   // 连接串 → hits
-    for (const { where, text } of texts) {
-      for (const m of text.matchAll(/\d{4}[.．年/-]\d{1,2}[月]?( ?[-–—~～至] ?)(?=\d{4}|至今|今)/g)) {
-        const key = m[1];
-        if (!styles.has(key)) styles.set(key, []);
-        styles.get(key).push({ where, sample: text.slice(Math.max(0, m.index), m.index + m[0].length + 7) });
-      }
-    }
-    if (styles.size > 1) {
-      const desc = [...styles.entries()].map(([k, v]) => `「${k.replace(/ /g, '␣')}」×${v.length}`).join('、');
-      notes.push(`日期范围的连接号写法不统一：${desc}`);
-    }
-  }
-
-  /* ── 版式断言（token 层，只收零误报的三条） ── */
-
-  // 行距小于单倍 = 文字上下行叠压，多半是把磅值当倍数写了
-  const checkSp = (whereName, sp) => {
-    if (sp && (sp.lineRule ?? 'multiple') === 'multiple' && sp.line != null && sp.line < 1) {
-      errors.push(`${whereName}.spacing.line = ${sp.line}（倍数小于 1，文字会叠压）`);
-    }
-  };
-  checkSp('base', tokens?.base?.spacing);
-  for (const [id, st] of Object.entries(tokens?.styles ?? {})) {
-    checkSp(`styles.${id}.para`, st?.para?.spacing);
-
-    // 标题（有 outlineLevel 的）不带 keepNext → 会孤零零留在页底
-    if (st?.para?.outlineLevel != null && st.para.keepNext !== true) {
-      notes.push(`styles.${id} 是标题（outlineLevel ${st.para.outlineLevel}）但没写 keepNext —— 分页时它可能孤零零留在页底`);
-    }
-  }
-
-  // 标题层级字号倒挂：更深一级的某个标题比浅一级的某个标题还大。
-  // 同层可以有多种字号（Title 和 Heading1 常同在层级 0），所以比的是
-  // 浅层的**最小**对深层的**最大** —— 只要深层最大越过了浅层最小就是倒挂
-  {
-    const byLevel = new Map();   // level → { min: {id,pt}, max: {id,pt} }
-    for (const [id, st] of Object.entries(tokens?.styles ?? {})) {
-      const lv = st?.para?.outlineLevel;
-      if (lv == null) continue;
-      const pt = effectiveSizePt(tokens, id);
-      const e = byLevel.get(lv) ?? { min: { id, pt }, max: { id, pt } };
-      if (pt < e.min.pt) e.min = { id, pt };
-      if (pt > e.max.pt) e.max = { id, pt };
-      byLevel.set(lv, e);
-    }
-    const levels = [...byLevel.keys()].sort((a, b) => a - b);
-    for (let i = 1; i < levels.length; i++) {
-      const hi = byLevel.get(levels[i - 1]).min;
-      const lo = byLevel.get(levels[i]).max;
-      if (lo.pt > hi.pt) {
-        notes.push(`标题字号倒挂：${lo.id}（层级 ${levels[i]}，${lo.pt}pt）比 ${hi.id}（层级 ${levels[i - 1]}，${hi.pt}pt）还大`);
-      }
-    }
-  }
-
-  return { errors, notes };
-}
-
-/** 给 build_docx 的返回文案拼提醒段。空的返回 ''（一个字都不占） */
-export function formatLint({ errors, notes }, max = 10) {
-  const lines = [];
-  for (const e of errors) lines.push(`⚠ ${e}`);
-  for (const n of notes) lines.push(`· ${n}`);
-  if (!lines.length) return '';
-  const shown = lines.slice(0, max);
-  const more = lines.length - shown.length;
-  return `\n\n排版/符号体检（${errors.length} 条较确定的问题，${notes.length} 条建议 —— 不挡构建，采不采纳你判断，改了记得重新 build）：\n`
-    + shown.join('\n') + (more > 0 ? `\n（另有 ${more} 条略去）` : '');
