大量修改二期功能清单内容

2026-08-17 18:26:42 +08:00
parent 36e91aab3c
commit d1ecb52125
76 changed files with 4222 additions and 294 deletions
@@ -0,0 +1,77 @@
+"""上传脚本取正文 —— 只认 docx / txt。
+
+docx 用标准库拆(zip + xml),不引 python-docx:镜像少一个依赖,也避免它对损坏文件抛一堆内部异常。
+段落 = <w:p>,文字 = 其中所有 <w:t> 拼接;<w:br>/<w:tab> 补空白,否则整段会粘成一坨。
+"""
+
+import re
+import zipfile
+from io import BytesIO
+from xml.etree import ElementTree
+
+W_NS = "http://schemas.openxmlformats.org/wordprocessingml/2006/main"
+MAX_UPLOAD_BYTES = 5 * 1024 * 1024  # 脚本是纯文字,5MB 足够;更大的基本是误传
+
+
+class ScriptFileError(ValueError):
+    """取正文失败,message 直接给用户看(中文)。"""
+
+
+def _docx_text(raw: bytes) -> str:
+    try:
+        with zipfile.ZipFile(BytesIO(raw)) as bundle:
+            document = bundle.read("word/document.xml")
+    except KeyError:
+        raise ScriptFileError("这个 docx 里没有正文,请确认文件没有损坏")
+    except zipfile.BadZipFile:
+        raise ScriptFileError("这个文件不是有效的 docx,请另存为 .docx 后重试")
+
+    try:
+        root = ElementTree.fromstring(document)
+    except ElementTree.ParseError:
+        raise ScriptFileError("docx 正文解析失败,请另存一份后重试")
+
+    paragraphs = []
+    for node in root.iter(f"{{{W_NS}}}p"):
+        pieces = []
+        for child in node.iter():
+            tag = child.tag
+            if tag == f"{{{W_NS}}}t":
+                pieces.append(child.text or "")
+            elif tag in (f"{{{W_NS}}}br", f"{{{W_NS}}}cr"):
+                pieces.append("\n")
+            elif tag == f"{{{W_NS}}}tab":
+                pieces.append("\t")
+        line = "".join(pieces).strip()
+        if line:
+            paragraphs.append(line)
+    return "\n".join(paragraphs)
+
+
+def _txt_text(raw: bytes) -> str:
+    # 中文 txt 常见三种落盘编码;utf-8 失败再退 GBK 家族,最后一步忽略坏字节保底出文本。
+    for encoding in ("utf-8-sig", "utf-8", "gb18030"):
+        try:
+            return raw.decode(encoding)
+        except UnicodeDecodeError:
+            continue
+    return raw.decode("utf-8", errors="ignore")
+
+
+def extract_script_text(upload) -> tuple[str, str]:
+    """(文件名, 正文)。只收 docx / txt,其余一律拒绝。"""
+    name = getattr(upload, "name", "") or "script"
+    lowered = name.lower()
+    if not lowered.endswith((".docx", ".txt")):
+        raise ScriptFileError("只支持 docx 和 txt 两种脚本文件")
+
+    raw = upload.read()
+    if len(raw) > MAX_UPLOAD_BYTES:
+        raise ScriptFileError("脚本文件不能超过 5MB")
+
+    text = _docx_text(raw) if lowered.endswith(".docx") else _txt_text(raw)
+    # 统一换行 + 压掉连续空行,避免原稿的排版空白撑爆后面的提示词
+    text = re.sub(r"\n{3,}", "\n\n", text.replace("\r\n", "\n").replace("\r", "\n")).strip()
+    if not text:
+        raise ScriptFileError("没能从这个文件里读到文字,请换一份")
+    return name, text