aiwf 0.3.22 → 0.4.0

package/src/lib/resources/utils/content-normalizer.js

@@ -1,455 +0,0 @@
-import { TokenCounter } from './token-counter.js';
-
-/**
- * 콘텐츠 중복 제거 및 정규화 유틸리티
- */
-export class ContentNormalizer {
-  constructor() {
-    this.tokenCounter = new TokenCounter();
-  }
-
-  /**
-   * 콘텐츠를 정규화합니다
-   * @param {string} content - 정규화할 콘텐츠
-   * @param {Object} options - 정규화 옵션
-   * @returns {Object} 정규화 결과
-   */
-  normalize(content, options = {}) {
-    const {
-      removeDuplicates = true,
-      normalizeWhitespace = true,
-      normalizeMarkdown = true,
-      normalizeLinks = true,
-      normalizeHeaders = true,
-      preserveStructure = true
-    } = options;
-
-    let normalized = content;
-    const metadata = {
-      operations: [],
-      originalTokens: this.tokenCounter.countTokens(content),
-      removedDuplicates: 0,
-      normalizedElements: 0
-    };
-
-    // 1. 중복 제거
-    if (removeDuplicates) {
-      const duplicateResult = this.removeDuplicates(normalized);
-      normalized = duplicateResult.content;
-      metadata.removedDuplicates = duplicateResult.removedCount;
-      metadata.operations.push('duplicate_removal');
-    }
-
-    // 2. 공백 정규화
-    if (normalizeWhitespace) {
-      normalized = this.normalizeWhitespace(normalized);
-      metadata.operations.push('whitespace_normalization');
-    }
-
-    // 3. 마크다운 정규화
-    if (normalizeMarkdown) {
-      normalized = this.normalizeMarkdown(normalized);
-      metadata.operations.push('markdown_normalization');
-    }
-
-    // 4. 링크 정규화
-    if (normalizeLinks) {
-      normalized = this.normalizeLinks(normalized);
-      metadata.operations.push('link_normalization');
-    }
-
-    // 5. 헤더 정규화
-    if (normalizeHeaders) {
-      normalized = this.normalizeHeaders(normalized);
-      metadata.operations.push('header_normalization');
-    }
-
-    // 6. 구조 보존
-    if (preserveStructure) {
-      normalized = this.preserveStructure(normalized);
-      metadata.operations.push('structure_preservation');
-    }
-
-    metadata.normalizedTokens = this.tokenCounter.countTokens(normalized);
-    metadata.compressionRatio = this.calculateCompressionRatio(content, normalized);
-
-    return {
-      original: content,
-      normalized,
-      metadata
-    };
-  }
-
-  /**
-   * 중복 콘텐츠를 제거합니다
-   * @param {string} content - 콘텐츠
-   * @returns {Object} 중복 제거 결과
-   */
-  removeDuplicates(content) {
-    const lines = content.split('\n');
-    const uniqueLines = [];
-    const seenLines = new Set();
-    let removedCount = 0;
-
-    // 1. 완전히 동일한 라인 제거
-    for (const line of lines) {
-      const normalizedLine = this.normalizeLineForComparison(line);
-      
-      if (normalizedLine.trim() === '') {
-        uniqueLines.push(line); // 빈 라인은 유지
-      } else if (!seenLines.has(normalizedLine)) {
-        seenLines.add(normalizedLine);
-        uniqueLines.push(line);
-      } else {
-        removedCount++;
-      }
-    }
-
-    // 2. 비슷한 헤더 제거
-    const dedupedHeaders = this.removeDuplicateHeaders(uniqueLines.join('\n'));
-    const headerRemovedCount = uniqueLines.length - dedupedHeaders.split('\n').length;
-    removedCount += headerRemovedCount;
-
-    // 3. 중복 목록 항목 제거
-    const dedupedLists = this.removeDuplicateListItems(dedupedHeaders);