-}
+/**
+ * text-lint.js — 构建后的字符层/版式层体检（2026-08-19）。
+ *
+ * 闭合 schema 管格式键、渲染目视管版面，**文字符号这一层两边都管不着**：
+ * 斜杠带不带空格不一致、`12ms` 缺空隙、中文后面跟半角逗号 —— 人眼查全文
+ * 一致性不可靠，正则穷举才靠得住。检查跑在 **content 源**上（不解 docx），
+ * 每条发现都能定位到具体块。
+ *
+ * 三条设计红线（放宽任何一条都会把这层变成噪音）：
+ *   1. **只收高精度规则**。假警报会训练 agent 忽略警报 —— 拿不准的宁可不报。
+ *   2. **一致性类规则全文聚合后才裁决**：两种写法并存才是问题，全文统一用
+ *      哪种都不是（斜杠风格、中西文间距都是排版偏好，不是对错）。
+ *   3. **只报不改**。文字内容是 agent/用户的，引擎不代笔。
+ *
+ * 两档措辞：`errors` = 按 GB/T 15834 / 排版常识基本可断定是错的；
+ * `notes` = 建议（惯例/一致性），采不采纳由写的人定。都不挡构建。
+ */
+
+import { effectiveSizePt } from './build.js';
+
+const CJK = '\\u4e00-\\u9fff\\u3400-\\u4dbf';
+
+/** 一个段落块 → 拼好的纯文本（run 边界处的间距问题也要能查到，所以先拼再扫） */
+function textOfPara(b) {
+  if (typeof b?.text === 'string') return b.text;
+  const parts = [];
+  for (const r of b?.runs ?? []) {
+    if (typeof r === 'string') parts.push(r);
+    else if (r && typeof r.text === 'string') parts.push(r.text);
+    else if (r?.br) parts.push('\n');
+    // fld（页码域）没有文字形态，跳过
+  }
+  return parts.join('');
+}
+
+/** content + 页眉页脚 + 表格单元格 → [{ where, text }]，where 能定位回源 */
+export function collectTexts(content, opts = {}) {
+  const out = [];
+  const push = (where, b) => {
+    const t = textOfPara(b);
+    if (t.trim()) out.push({ where, text: t });
+  };
+  for (const [i, b] of (content ?? []).entries()) {
+    if (!b || typeof b !== 'object') continue;
+    if (b.t === 'p') push(`content[${i}]`, b);
+    else if (b.t === 'table') {
+      for (const [ri, row] of (b.rows ?? []).entries()) {
+        for (const [ci, cell] of (row ?? []).entries()) {
+          if (typeof cell === 'string') { if (cell.trim()) out.push({ where: `content[${i}].rows[${ri}][${ci}]`, text: cell }); }
+          else if (cell && typeof cell === 'object') push(`content[${i}].rows[${ri}][${ci}]`, cell);
+        }
+      }
+    }
+  }
+  for (const [name, blocks] of [['header', opts.header], ['footer', opts.footer]]) {
+    for (const [i, b] of (blocks ?? []).entries()) {
+      if (b?.t === 'p') push(`${name}[${i}]`, b);
+    }
+  }
+  return out;
+}
+
+/** 命中清单 → 一行报文：最多点名 4 处，多的收成 ×N */
+function fmtHits(hits, max = 4) {
+  const shown = hits.slice(0, max).map(h => `${h.where}「${h.sample}」`).join('、');
+  return hits.length > max ? `${shown} 等 ${hits.length} 处` : shown;
+}
+
+/** 在 text 里跑正则收命中（sample 带一点上下文，agent 才对得上号） */
+function scan(texts, re) {
+  const hits = [];
+  for (const { where, text } of texts) {
+    for (const m of text.matchAll(re)) {
+      const s = Math.max(0, m.index - 4);
+      hits.push({ where, sample: text.slice(s, m.index + m[0].length + 4).replace(/\n/g, ' ') });
+    }
+  }
+  return hits;
+}
+
+export function lintDocxSource({ tokens, content, opts = {} }) {
+  const errors = [];
