textblockrenderer 1.1.0__py3-none-any.whl

textblockrenderer/lang_constants.py

@@ -0,0 +1,468 @@
+"""Language constants for text splitting."""
+
+import re
+
+# 默认英语连词
+EN_CONJUNCTIONS = {
+    "and",
+    "but",
+    "or",
+    "so",
+    "because",
+    "however",
+    "although",
+    "therefore",
+    "if",
+    "then",
+    "else",
+    "when",
+    "while",
+    "since",
+    "until",
+    "unless",
+    "whether",
+    "either",
+    "neither",
+    "nor",
+    "yet",
+    "for",
+    "as",
+}
+
+# 默认标点正则
+DEFAULT_SENTENCE_END = re.compile(r"[.!?]$")
+DEFAULT_COMMA_END = re.compile(r",$")
+
+# 希腊语问号是 ; (0x037E)
+EL_SENTENCE_END = re.compile(r"[.!?\u037E]$")
+
+# 语言特定的句子结束符正则
+SENTENCE_END_MAP = {
+    "EL": EL_SENTENCE_END,
+}
+
+# 语言特定的逗号正则
+COMMA_END_MAP = {
+    # 可以在这里添加特定语言的逗号正则，目前全使用默认
+}
+
+# 多语言连词映射
+CONJUNCTIONS_MAP = {
+    "EN": EN_CONJUNCTIONS,
+    "CS": {  # 捷克语
+        "a",
+        "ale",
+        "nebo",
+        "tak",
+        "protože",
+        "však",
+        "ačkoli",
+        "proto",
+        "pokud",
+        "pak",
+        "jinak",
+        "když",
+        "zatímco",
+        "od",
+        "dokud",
+        "zda",
+        "buď",
+        "ani",
+        "přesto",
+        "pro",
+        "jako",
+    },
+    "PL": {  # 波兰语
+        "i",
+        "ale",
+        "lub",
+        "więc",
+        "ponieważ",
+        "jednak",
+        "chociaż",
+        "dlatego",
+        "jeśli",
+        "wtedy",
+        "inaczej",
+        "kiedy",
+        "podczas",
+        "odkąd",
+        "dopóki",
+        "czy",
+        "albo",
+        "ani",
+        "mimo",
+        "dla",
+        "jak",
+    },
+    "DE": {  # 德语
+        "und",
+        "aber",
+        "oder",
+        "so",
+        "weil",
+        "jedoch",
+        "obwohl",
+        "deshalb",
+        "wenn",
+        "dann",
+        "sonst",
+        "wann",
+        "während",
+        "seit",
+        "bis",
+        "ob",
+        "entweder",
+        "weder",
+        "noch",
+        "doch",
+        "für",
+        "als",
+    },
+    "IT": {  # 意大利语
+        "e",
+        "ma",
+        "o",
+        "quindi",
+        "perché",
+        "tuttavia",
+        "bbene",
+        "perciò",
+        "se",
+        "allora",
+        "altrimenti",
+        "quando",
+        "mentre",
+        "da",
+        "fino",
+        "che",
+        "o",
+        "né",
+        "ancora",
+        "per",
+        "come",
+    },
+    "TR": {  # 土耳其语
+        "ve",
+        "ama",
+        "veya",
+        "bu",
+        "çünkü",
+        "ancak",
+        "rağmen",
+        "nedenle",
+        "eğer",
+        "sonra",
+        "aksi",
+        "ne",
+        "iken",
+        "beri",
+        "kadar",
+        "olup",
+        "ya",
+        "ne",
+        "henüz",
+        "için",
+        "olarak",
+    },
+    "HU": {  # 匈牙利语
+        "és",
+        "de",
+        "vagy",
+        "tehát",
+        "mert",
+        "azonban",
+        "bár",
+        "ezért",
+        "ha",
+        "akkor",
+        "különben",
+        "amikor",
+        "miközben",
+        "mióta",
+        "amíg",
+        "hogy",
+        "vagy",
+        "sem",
+        "mégis",
+        "számára",
+        "mint",
+    },
+    "BG": {  # 保加利亚语
+        "и",
+        "но",
+        "или",
+        "така",
+        "защото",
+        "обаче",
+        "въпреки",
+        "следователно",
+        "ако",
+        "тогава",
+        "иначе",
+        "когато",
+        "докато",
+        "откакто",
+        "докато",
+        "дали",
+        "или",
+        "нито",
+        "все",
+        "за",
+        "като",
+    },
+    "RU": {  # 俄语
+        "и",
+        "но",
+        "или",
+        "так",
+        "потому",
+        "однако",
+        "хотя",
+        "поэтому",
+        "если",
+        "то",
+        "иначе",
+        "когда",
+        "пока",
+        "с",
+        "до",
+        "ли",
+        "либо",
+        "ни",
+        "еще",
+        "для",
+        "как",
+    },
+    "EL": {  # 希腊语
+        "και",
+        "αλλά",
+        "ή",
+        "έτσι",
+        "επειδή",
+        "όμως",
+        "αν",
+        "επομένως",
+        "αν",
+        "τότε",
+        "αλλιώς",
+        "πότε",
+        "ενώ",
+        "από",
+        "μέχρι",
+        "είτε",
+        "είτε",
+        "ούτε",
+        "ακόμα",
+        "για",
+        "όπως",
+    },
+    "RO": {  # 罗马尼亚语
+        "și",
+        "dar",
+        "sau",
+        "deci",
+        "pentru",
+        "totuși",
+        "deși",
+        "prin",
+        "dacă",
+        "atunci",
+        "altfel",
+        "când",
+        "în",
+        "de",
+        "până",
+        "fie",
+        "fie",
+        "nici",
+        "încă",
+        "pentru",
+        "ca",
+    },
+    "UK": {  # 乌克兰语
+        "і",
+        "але",
+        "або",
+        "так",
+        "тому",
+        "проте",
+        "хоча",
+        "тому",
+        "якщо",
+        "тоdi",
+        "інакше",
+        "коли",
+        "поки",
+        "з",
+        "доки",
+        "чи",
+        "або",
+        "ні",
+        "ще",
+        "для",
+        "як",
+    },
+    "FR": {  # 法语
+        "et",
+        "mais",
+        "ou",
+        "donc",
+        "parce",
+        "cependant",
+        "bien",
+        "conséquent",
+        "si",
+        "alors",
+        "sinon",
+        "quand",
+        "pendant",
+        "depuis",
+        "jusqu'à",
+        "sauf",
+        "que",
+        "soit",
+        "ni",
+        "pourtant",
+        "pour",
+        "comme",
+    },
+    "PT": {  # 葡萄牙语
+        "e",
+        "mas",
+        "ou",
+        "então",
+        "porque",
+        "entanto",
+        "embora",
+        "portanto",
+        "se",
+        "então",
+        "senão",
+        "quando",
+        "enquanto",
+        "desde",
+        "até",
+        "se",
+        "ou",
+        "nem",
+        "ainda",
+        "para",
+        "como",
+    },
+    "HR": {  # 克罗地亚语
+        "i",
+        "ali",
+        "ili",
+        "pa",
+        "jer",
+        "međutim",
+        "iako",
+        "stoga",
+        "ako",
+        "onda",
+        "inače",
+        "kada",
+        "dok",
+        "od",
+        "dok",
+        "bilo",
+        "bilo",
+        "ni",
+        "još",
+        "za",
+        "kao",
+    },
+    "NL": {  # 荷兰语
+        "en",
+        "maar",
+        "of",
+        "dus",
+        "omdat",
+        "echter",
+        "hoewel",
+        "daarom",
+        "als",
+        "dan",
+        "anders",
+        "wanneer",
+        "terwijl",
+        "sinds",
+        "totdat",
+        "of",
+        "ofwel",
+        "noch",
+        "toch",
+        "voor",
+        "kzoals",
+    },
+    "DA": {  # 丹麦语
+        "og",
+        "men",
+        "eller",
+        "så",
+        "fordi",
+        "imidlertid",
+        "skønt",
+        "derfor",
+        "hvis",
+        "så",
+        "ellers",
+        "når",
+        "mens",
+        "siden",
+        "indtil",
+        "om",
+        "enten",
+        "hverken",
+        "endnu",
+        "for",
+        "som",
+    },
+    "LT": {  # 立陶宛语
+        "ir",
+        "bet",
+        "arba",
+        "tad",
+        "nes",
+        "tačiau",
+        "nors",
+        "todėl",
+        "jei",
+        "tada",
+        "kitaip",
+        "kada",
+        "kol",
+        "nuo",
+        "iki",
+        "ar",
+        "arba",
+        "nei",
+        "vis",
+        "dėl",
+        "kaip",
+    },
+    "NO": {  # 挪威语
+        "og",
+        "men",
+        "eller",
+        "så",
+        "fordi",
+        "imidlertid",
+        "skjønt",
+        "derfor",
+        "hvis",
+        "så",
+        "ellers",
+        "når",
+        "mens",
+        "siden",
+        "inntil",
+        "om",
+        "enten",
+        "verken",
+        "ennå",
+        "for",
+        "som",
+    },
+}