-    const listRemovedCount = dedupedHeaders.split('\n').length - dedupedLists.split('\n').length;
-    removedCount += listRemovedCount;
-
-    // 4. 반복되는 패턴 제거
-    const dedupedPatterns = this.removeRepeatingPatterns(dedupedLists);
-    const patternRemovedCount = dedupedLists.split('\n').length - dedupedPatterns.split('\n').length;
-    removedCount += patternRemovedCount;
-
-    return {
-      content: dedupedPatterns,
-      removedCount
-    };
-  }
-
-  /**
-   * 비교를 위해 라인을 정규화합니다
-   * @param {string} line - 라인
-   * @returns {string} 정규화된 라인
-   */
-  normalizeLineForComparison(line) {
-    return line
-      .trim()
-      .toLowerCase()
-      .replace(/\s+/g, ' ')
-      .replace(/[^\w\s가-힣]/g, '');
-  }
-
-  /**
-   * 중복 헤더를 제거합니다
-   * @param {string} content - 콘텐츠
-   * @returns {string} 중복 헤더가 제거된 콘텐츠
-   */
-  removeDuplicateHeaders(content) {
-    const lines = content.split('\n');
-    const filteredLines = [];
-    const seenHeaders = new Set();
-
-    for (const line of lines) {
-      const headerMatch = line.match(/^(#{1,6})\s+(.+)$/);
-      
-      if (headerMatch) {
-        const headerLevel = headerMatch[1].length;
-        const headerText = headerMatch[2].trim().toLowerCase();
-        const headerKey = `${headerLevel}:${headerText}`;
-        
-        if (!seenHeaders.has(headerKey)) {
-          seenHeaders.add(headerKey);
-          filteredLines.push(line);
-        }
-      } else {
-        filteredLines.push(line);
-      }
-    }
-
-    return filteredLines.join('\n');
-  }
-
-  /**
-   * 중복 목록 항목을 제거합니다
-   * @param {string} content - 콘텐츠
-   * @returns {string} 중복 목록 항목이 제거된 콘텐츠
-   */
-  removeDuplicateListItems(content) {
-    const lines = content.split('\n');
-    const filteredLines = [];
-    const seenListItems = new Set();
-
-    for (const line of lines) {
-      const listMatch = line.match(/^\s*([-*+]|\d+\.)\s+(.+)$/);
-      
-      if (listMatch) {
-        const itemText = listMatch[2].trim().toLowerCase();
-        
-        if (!seenListItems.has(itemText)) {
-          seenListItems.add(itemText);
-          filteredLines.push(line);
-        }
-      } else {
-        filteredLines.push(line);
-      }
-    }
-
-    return filteredLines.join('\n');
-  }
-
-  /**
-   * 반복되는 패턴을 제거합니다
-   * @param {string} content - 콘텐츠
-   * @returns {string} 반복 패턴이 제거된 콘텐츠
-   */
-  removeRepeatingPatterns(content) {
-    let processed = content;
-
-    // 1. 연속된 동일한 문자열 제거
-    processed = processed.replace(/(.{10,})\1{2,}/g, '$1');
-
-    // 2. 반복되는 구분선 제거
-    processed = processed.replace(/(-{3,})\n\1(\n\1)*/g, '$1');
-
-    // 3. 반복되는 빈 줄 제거
-    processed = processed.replace(/\n{4,}/g, '\n\n\n');
-
-    // 4. 반복되는 마크다운 태그 제거
-    processed = processed.replace(/(\*{1,3})\s*\1+/g, '$1');
-
-    return processed;
-  }
-
-  /**
-   * 공백을 정규화합니다
-   * @param {string} content - 콘텐츠
-   * @returns {string} 공백이 정규화된 콘텐츠
-   */
-  normalizeWhitespace(content) {
-    return content
-      // 탭을 스페이스로 변환
-      .replace(/\t/g, '  ')
-      // 줄 끝 공백 제거
-      .replace(/[ \t]+$/gm, '')
-      // 연속된 스페이스를 하나로 변환 (마크다운 구조 유지)
-      .replace(/([^\n]) {3,}/g, '$1  ')
-      // 과도한 빈 줄 제거
-      .replace(/\n{4,}/g, '\n\n\n')
-      // 시작과 끝의 불필요한 공백 제거
-      .replace(/^\s+|\s+$/g, '');