+  const notes = [];
+  const texts = collectTexts(content, opts);
+
+  /* ── 错误档（基本可断定是错的） ── */
+
+  // 重复标点：「。。」「，，」几乎必是手误。！？的叠用是修辞，不管
+  for (const [re, label] of [[new RegExp('([，。；、：])\\1+', 'g'), '重复标点']]) {
+    const hits = scan(texts, re);
+    if (hits.length) errors.push(`${label}：${fmtHits(hits)}`);
+  }
+
+  // 括号全半角不配对：「（x)」「(x）」
+  {
+    const hits = scan(texts, /（[^（）()\n]*\)|\([^()（）\n]*）/g);
+    if (hits.length) errors.push(`括号全半角不配对：${fmtHits(hits)}`);
+  }
+
+  // 中文后紧跟半角标点（GB/T 15834：中文语境用全角）。只查后继是中文/空白/行尾
+  // 的情形 —— 「12:30」「Node.js, Express」这类西文语境不碰
+  {
+    const hits = scan(texts, new RegExp(`[${CJK}][,;?!:](?=[${CJK}\\s]|$)`, 'gm'));
+    if (hits.length) errors.push(`中文后面跟着半角标点（该用全角）：${fmtHits(hits)}`);
+  }
+
+  /* ── 建议档：单点惯例 ── */
+
+  // 数值与单位符号之间留空隙（GB 3100 惯例）。单位表故意收窄：裸 s/m/g 歧义太大
+  {
+    const hits = scan(texts, /\d(?:ms|GB|MB|KB|TB|Hz|kHz|MHz|fps|mm|cm|km|kg|dpi)(?![A-Za-z])/g);
+    if (hits.length) notes.push(`数字和单位之间通常留一个空格（如「150 ms」）：${fmtHits(hits)}`);
+  }
+
+  /* ── 建议档：一致性类（全文聚合，两种写法并存才报） ── */
+
+  // 中西文之间的空格。数字不算（「第3个」加空格属于过度矫正），URL 整段跳过
+  {
+    let spaced = 0;
+    const unspaced = [];
+    for (const { where, text } of texts) {
+      const t = text.replace(/\S*:\/\/\S*/g, ' ');
+      for (const m of t.matchAll(new RegExp(`[${CJK}][A-Za-z]|[A-Za-z][${CJK}]`, 'g'))) {
+        unspaced.push({ where, sample: t.slice(Math.max(0, m.index - 4), m.index + m[0].length + 4) });
+      }
+      spaced += (t.match(new RegExp(`[${CJK}] [A-Za-z]|[A-Za-z] [${CJK}]`, 'g')) ?? []).length;
+    }
+    if (unspaced.length && spaced > unspaced.length) {
+      notes.push(`中西文之间的空格不一致：全文 ${spaced} 处有空格，这 ${unspaced.length} 处没有 —— ${fmtHits(unspaced)}`);
+    }
+    // 全文都不空 = 一种自洽的风格，不报
+  }
+
+  // 斜杠两侧空格的一致性。三类豁免：带协议的 URL、无协议的域名路径
+  //（github.com/xxx —— 给它"统一"加空格反而是改错）、两侧都是数字的（日期 03/07）
+  {
+    const spaced = [];
+    const tight = [];
+    for (const { where, text } of texts) {
+      const t = text.replace(/\S*:\/\/\S*/g, ' ');
+      for (const m of t.matchAll(/([\w.\-一-鿿]+) ?\/ ?([\w.\-一-鿿])/g)) {
+        if (/\.[a-z]{2,4}$/i.test(m[1])) continue;   // 左边以 .com/.cn/.js 这类结尾 = 域名或文件名
+        if (/\d$/.test(m[1]) && /\d/.test(m[2])) continue;
+        (m[0].includes(' ') ? spaced : tight).push({ where, sample: t.slice(Math.max(0, m.index - 3), m.index + m[0].length + 6) });
+      }
+    }
+    if (spaced.length && tight.length) {
+      const [minor, label] = spaced.length < tight.length ? [spaced, '带空格'] : [tight, '不带空格'];
+      notes.push(`斜杠写法不一致（${spaced.length} 处「A / B」vs ${tight.length} 处「A/B」），少数派是${label}的：${fmtHits(minor)}`);
+    }
+  }
+
+  // 日期范围连接号的一致性（字符本身不裁 —— 「-」「–」「至」都是有人在用的惯例，
+  // 一份文档里混着用才是问题）
+  {
+    const styles = new Map();   // 连接串 → hits
