CloudBuilder/CloudBuilder.AI.Service/Utility/SentenceSplitter.cs

using CloudBuilder.AI.Entity;
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Text.RegularExpressions;
using System.Threading.Tasks;

namespace CloudBuilder.AI.Service.Utility
{
    /// <summary>
    /// 智能句子分割器
    /// </summary>
    public class SentenceSplitter
    {
        // 成对引号配置数组（可自由扩展，格式：[左引号, 右引号]）
        private readonly List<(string LeftQuote, string RightQuote)> _quotePairs;
        // 动态生成的正则表达式（匹配所有配置的引号类型）
        private Regex _dynamicQuotePattern;
        // 引号内必须包含的结尾标点集合
        private readonly string _endPunctuations = "？！。，；：、……～·";

        /// <summary>
        /// 默认构造函数：初始化常用成对引号（中文、英文、直角引号）
        /// </summary>
        public SentenceSplitter()
        {
            _quotePairs = new List<(string, string)>
        {
            ("“", "”"),    // 中文弯引号
            ("\"", "\""),  // 英文双引号（需转义）
            ("〝", "〞"),   // 中文直角引号
            ("「", "」")    // 中文方头引号（可选扩展）
        };
            InitDynamicRegex();
        }

        /// <summary>
        /// 自定义构造函数：允许外部传入任意成对引号配置
        /// </summary>
        /// <param name="customQuotePairs">自定义成对引号列表</param>
        public SentenceSplitter(List<(string LeftQuote, string RightQuote)> customQuotePairs)
        {
            _quotePairs = customQuotePairs ?? new List<(string, string)>();
            InitDynamicRegex();
        }

        /// <summary>
        /// 初始化动态正则：根据配置的成对引号生成匹配规则
        /// </summary>
        private void InitDynamicRegex()
        {
            if (_quotePairs.Count == 0)
            {
                // 空配置时生成空正则，避免匹配任何内容
                _dynamicQuotePattern = new Regex(@"^$", RegexOptions.Compiled);
                return;
            }

            // 步骤1：转义所有引号（避免正则特殊字符冲突），拼接左/右引号匹配组
            string escapedLeftQuotes = string.Join("|", _quotePairs.Select(p => Regex.Escape(p.LeftQuote)));
            string escapedRightQuotes = string.Join("|", _quotePairs.Select(p => Regex.Escape(p.RightQuote)));
            // 步骤2：转义标点集合，避免正则解析错误
            string escapedPunctuations = Regex.Escape(_endPunctuations);

            // 步骤3：构建动态正则表达式
            // 分组说明：
            // ?<left>：匹配配置的任意左引号
            // ?<content>：匹配引号内的内容（必须以指定标点结尾）
            // ?<right>：匹配配置的任意右引号
            string regexPattern = $@"(?<left>{escapedLeftQuotes})(?<content>.+?[{escapedPunctuations}])(?<right>{escapedRightQuotes})";
            _dynamicQuotePattern = new Regex(regexPattern, RegexOptions.Compiled | RegexOptions.Singleline);
        }

        /// <summary>
        /// 核心分割方法：按配置的成对引号分割文本，结果无引号字符
        /// </summary>
        /// <param name="input">待分割的文本（如：“其他标点符号，如？”紫茜的秀目 或 "其他标点符号，如？"紫茜的秀目）</param>
        /// <returns>分割后的纯文本列表</returns>
        public List<AiSentenceEntity> SplitByConfigurableQuotes(AiParagraphEntity aiParagraphEntity)
        {
            AiSentenceEntity aiSentence;
            int sentenceIndex = 1;
            // 空值/空白校验
            if (string.IsNullOrWhiteSpace(aiParagraphEntity.Content))
            {
                return new List<AiSentenceEntity>();
            }

            List<AiSentenceEntity> result = new List<AiSentenceEntity>();
            string remainingText = aiParagraphEntity.Content.Trim();
            int lastMatchEnd = 0;

            // 遍历所有匹配的「引号+内容+标点+引号」文本块
            foreach (Match match in _dynamicQuotePattern.Matches(remainingText))
            {
                // 1. 提取匹配的左/右引号，校验是否为成对配置
                string matchedLeft = match.Groups["left"].Value;
                string matchedRight = match.Groups["right"].Value;
                bool isPairMatched = _quotePairs.Any(p => p.LeftQuote == matchedLeft && p.RightQuote == matchedRight);
                if (!isPairMatched)
                {
                    continue; // 非成对引号，跳过该匹配（避免“xxx"这类混合匹配）
                }