-  }
-
-  /**
-   * 마크다운을 정규화합니다
-   * @param {string} content - 콘텐츠
-   * @returns {string} 마크다운이 정규화된 콘텐츠
-   */
-  normalizeMarkdown(content) {
-    return content
-      // 헤더 스타일 통일
-      .replace(/^(#{1,6})\s*(.+)\s*$/gm, '$1 $2')
-      // 목록 스타일 통일
-      .replace(/^\s*[*+]\s+/gm, '- ')
-      // 강조 스타일 통일
-      .replace(/\*\*([^*]+)\*\*/g, '**$1**')
-      .replace(/\*([^*]+)\*/g, '*$1*')
-      // 코드 블록 스타일 통일
-      .replace(/```([^`]*?)```/gs, '```$1```')
-      // 인라인 코드 스타일 통일
-      .replace(/`([^`]+)`/g, '`$1`')
-      // 인용구 스타일 통일
-      .replace(/^\s*>\s*/gm, '> ')
-      // 수평선 스타일 통일
-      .replace(/^\s*[-*_]{3,}\s*$/gm, '---');
-  }
-
-  /**
-   * 링크를 정규화합니다
-   * @param {string} content - 콘텐츠
-   * @returns {string} 링크가 정규화된 콘텐츠
-   */
-  normalizeLinks(content) {
-    // 1. 중복 링크 제거
-    const linkMap = new Map();
-    let linkCounter = 0;
-
-    return content
-      // 마크다운 링크 정규화
-      .replace(/\[([^\]]+)\]\(([^)]+)\)/g, (match, text, url) => {
-        const normalizedUrl = url.trim();
-        
-        if (linkMap.has(normalizedUrl)) {
-          return linkMap.get(normalizedUrl);
-        } else {
-          linkCounter++;
-          const linkRef = `[${text}][${linkCounter}]`;
-          linkMap.set(normalizedUrl, linkRef);
-          return linkRef;
-        }
-      })
-      // 링크 참조 섹션 추가
-      + (linkMap.size > 0 ? '\n\n' + Array.from(linkMap.entries())
-        .map(([url], index) => `[${index + 1}]: ${url}`)
-        .join('\n') : '');
-  }
-
-  /**
-   * 헤더를 정규화합니다
-   * @param {string} content - 콘텐츠
-   * @returns {string} 헤더가 정규화된 콘텐츠
-   */
-  normalizeHeaders(content) {
-    const lines = content.split('\n');
-    const normalizedLines = [];
-    const headerHierarchy = new Map();
-
-    for (const line of lines) {
-      const headerMatch = line.match(/^(#{1,6})\s+(.+)$/);
-      
-      if (headerMatch) {
-        const level = headerMatch[1].length;
-        const text = headerMatch[2].trim();
-        
-        // 헤더 계층 구조 정규화
-        if (level > 1) {
-          let parentLevel = level - 1;
-          while (parentLevel > 0 && !headerHierarchy.has(parentLevel)) {
-            parentLevel--;
-          }
-          
-          if (parentLevel === 0 && level > 2) {
-            // 부모 헤더가 없는 경우 레벨 조정
-            const adjustedLevel = Math.max(1, level - 1);
-            normalizedLines.push(`${'#'.repeat(adjustedLevel)} ${text}`);
-            headerHierarchy.set(adjustedLevel, text);
-          } else {
-            normalizedLines.push(line);
-            headerHierarchy.set(level, text);
-          }
-        } else {
-          normalizedLines.push(line);
-          headerHierarchy.set(level, text);
-        }
-      } else {
-        normalizedLines.push(line);
-      }
-    }
-
-    return normalizedLines.join('\n');
-  }
-
-  /**
-   * 구조를 보존합니다
-   * @param {string} content - 콘텐츠
-   * @returns {string} 구조가 보존된 콘텐츠
-   */
-  preserveStructure(content) {
-    const lines = content.split('\n');
-    const preservedLines = [];
-    let inCodeBlock = false;
-    let codeBlockType = '';
-
-    for (const line of lines) {
-      // 코드 블록 감지
-      if (line.startsWith('```')) {
-        if (!inCodeBlock) {
-          inCodeBlock = true;