+    for (const { where, text } of texts) {
+      for (const m of text.matchAll(/\d{4}[.．年/-]\d{1,2}[月]?( ?[-–—~～至] ?)(?=\d{4}|至今|今)/g)) {
+        const key = m[1];
+        if (!styles.has(key)) styles.set(key, []);
+        styles.get(key).push({ where, sample: text.slice(Math.max(0, m.index), m.index + m[0].length + 7) });
+      }
+    }
+    if (styles.size > 1) {
+      const desc = [...styles.entries()].map(([k, v]) => `「${k.replace(/ /g, '␣')}」×${v.length}`).join('、');
+      notes.push(`日期范围的连接号写法不统一：${desc}`);
+    }
+  }
+
+  /* ── 版式断言（token 层，只收零误报的三条） ── */
+
+  // 行距小于单倍 = 文字上下行叠压，多半是把磅值当倍数写了
+  const checkSp = (whereName, sp) => {
+    if (sp && (sp.lineRule ?? 'multiple') === 'multiple' && sp.line != null && sp.line < 1) {
+      errors.push(`${whereName}.spacing.line = ${sp.line}（倍数小于 1，文字会叠压）`);
+    }
+  };
+  checkSp('base', tokens?.base?.spacing);
+  for (const [id, st] of Object.entries(tokens?.styles ?? {})) {
+    checkSp(`styles.${id}.para`, st?.para?.spacing);
+
+    // 标题（有 outlineLevel 的）不带 keepNext → 会孤零零留在页底
+    if (st?.para?.outlineLevel != null && st.para.keepNext !== true) {
+      notes.push(`styles.${id} 是标题（outlineLevel ${st.para.outlineLevel}）但没写 keepNext —— 分页时它可能孤零零留在页底`);
+    }
+  }
+
+  // 标题层级字号倒挂：更深一级的某个标题比浅一级的某个标题还大。
+  // 同层可以有多种字号（Title 和 Heading1 常同在层级 0），所以比的是
+  // 浅层的**最小**对深层的**最大** —— 只要深层最大越过了浅层最小就是倒挂
+  {
+    const byLevel = new Map();   // level → { min: {id,pt}, max: {id,pt} }
+    for (const [id, st] of Object.entries(tokens?.styles ?? {})) {
+      const lv = st?.para?.outlineLevel;
+      if (lv == null) continue;
+      const pt = effectiveSizePt(tokens, id);
+      const e = byLevel.get(lv) ?? { min: { id, pt }, max: { id, pt } };
+      if (pt < e.min.pt) e.min = { id, pt };
+      if (pt > e.max.pt) e.max = { id, pt };
+      byLevel.set(lv, e);
+    }
+    const levels = [...byLevel.keys()].sort((a, b) => a - b);
+    for (let i = 1; i < levels.length; i++) {
+      const hi = byLevel.get(levels[i - 1]).min;
+      const lo = byLevel.get(levels[i]).max;
+      if (lo.pt > hi.pt) {
+        notes.push(`标题字号倒挂：${lo.id}（层级 ${levels[i]}，${lo.pt}pt）比 ${hi.id}（层级 ${levels[i - 1]}，${hi.pt}pt）还大`);
+      }
+    }
+  }
+
+  return { errors, notes };
+}
+
+/** 给 build_docx 的返回文案拼提醒段。空的返回 ''（一个字都不占） */
+export function formatLint({ errors, notes }, max = 10) {
+  const lines = [];
+  for (const e of errors) lines.push(`⚠ ${e}`);
+  for (const n of notes) lines.push(`· ${n}`);
+  if (!lines.length) return '';
+  const shown = lines.slice(0, max);
+  const more = lines.length - shown.length;
+  return `\n\n排版/符号体检（${errors.length} 条较确定的问题，${notes.length} 条建议 —— 不挡构建，采不采纳你判断，改了记得重新 build）：\n`
+    + shown.join('\n') + (more > 0 ? `\n（另有 ${more} 条略去）` : '');
+}