textblockrenderer/models.py

@@ -0,0 +1,80 @@
+"""Shared data models for text block rendering."""
+
+from typing import List, Optional, Tuple
+from pydantic import BaseModel, Field
+from dataclasses import dataclass
+
+
+@dataclass
+class ColoredSpan:
+    """带颜色和字号的文本片段"""
+
+    text: str
+    color: Optional[str] = None
+    font_size: Optional[int] = None  # 字号（像素）
+
+
+@dataclass
+class ColoredWord:
+    """单个单词及其样式"""
+
+    word: str
+    color: Optional[str] = None
+    font_size: Optional[int] = None  # 字号（像素），None 表示使用默认字号
+    force_newline: bool = False  # 该单词后是否强制换行
+
+
+class FontSpec(BaseModel):
+    """字体配置"""
+
+    font_path: str
+    font_size: int
+    line_spacing: int = 4  # 额外行距
+
+
+class RenderConstraint(BaseModel):
+    """渲染约束
+
+    Attributes:
+        max_width: 最大宽度（像素）
+        max_height: 最大高度（像素），设置为 0 表示高度无限制
+    """
+
+    max_width: int
+    max_height: int = 0  # 默认值 0 表示高度无限制
+
+
+class SubtitleBlock(BaseModel):
+    """纯文本字幕块"""
+
+    text: str
+    lines: List[str]
+
+    width: int
+    height: int
+
+    area_used: int
+    area_remaining: int
+
+
+class ColoredSubtitleBlock(BaseModel):
+    """支持颜色和字号的字幕块"""
+
+    plain_text: str  # 纯文本（去除HTML标签）
+    colored_words: List[ColoredWord]  # 带样式的单词列表
+    lines: List[List[ColoredWord]]  # 按行分组的带样式单词
+    line_heights: List[int] = []  # 每行的高度（支持不同字号）
+    width: int
+    height: int
+    area_used: int
+    area_remaining: int
+
+    class Config:
+        arbitrary_types_allowed = True
+
+
+class SplitConfig(BaseModel):
+    """分割配置"""
+
+    min_words_per_block: int = Field(3, ge=1)
+    language: str = "EN"