-          codeBlockType = line.substring(3);
-        } else if (inCodeBlock && line === '```') {
-          inCodeBlock = false;
-          codeBlockType = '';
-        }
-      }
-
-      // 코드 블록 내부는 그대로 유지
-      if (inCodeBlock) {
-        preservedLines.push(line);
-      } else {
-        // 일반 텍스트 처리
-        if (line.trim() === '') {
-          // 빈 줄은 컨텍스트에 따라 처리
-          const lastLine = preservedLines[preservedLines.length - 1];
-          const nextLineIndex = lines.indexOf(line) + 1;
-          const nextLine = nextLineIndex < lines.length ? lines[nextLineIndex] : '';
-
-          // 헤더 전후, 목록 전후에는 빈 줄 유지
-          if (lastLine && (lastLine.match(/^#{1,6}\s+/) || lastLine.match(/^\s*[-*+]\s+/)) ||
-              nextLine.match(/^#{1,6}\s+/) || nextLine.match(/^\s*[-*+]\s+/)) {
-            preservedLines.push(line);
-          } else if (preservedLines.length > 0 && preservedLines[preservedLines.length - 1] !== '') {
-            preservedLines.push(line);
-          }
-        } else {
-          preservedLines.push(line);
-        }
-      }
-    }
-
-    return preservedLines.join('\n');
-  }
-
-  /**
-   * 텍스트 유사성을 계산합니다
-   * @param {string} text1 - 첫 번째 텍스트
-   * @param {string} text2 - 두 번째 텍스트
-   * @returns {number} 유사성 점수 (0-1)
-   */
-  calculateTextSimilarity(text1, text2) {
-    const words1 = new Set(text1.toLowerCase().split(/\s+/));
-    const words2 = new Set(text2.toLowerCase().split(/\s+/));
-    
-    const intersection = new Set([...words1].filter(word => words2.has(word)));
-    const union = new Set([...words1, ...words2]);
-    
-    return intersection.size / union.size;
-  }
-
-  /**
-   * 압축률을 계산합니다
-   * @param {string} original - 원본 콘텐츠
-   * @param {string} normalized - 정규화된 콘텐츠
-   * @returns {number} 압축률 (백분율)
-   */
-  calculateCompressionRatio(original, normalized) {
-    const originalTokens = this.tokenCounter.countTokens(original);
-    const normalizedTokens = this.tokenCounter.countTokens(normalized);
-    
-    if (originalTokens === 0) return 0;
-    return ((originalTokens - normalizedTokens) / originalTokens) * 100;
-  }
-
-  /**
-   * 정규화 통계를 생성합니다
-   * @param {string} original - 원본 콘텐츠
-   * @param {string} normalized - 정규화된 콘텐츠
-   * @returns {Object} 통계 정보
-   */
-  generateStats(original, normalized) {
-    const originalLines = original.split('\n');
-    const normalizedLines = normalized.split('\n');
-    
-    return {
-      originalLines: originalLines.length,
-      normalizedLines: normalizedLines.length,
-      linesRemoved: originalLines.length - normalizedLines.length,
-      originalTokens: this.tokenCounter.countTokens(original),
-      normalizedTokens: this.tokenCounter.countTokens(normalized),
-      tokensReduced: this.tokenCounter.countTokens(original) - this.tokenCounter.countTokens(normalized),
-      compressionRatio: this.calculateCompressionRatio(original, normalized),
-      originalSize: Buffer.byteLength(original, 'utf8'),
-      normalizedSize: Buffer.byteLength(normalized, 'utf8'),
-      sizeReduction: Buffer.byteLength(original, 'utf8') - Buffer.byteLength(normalized, 'utf8')
-    };
-  }
-
-  /**
-   * 리소스를 정리합니다
-   */
-  cleanup() {
-    if (this.tokenCounter) {
-      this.tokenCounter.cleanup();
-    }
-  }
-}
-
-export default ContentNormalizer;