md2gost/md2gost/handlers/inline.py

"""Инлайн-рендер: обработка токенов внутри абзацев и заголовков.

Диспетчеризация табличная (registry.INLINE): тип токена -> функция
``(tok) -> str``. Новый инлайн-узел = одна функция с декоратором.
"""

from __future__ import annotations

import re
import sys
from collections.abc import Callable

from markdown_it.token import Token

from md2gost.registry import INLINE, inline

_LATEX_SPECIAL = str.maketrans(
    {
        "&": r"\&",
        "%": r"\%",
        "$": r"\$",
        "#": r"\#",
        "_": r"\_",
        "{": r"\{",
        "}": r"\}",
        "~": r"\textasciitilde{}",
        "^": r"\textasciicircum{}",
        "\\": r"\textbackslash{}",
    }
)


def escape_latex(text: str) -> str:
    return text.translate(_LATEX_SPECIAL)


# Длина слова, начиная с которой ему нужны точки переноса, и символы, после
# которых переносить допустимо. Неразрывный идентификатор вроде
# QT_QPA_PLATFORM=offscreen не помещается в остаток строки целиком, и абзац
# приходится разгонять пробелами.
LONG_TOKEN = 12
BREAK_AFTER = ":/_.-="


def allow_breaks(word: str) -> str:
    """Вставить \\allowbreak после разделителей внутри длинного слова."""
    if len(word) < LONG_TOKEN:
        return word
    out = []
    for ch in word:
        out.append(ch)
        if ch in BREAK_AFTER:
            out.append("\\allowbreak ")
    return "".join(out)


# Инициалы не должны разрываться переносом строки: «/ И.» на одной строке и
# «В.» на следующей — ошибка оформления списка источников. Связываются только
# инициалы между собой: следующее слово с заглавной буквы может оказаться не
# фамилией, а началом названия работы, и тогда неразрывная цепочка получается
# такой длинной, что распирает строку.
_INITIALS_RE = re.compile(r"(?<![\w.])([A-ZА-ЯЁ]\.)\s+(?=[A-ZА-ЯЁ]\.)")


# TeX не переносит слово, содержащее дефис, — «программно-аппаратного» целиком
# не влезает в строку, и абзац приходится разгонять пробелами вдвое шире нормы.
# Шорткат babel «"=» ставит тот же дефис, но разрешает переносы в обеих частях.
_COMPOUND_RE = re.compile(r"(?<=[а-яёА-ЯЁ])-(?=[а-яёА-ЯЁ])")


def split_compounds(text: str) -> str:
    """Разрешить переносы в составных словах через дефис."""
    return _COMPOUND_RE.sub('"=', text)


def bind_initials(text: str) -> str:
    """Заменить пробел после инициала на неразрывный."""
    previous = None
    while previous != text:
        previous = text
        text = _INITIALS_RE.sub(r"\1~", text)
    return text


# ==текст== — пометка правки для рецензента. Разметки такого рода в
# CommonMark нет, поэтому она разбирается здесь, на уровне текстовых узлов:
# внутрь листингов и инлайн-кода регулярное выражение не попадает, и «==»
# в исходниках на C++ остаётся сравнением. Границы выделения примыкают к
# тексту вплотную — как у прочих парных знаков разметки.
_MARK_RE = re.compile(r"==(?=\S)(.+?)(?<=\S)==")


def strip_marks(text: str) -> str:
    """Снять пометки правок, оставив сам текст."""
    return _MARK_RE.sub(lambda match: match.group(1), text)


def render_text(text: str) -> str:
    return split_compounds(bind_initials(escape_latex(text)))


def highlight_word(word: str) -> str:
    """Слово в жёлтой плашке, составное — по плашке на каждую часть.

    Плашка неразрывна, поэтому шорткат переноса «"=» внутри неё не работает
    и «аппаратно-программный» целиком вылезает за поле. Дефис получает свою
    плашку, а точка переноса ставится после неё.
    """
    parts = [part for part in word.split("-") if part]
    return "\\hlw{-}\\allowbreak ".join(f"\\hlw{{{part}}}" for part in parts)


def highlight(text: str) -> str:
    """Жёлтая плашка на каждом слове.

    Одной плашкой на всё выделение строка не разорвётся по его середине,
    а выделять приходится и целые предложения.
    """
    escaped = bind_initials(escape_latex(text))
    return " ".join(highlight_word(word) for word in escaped.split(" ") if word)


def render_marked(text: str, plain: Callable[[str], str] = render_text) -> str:
    """Разобрать пометки правок, остальное отдать ``plain``.

    Подпись рисунка не проходит через инлайн-рендер, но выделять правки
    нужно и в ней, поэтому разбор вынесен из обработчика текстового узла.
    """
    parts: list[str] = []
    end = 0
    for match in _MARK_RE.finditer(text):
        parts.append(plain(text[end : match.start()]))
        parts.append(highlight(match.group(1)))
        end = match.end()
    parts.append(plain(text[end:]))
    return "".join(parts)


@inline("text")
def _text(tok: Token) -> str:
    return render_marked(tok.content)


@inline("strong_open")
def _strong_open(tok: Token) -> str:
    return r"\textbf{"


@inline("strong_close")
def _strong_close(tok: Token) -> str:
    return "}"


@inline("em_open")
def _em_open(tok: Token) -> str:
    return r"\textit{"


@inline("em_close")
def _em_close(tok: Token) -> str:
    return "}"


@inline("code_inline")
def _code_inline(tok: Token) -> str:
    content = " ".join(allow_breaks(w) for w in escape_latex(tok.content).split(" "))
    return f"\\texttt{{\\small {content}}}"


@inline("link_open")
def _link_open(tok: Token) -> str:
    href = str(tok.attrGet("href") or "")
    return f"\\href{{{escape_latex(href)}}}{{"


@inline("link_close")
def _link_close(tok: Token) -> str:
    return "}"


@inline("softbreak")
@inline("hardbreak")
def _break(tok: Token) -> str:
    return "~\\\\"


@inline("math_inline")
def _math_inline(tok: Token) -> str:
    return f"${tok.content}$"


@inline("image")
def _image_in_text(tok: Token) -> str:
    print(
        "предупреждение: картинка внутри текста пропущена "
        "(по ГОСТ рисунок оформляется отдельным абзацем)",
        file=sys.stderr,
    )
    return ""


def render_inline(tok: Token) -> str:
    if not tok.children:
        return escape_latex(tok.content or "")
    return render_inline_tokens(tok.children)


def render_inline_tokens(tokens: list[Token]) -> str:
    parts: list[str] = []
    for tok in tokens:
        handler = INLINE.get(tok.type)
        if handler is not None:
            parts.append(handler(tok))
        else:
            parts.append(escape_latex(tok.content) if tok.content else "")
    return "".join(parts)