lanyuanxiaoyao
750ef50a8d
简化 parse_input() 为纯调度器，通过遍历 readers 的 supports() 方法识别输入类型，移除 URL 特殊处理和文件检查逻辑。各 reader 的 parse() 方法负责完整验证（文件存在、格式有效性）。 新增功能： - 添加 chardet 编码自动检测，支持多种中文编码回退机制 - 创建统一配置类管理编码、下载超时、日志等级等配置项 - HTML reader 支持本地文件编码检测和 URL 统一处理 安全性改进： - 修复 safe_open_zip() 路径遍历漏洞，使用 pathlib 规范化路径 - 添加边界检查，search_markdown() 检查负数参数 其他改进： - 修复类型注解（argparse.Namespace） - 日志系统仅输出 ERROR 级别，避免干扰 Markdown 输出 - 更新 BaseReader 接口文档，明确 supports() 和 parse() 职责划分 - 同步 delta specs 到主 specs（document-reading、html-reader、configuration、encoding-detection）
76 lines
2.3 KiB
Python
76 lines
2.3 KiB
Python
"""统一解析调度器，负责根据输入类型选择合适的 reader 进行解析。"""
|
|
|
|
import argparse
|
|
import sys
|
|
from typing import List, Optional, Tuple
|
|
|
|
from core.exceptions import FileDetectionError, ReaderNotFoundError
|
|
from core.markdown import (
|
|
normalize_markdown_whitespace,
|
|
remove_markdown_images,
|
|
)
|
|
from readers import BaseReader
|
|
|
|
|
|
def parse_input(
|
|
input_path: str,
|
|
readers: List[BaseReader],
|
|
) -> Tuple[Optional[str], List[str]]:
|
|
"""
|
|
统一解析入口函数，遍历 readers 选择合适的 reader 进行解析。
|
|
|
|
返回: (content, failures)
|
|
- content: 成功时返回 Markdown 内容，失败时返回 None
|
|
- failures: 各解析器的失败原因列表
|
|
"""
|
|
if not input_path:
|
|
raise FileDetectionError("输入路径不能为空")
|
|
|
|
for reader in readers:
|
|
if reader.supports(input_path):
|
|
return reader.parse(input_path)
|
|
|
|
raise ReaderNotFoundError(f"未找到支持的 reader: {input_path}")
|
|
|
|
|
|
def process_content(content: str) -> str:
|
|
"""处理解析后的 Markdown 内容"""
|
|
content = remove_markdown_images(content)
|
|
content = normalize_markdown_whitespace(content)
|
|
return content
|
|
|
|
|
|
def output_result(
|
|
content: str,
|
|
args: argparse.Namespace,
|
|
) -> None:
|
|
"""根据命令行参数输出结果"""
|
|
if args.count:
|
|
print(len(content.replace("\n", "")))
|
|
elif args.lines:
|
|
print(len(content.split("\n")))
|
|
elif args.titles:
|
|
from core.markdown import extract_titles
|
|
|
|
titles = extract_titles(content)
|
|
for title in titles:
|
|
print(title)
|
|
elif args.title_content:
|
|
from core.markdown import extract_title_content
|
|
|
|
title_content = extract_title_content(content, args.title_content)
|
|
if title_content is None:
|
|
print(f"错误: 未找到标题 '{args.title_content}'")
|
|
sys.exit(1)
|
|
print(title_content, end="")
|
|
elif args.search:
|
|
from core.markdown import search_markdown
|
|
|
|
search_result = search_markdown(content, args.search, args.context)
|
|
if search_result is None:
|
|
print(f"错误: 正则表达式无效或未找到匹配: '{args.search}'")
|
|
sys.exit(1)
|
|
print(search_result, end="")
|
|
else:
|
|
print(content, end="")
|