cfunbook 0.1.0__tar.gz

cfunbook-0.1.0/PKG-INFO

@@ -0,0 +1,10 @@
+Metadata-Version: 2.3
+Name: cfunbook
+Version: 0.1.0
+Summary: Add your description here
+Author: zscqsmy
+Author-email: zscqsmy <1228075512@qq.com>
+Requires-Dist: mneia-isbn>=0.0.3
+Requires-Python: >=3.12
+Description-Content-Type: text/markdown
+

cfunbook-0.1.0/pyproject.toml

@@ -0,0 +1,16 @@
+[project]
+name = "cfunbook"
+version = "0.1.0"
+description = "Add your description here"
+readme = "README.md"
+authors = [
+    { name = "zscqsmy", email = "1228075512@qq.com" }
+]
+requires-python = ">=3.12"
+dependencies = [
+    "mneia-isbn>=0.0.3",
+]
+
+[build-system]
+requires = ["uv_build>=0.9.18,<0.10.0"]
+build-backend = "uv_build"

cfunbook-0.1.0/src/cfunbook/__init__.py

@@ -0,0 +1,3 @@
+from .base import extract_isbn, extract_ssid, extract_year_month
+
+__all__ = ["extract_isbn", "extract_year_month", "extract_ssid"]

cfunbook-0.1.0/src/cfunbook/base.py

@@ -0,0 +1,234 @@
+import re
+from datetime import datetime
+from pathlib import Path
+
+from mneia_isbn import ISBN
+
+_SSID_PATTERN = re.compile(r"(?<![0-9a-zA-Z])\d{8}(?![0-9a-zA-Z])")
+_SSID_FORBIDDEN_PREFIX_PATTERN = re.compile(r"^(1[7-9]|2\d|7\d)\d{6}$")
+_ISBN_CANDIDATE_PATTERN = re.compile(r"(?<!\d)(\d{9}[0-9Xx]|\d{13})(?!\d)")
+_ISBN_SEPARATOR_PATTERN = re.compile(r"[-·\s]")
+_MULTI_SPACE_PATTERN = re.compile(r"\s+")
+_TITLE_EXT_PATTERN = re.compile(
+    r"\.(pdf|epub|mobi|txt|docx|doc|fb2|djvu|tar.gz|rar|zip|uvz|azw3|7z|pdz|caj)$",
+    flags=re.IGNORECASE,
+)
+_YEAR_ONLY_PATTERN = re.compile(r"^\s*(\d{4})\s*(?:年)?\s*$")
+_DATE_WITH_MONTH_PATTERN = re.compile(r"^\s*(\d{4})\s*[年\-\./]\s*(\d{1,2})(?:\s*[月\-\./]\s*\d{1,2}\s*(?:日)?)?\s*$")
+_DATE_YYYYMMDD_PATTERN = re.compile(r"^\s*(\d{4})(\d{2})(\d{2})\s*$")
+
+
+def is_valid_date(text: str) -> bool:
+    """
+    判断 8 位数字是否可解释为有效日期。
+
+    支持两种形式：
+    - YYYYMMDD
+    - YYYYDDMM（兼容少见写法）
+    """
+    if len(text) != 8:
+        return False
+
+    try:
+        year = int(text[:4])
+        month = int(text[4:6])
+        day = int(text[6:8])
+        if 1700 <= year <= 2950 and 1 <= month <= 12 and 1 <= day <= 31:
+            datetime(year, month, day)
+            return True
+    except ValueError:
+        pass
+
+    try:
+        year = int(text[:4])
+        day = int(text[4:6])
+        month = int(text[6:8])
+        if 1900 <= year <= 2100 and 1 <= month <= 12 and 1 <= day <= 31:
+            datetime(year, month, day)
+            return True
+    except ValueError:
+        pass
+
+    return False
+
+
+def extract_year_month(text: str) -> str:
+    """
+    将日期相关字符串规范化为 YYYY.MM 或 YYYY。
+
+    规则：
+    - 形如 YYYY年MM月DD日 / YYYY-MM-DD / YYYY/MM/DD / YYYY.MM.DD / YYYYMMDD -> YYYY.MM
+    - 形如 YYYY 或 YYYY年 -> YYYY
+    - 月份不足两位时补零
+    - 输入无法识别时返回空字符串
+    """
+    if not text or not isinstance(text, str):
+        return ""
+
+    match = _YEAR_ONLY_PATTERN.fullmatch(text)
+    if match:
+        return match.group(1)
+
+    match = _DATE_YYYYMMDD_PATTERN.fullmatch(text)
+    if match:
+        year = int(match.group(1))
+        month = int(match.group(2))
+        day = int(match.group(3))
+        try:
+            datetime(year, month, day)
+        except ValueError:
+            return ""
+        return f"{year:04d}.{month:02d}"
+
+    match = _DATE_WITH_MONTH_PATTERN.fullmatch(text)
+    if not match:
+        return ""
+
+    year = int(match.group(1))
+    month = int(match.group(2))
+
+    if not 1 <= month <= 12:
+        return ""
+
