File size: 4,694 Bytes
6cfe55f | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 | import re
def prepend_source_link(markdown: str | None, source_url: str) -> str | None:
"""
在笔记开头添加来源链接；若首个非空行已包含来源链接，则更新该行并避免重复。
"""
if markdown is None:
return None
source = (source_url or "").strip()
if not source:
return markdown
header = f"> 来源链接：{source}"
lines = markdown.splitlines()
first_non_empty_idx = None
for idx, line in enumerate(lines):
if line.strip():
first_non_empty_idx = idx
break
if first_non_empty_idx is not None:
first_line = lines[first_non_empty_idx].strip()
if first_line.startswith("> 来源链接：") or first_line.startswith("来源链接："):
lines[first_non_empty_idx] = header
return "\n".join(lines)
if markdown.strip():
return f"{header}\n\n{markdown}"
return header
def normalize_toc(markdown: str | None) -> str | None:
"""规范化「## 目录」区块：剥掉目录条目里误带的 `#`/`##` 标题标记。
LLM 有时把章节标题的 `##` 标记原样抄进目录列表（`- ## 1. xxx`），
渲染出来和正文标题一样大。这里只做一件事：把目录区块内所有列表条目
（含缩进子项）开头的标题标记剥掉——嵌套子项、加粗、链接等都允许，
原样保留。没有目录区块时原样返回。
"""
if not markdown:
return markdown
lines = markdown.split('\n')
out = []
in_toc = False
for line in lines:
stripped = line.strip()
# 目录区块开始（容忍 #/##/### 任意级别写法，统一归一为 ##）
if re.match(r'^#{1,6}\s*目录\s*$', stripped):
in_toc = True
out.append('## 目录')
continue
if in_toc:
# 下一个标题出现，目录区块结束
if re.match(r'^#{1,6}\s', stripped):
in_toc = False
out.append(line)
continue
m = re.match(r'^(\s*[-*+]\s+)(.*)$', line)
if m:
prefix, item = m.group(1), m.group(2)
# 只剥条目开头的标题标记；兼容加粗包裹的写法（**## xxx** → **xxx**），
# 缩进/加粗/其余内容全部原样保留
item = re.sub(r'^(\*{0,2})\s*#{1,6}\s+', r'\1', item)
out.append(prefix + item)
continue
# 目录区块内的空行 / 其他杂行原样保留
out.append(line)
continue
out.append(line)
return '\n'.join(out)
def build_timestamp_url(platform: str, video_id: str, total_seconds: int) -> str | None:
"""按平台拼接「跳转到第 total_seconds 秒」的视频链接。
仅 B 站 / YouTube 支持可靠的时间戳跳转；抖音 / 快手 / 小红书等只能给出
视频本身的链接（无时间参数）；无法识别的平台返回 None（调用方降级为纯文本）。
"""
if platform == 'bilibili':
# video_id 形如 BV1xxx 或 BV1xxx_p2（多 P）；_p 段转成查询参数
if "_p" in video_id:
bvid, _, page = video_id.partition("_p")
return f"https://www.bilibili.com/video/{bvid}?p={page}&t={total_seconds}"
return f"https://www.bilibili.com/video/{video_id}?t={total_seconds}"
if platform == 'youtube':
return f"https://www.youtube.com/watch?v={video_id}&t={total_seconds}s"
if platform == 'douyin':
return f"https://www.douyin.com/video/{video_id}"
if platform == 'kuaishou':
return f"https://www.kuaishou.com/short-video/{video_id}"
if platform == 'xiaohongshu':
return f"https://www.xiaohongshu.com/explore/{video_id}"
return None
def replace_content_markers(markdown: str, video_id: str, platform: str = 'bilibili') -> str:
"""
替换 *Content-04:16*、Content-04:16 或 Content-[04:16] 为超链接，跳转到对应平台视频的时间位置
"""
# 匹配三种形式：*Content-04:16*、Content-04:16、Content-[04:16]
pattern = r"(?:\*?)Content-(?:\[(\d{2}):(\d{2})\]|(\d{2}):(\d{2}))"
def replacer(match):
mm = match.group(1) or match.group(3)
ss = match.group(2) or match.group(4)
total_seconds = int(mm) * 60 + int(ss)
url = build_timestamp_url(platform, video_id, total_seconds)
if not url:
# 平台无法拼出链接：降级为纯文本时间，不留下死链
return f"({mm}:{ss})"
return f"[原片 @ {mm}:{ss}]({url})"
return re.sub(pattern, replacer, markdown)
|