Initial clean project import

2026-06-19 18:41:41 +08:00
commit a13b804c7a
1306 changed files with 220568 additions and 0 deletions
@@ -0,0 +1,248 @@
+/**
+ * 抖音内容解析器 - 优化版
+ * 特点：
+ * 1. 不需要打开浏览器
+ * 2. 支持抖音分享链接格式解析
+ * 3. 智能提取视频文案、链接、话题标签
+ */
+
+interface DouyinContent {
+  videoUrl: string;          // 提取的视频链接
+  description: string;       // 视频文案
+  hashtags: string[];        // 话题标签
+  rawText: string;          // 原始文本
+}
+
+interface ParseResult {
+  success: boolean;
+  content?: DouyinContent;
+  error?: string;
+}
+
+class DouyinContentParser {
+  private static readonly DIRECT_VIDEO_PATTERN = /https?:\/\/[^\s"'<>]+?\.(mp4|mov|m4v|webm|avi|mkv)(\?[^\s"'<>]*)?/i;
+  /**
+   * 从混杂文本中提取抖音内容
+   * 支持格式：
+   * 1. 纯链接：https://v.douyin.com/HjUnkVdzqU/
+   * 2. 分享格式：文案 + 链接 + 说明文字
+   * 3. 富文本：包含话题标签、emoji等
+   */
+  static parseContent(input: string): ParseResult {
+    try {
+      const raw = input.trim();
+
+      if (!raw) {
+        return {
+          success: false,
+          error: '输入内容为空'
+        };
+      }
+
+      // 1. 提取视频URL
+      const videoUrl = this.extractVideoUrl(raw);
+      if (!videoUrl) {
+        return {
+          success: false,
+          error: '未找到有效的抖音视频链接'
+        };
+      }
+
+      // 2. 提取视频文案（从文本中去掉URL和说明文字后的内容）
+      const description = this.extractDescription(raw, videoUrl);
+
+      // 3. 提取话题标签
+      const hashtags = this.extractHashtags(raw);
+
+      return {
+        success: true,
+        content: {
+          videoUrl,
+          description,
+          hashtags,
+          rawText: raw
+        }
+      };
+
+    } catch (error) {
+      return {
+        success: false,
+        error: `解析失败: ${error instanceof Error ? error.message : String(error)}`
+      };
+    }
+  }
+
+  /**
+   * 提取视频URL
+   * 支持多种格式：
+   * - https://v.douyin.com/HjUnkVdzqU/
+   * - https://www.douyin.com/video/7123456789
+   * - https://iesdouyin.com/...
+   */
+  private static extractVideoUrl(text: string): string | null {
+    const directVideoMatch = text.match(this.DIRECT_VIDEO_PATTERN);
+    if (directVideoMatch?.[0]) {
+      return directVideoMatch[0];
+    }
+
+    // 多种URL模式
+    const patterns = [
+      // 短链接格式：https://v.douyin.com/HjUnkVdzqU/
+      /https:\/\/v\.douyin\.com\/[\w_\-@]+\/?/i,
+      // www格式：https://www.douyin.com/video/7123456789
+      /https:\/\/(?:www\.)?douyin\.com\/(?:video|modal)\/\d+/i,
+      // iesdouyin格式
+      /https:\/\/iesdouyin\.com\/(?:share\/video|video)\/\d+/i,
+      // 简化版本（不带https）
+      /v\.douyin\.com\/[\w_\-@]+/i,
+      /douyin\.com\/(?:video|modal)\/\d+/i
+    ];
+
+    for (const pattern of patterns) {
+      const match = text.match(pattern);
+      if (match) {
+        let url = match[0];
+        // 补充 https:// 前缀（如果缺失）
+        if (!url.startsWith('http')) {
+          url = 'https://' + url;
+        }
+        // 确保以斜杠结尾（短链接）或不重复（标准链接）
+        return url;
+      }
+    }
+
+    return null;
+  }
+
+  static isDirectVideoUrl(url: string): boolean {
+    return this.DIRECT_VIDEO_PATTERN.test(url.trim());
+  }
+
+  /**
+   * 提取视频文案