+    return f"{year:04d}.{month:02d}"
+
+
+def extract_ssid(text: str | int) -> int | None:
+    """
+    从文本中提取第一个 SSID（8 位数字）。
+
+    规则：
+    - 必须是独立数字块（前后不能紧邻字母或数字）
+    - 排除可识别为日期的 8 位数字
+    - 首位不能为 0
+    - 前两位不能在 17~29 之间（即排除 17/18/19 和所有 2 开头）
+    - 不能以 7 开头
+
+    返回：
+    - 提取成功：SSID 整数
+    - 提取失败：None
+    """
+    if isinstance(text, int):
+        text_str = str(text)
+        if 10000000 <= text <= 99999999 and not is_valid_date(text_str) and not _SSID_FORBIDDEN_PREFIX_PATTERN.fullmatch(text_str):
+            return text
+        return None
+
+    if not text or not isinstance(text, str):
+        return None
+
+    for match in _SSID_PATTERN.findall(text):
+        if not is_valid_date(match) and len(match) == 8 and match[0] != "0" and not _SSID_FORBIDDEN_PREFIX_PATTERN.fullmatch(match):
+            return int(match)
+
+    return None
+
+
+def extract_isbn(text: str) -> str:
+    """
+    从文本中提取第一个有效 ISBN，并统一返回 ISBN-13。
+
+    支持：
+    - ISBN-10（末位可为 X/x）
+    - ISBN-13
+    - 文本中含空格、短横线、间隔符（会先清理）
+    """
+    if not text or not isinstance(text, str):
+        return ""
+
+    clean_text = _ISBN_SEPARATOR_PATTERN.sub("", text)
+
+    for candidate in _ISBN_CANDIDATE_PATTERN.findall(clean_text):
+        try:
+            if candidate[-1] == "x":
+                candidate = candidate[:-1] + "X"
+
+            bn = ISBN(candidate)
+            if bn.is_valid:
+                return bn.as_isbn13
+
+            if len(candidate) == 10:
+                bn3 = ISBN("978" + candidate)
+                if bn3.is_valid:
+                    return bn3.as_isbn13
+                continue
+
+            if candidate.startswith("978") and len(candidate) == 13:
+                bn2 = ISBN(candidate[3:])
+                if bn2.is_valid:
+                    return bn2.as_isbn13
+                continue
+
+            if candidate.startswith("987") and len(candidate) == 13:
+                bn3 = ISBN(f"978{candidate[3:]}")
+                if bn3.is_valid:
+                    return bn3.as_isbn13
+                continue
+        except Exception:
+            pass
+
+    return ""
+
+
+def extract_filetype(filename: str | Path) -> str | None:
+    """
+    从文件名提取合法扩展名并返回小写。
+
+    规则：
+    - 只取最后一段后缀（如 tar.gz 返回 gz）
+    - 仅允许字母和数字
+    - 长度需小于 5
+    """
+    suffix = Path(filename).suffix
+    if not suffix:
+        return None
+
+    ext = suffix[1:].lower()
+    if len(ext) >= 5:
+        return None
+
+    if re.fullmatch(r"[A-Za-z0-9]+", ext):
+        return ext.lower()
+
+    return None
+
+
+def is_ssid_or_isbn(text: str) -> bool:
+    """
+    判断文本是否包含可识别的 SSID 或 ISBN。
+    """
+    return bool(extract_ssid(text) or extract_isbn(text))
+
+
+def normalize_title(title: str) -> str:
+    """
+    规范化标题文本。
+
+    处理步骤：
+    - 合并多余空白
+    - 去掉常见电子书扩展名
+    - 移除可识别的 SSID / ISBN
+    - 将下划线和竖线标准化为空格
+    """
+    title = title.strip()
+    title = _MULTI_SPACE_PATTERN.sub(" ", title)
+    title = _TITLE_EXT_PATTERN.sub("", title)
+
+    ssid = extract_ssid(title)
+    if ssid is not None:
+        title = title.replace(str(ssid), "")
+
+    isbn = extract_isbn(title)
+    if isbn:
+        title1 = title.replace(isbn, "")
+        if title1 != title:
+            title = title1
+        else:
+            title1 = re.sub(r"[-—一·\s]", "", title)
+            title1 = title1.replace(isbn, "")
+            title = title1
+
+    title = title.replace("_", " ").replace("│", " ")
+    title = _MULTI_SPACE_PATTERN.sub(" ", title).strip()
+
+    return title