                // 2. 提取引号前的文本（过滤空值）
                string prefixText = remainingText.Substring(lastMatchEnd, match.Index - lastMatchEnd).Trim();
                if (!string.IsNullOrEmpty(prefixText))
                {
                    aiSentence = new AiSentenceEntity();
                    aiSentence.Guid = Guid.NewGuid().ToString();
                    aiSentence.Content = prefixText;
                    aiSentence.DialogueIndc = YesNoPolicy.NO;
                    aiSentence.SentenceIndex = sentenceIndex++;
                    aiSentence.ParagraphGuid = aiParagraphEntity.Guid;
                    aiSentence.Status = "G";
                    //D-【待确认对话】p-【待确认人物】A-【等待分配角色】G-【生成中】C-【完成】
                    result.Add(aiSentence);
                }

                // 3. 提取引号内的纯内容（无引号字符）
                string quotedContent = match.Groups["content"].Value.Trim();
                if (!string.IsNullOrEmpty(quotedContent))
                {
                    aiSentence = new AiSentenceEntity();
                    aiSentence.Guid = Guid.NewGuid().ToString();
                    aiSentence.Content = quotedContent;
                    aiSentence.DialogueIndc = YesNoPolicy.YES;
                    aiSentence.SentenceIndex = sentenceIndex++;
                    aiSentence.ParagraphGuid = aiParagraphEntity.Guid;
                    aiSentence.Status = "P";
                    //D-【待确认对话】p-【待确认人物】A-【等待分配角色】G-【生成中】C-【完成】
                    result.Add(aiSentence);
                }

                // 更新最后匹配位置
                lastMatchEnd = match.Index + match.Length;
            }

            // 4. 提取最后一个匹配项后的剩余文本
            string suffixText = remainingText.Substring(lastMatchEnd).Trim();
            if (!string.IsNullOrEmpty(suffixText))
            {
                aiSentence = new AiSentenceEntity();
                aiSentence.Guid = Guid.NewGuid().ToString();
                aiSentence.Content = suffixText;
                aiSentence.DialogueIndc = YesNoPolicy.NO;
                aiSentence.SentenceIndex = sentenceIndex++;
                aiSentence.ParagraphGuid = aiParagraphEntity.Guid;
                aiSentence.Status = "G";
                //D-【待确认对话】p-【待确认人物】A-【等待分配角色】G-【生成中】C-【完成】
                result.Add(aiSentence);
            }

            return result;
        }

        /// <summary>
        /// 新增：判断文本是否包含对话内容
        /// </summary>
        /// <param name="text">待判断的文本（句子/段落）</param>
        /// <returns>true=包含对话，false=纯旁白/空文本</returns>
        public bool IsDialogue(string text)
        {
            // 1. 处理空文本/NULL，直接返回false
            if (string.IsNullOrWhiteSpace(text))
                return false;

            // 2. 文本预处理：去空格、统一全角/半角引号
            string cleanedText = text.Trim();
            // 替换全角空格为半角，避免干扰判断
            cleanedText = Regex.Replace(cleanedText, @"　", " ");
            // 统一引号格式（中文弯引号、直引号 → 标准双引号）
            cleanedText = cleanedText.Replace("“", "\"")
                                     .Replace("”", "\"")
                                     .Replace("〝", "\"")
                                     .Replace("〞", "\"")
                                     .Replace("「", "\"")
                                     .Replace("」", "\"")
                                     .Replace("‘", "'")
                                     .Replace("’", "'");

            // 3. 核心判断规则：
            // - 包含成对/单个双引号（排除仅含引号无内容的情况）
            // - 包含冒号+引号（如："XXX说："XXX"" 场景）
            var hasQuote = Regex.IsMatch(cleanedText, @""".+?""") ||  // 成对双引号（含内容）
                           Regex.IsMatch(cleanedText, @":\s*""");    // 冒号后接引号（说话人+对话）
            var hasSingleQuote = Regex.IsMatch(cleanedText, @"'[^']+'"); // 成对单引号（英文对话）

            // 4. 排除仅含引号符号的无效情况（如 ""、''、“”）
            var onlyQuote = Regex.IsMatch(cleanedText, @"^\s*[""''“”]{1,2}\s*$");

            // 最终判断：包含有效引号且不是仅含引号 → 判定为对话
            return (hasQuote || hasSingleQuote) && !onlyQuote;
        }
    }
}