+   * 规则：
+   * 1. 从第一个非whitespace字符开始
+   * 2. 到URL出现前的所有文本
+   * 3. 去掉尾部的"复制此链接"等说明文字
+   */
+  private static extractDescription(text: string, videoUrl: string): string {
+    // 找到URL在文本中的位置
+    const urlIndex = text.indexOf(videoUrl);
+
+    let descriptionText = '';
+    if (urlIndex > 0) {
+      // URL前面的文本可能是文案
+      descriptionText = text.substring(0, urlIndex).trim();
+    } else {
+      // 如果找不到完整URL，尝试提取URL后的内容
+      // 这种情况很少，但作为后备方案
+      const descriptionMatch = text.match(/^([^h]*?)(?:https?:\/\/|$)/);
+      if (descriptionMatch && descriptionMatch[1]) {
+        descriptionText = descriptionMatch[1].trim();
+      }
+    }
+
+    // 清理文案中可能存在的噪音
+    descriptionText = this.cleanDescription(descriptionText);
+
+    return descriptionText;
+  }
+
+  /**
+   * 清理文案中的噪音
+   * 1. 去掉行号标记（2.05 03/10 等）
+   * 2. 去掉乱码和特殊前缀
+   * 3. 保留正常内容
+   */
+  private static cleanDescription(text: string): string {
+    if (!text) return '';
+
+    // 去掉开头的时间戳或版本号（如 "2.05 03/10"）
+    let cleaned = text.replace(/^[\d\s\.\/]+/, '').trim();
+
+    // 去掉开头的乱码或特殊字符（如 "i@p.Qx rRX:/" 这样的）
+    // 如果开头包含太多特殊字符和数字的混合，说明是乱码
+    const startMatch = cleaned.match(/^[^\u4e00-\u9fff\w\s]*(.*)$/);
+    if (startMatch && startMatch[1]) {
+      // 如果清理后还有内容，就用清理后的
+      const potential = startMatch[1].trim();
+      if (potential.length > 0) {
+        cleaned = potential;
+      }
+    }
+
+    // 如果清理后发现全是特殊字符或数字，返回空
+    if (/^[\W_]+$/.test(cleaned)) {
+      return '';
+    }
+
+    return cleaned;
+  }
+
+  /**
+   * 提取话题标签
+   * 支持：#话题、#话题名、@用户 等格式
+   */
+  private static extractHashtags(text: string): string[] {
+    const hashtags: string[] = [];
+
+    // 匹配 #话题 格式（包括中英文）
+    const hashtagPattern = /#[\w\u4e00-\u9fff_]+/g;
+    const matches = text.match(hashtagPattern);
+
+    if (matches) {
+      // 去重并返回
+      hashtags.push(...Array.from(new Set(matches)));
+    }
+
+    return hashtags;
+  }
+
+  /**
+   * 提取视频ID（用于后续处理）
+   */
+  static extractVideoId(videoUrl: string): string | null {
+    // 短链接格式：v.douyin.com/HjUnkVdzqU/ -> HjUnkVdzqU
+    const shortMatch = videoUrl.match(/v\.douyin\.com\/([\w_\-@]+)/i);
+    if (shortMatch) {
+      return shortMatch[1];
+    }
+
+    // 标准链接格式：/video/7123456789 -> 7123456789
+    const standardMatch = videoUrl.match(/\/(?:video|modal)\/(\d+)/i);
+    if (standardMatch) {
+      return standardMatch[1];
+    }
+
+    return null;
+  }
+
+  /**
+   * 为文案生成一个合理的标题
+   * 规则：从文案中截取第一句话，或前N个字符
+   */
+  static generateTitleFromDescription(description: string, maxLength: number = 30): string {
+    if (!description) {
+      return '分享精彩内容';
+    }
+
+    // 尝试找到第一个句号、问号或感叹号
+    const sentenceEnd = description.match(/[。！？\n]/);
+    let title = '';
+
+    if (sentenceEnd) {
+      title = description.substring(0, sentenceEnd.index).trim();
+    } else {
+      title = description;
+    }
+
+    // 限制长度
+    if (title.length > maxLength) {
+      title = title.substring(0, maxLength) + '...';
+    }
+
+    return title || '精彩分享';
+  }
+}
+
+export { DouyinContentParser, DouyinContent, ParseResult };