FamilyBook/app/BookNoteImport.php

<?php
/**
 * 读书笔记导入（v24 第 14 批 用户第 5 条：「可以导入微信读书等各种读书软件的读书笔记」）。
 *
 * 为什么自己写解析而不是要求用户填 CSV：
 *   各家读书 App 的导出都是**给人看的文本**（微信读书复制出来就是一大段 Markdown），
 *   没有两家格式一样，也没有稳定的机器格式。让人先去"整理成 CSV"等于没做这个功能。
 *   所以这里做的是**宽容解析**：认得出书名的分行、认得出划线/想法的标记，
 *   认不出的部分按上下文归类 —— 宁可归类得不完美，也不要丢字。
 *
 * 认得的标记（都来自真机复制出来的样本）：
 *   · 书名    —— `## 活着` / `# 活着` / `《活着》` / `活着（余华）`
 *   · 作者    —— 书名行里的括号、或 `作者：余华`
 *   · 章节    —— `◆ 第一章 xxx`
 *   · 划线    —— `> 原文`、`### 划线` 之后的裸行
 *   · 想法    —— `>> 我的想法`、`### 笔记` / `### 想法` 之后的裸行
 *
 * ⚠️ 只做**纯文本**：不解析 HTML（微信读书导出还有 HTML 版，但那种各家模板不同，
 *    而且要防注入 —— 用户贴进来的东西一律当纯文本存，页面展示时转义）。
 */

declare(strict_types=1);

namespace App;

final class BookNoteImport
{
    /** 解析一大段文本 → 若干本书 + 各自的笔记 */
    public static function parse(string $raw): array
    {
        $raw   = str_replace(["\r\n", "\r"], "\n", trim($raw));
        $lines = explode("\n", $raw);
        $books = [];
        $cur   = -1;          // 当前书在 $books 里的下标
        $mode  = 'quote';     // 当前归类：quote（划线）/ note（想法）
        $chapter = '';

        foreach ($lines as $ln) {
            $t = trim($ln);
            if ($t === '') {
                continue;
            }

            // ---- 书名：Markdown 标题 / 《》 / 单独一行且很短 ----
            $heading = self::headingText($t);
            $isSection = $heading !== null && self::isSectionWord($heading);
            if ($heading !== null && !$isSection) {
                [$title, $author] = self::splitTitleAuthor($heading);
                if ($title !== '') {
                    $books[] = ['title' => $title, 'author' => $author, 'notes' => []];
                    $cur = count($books) - 1;
                    $mode = 'quote';
                    $chapter = '';
                    continue;
                }
            }
            if (preg_match('/^《(.+?)》/u', $t, $m)) {
                [$title, $author] = self::splitTitleAuthor(trim($m[1]) . mb_substr($t, mb_strlen($m[0], 'UTF-8'), null, 'UTF-8'));
                $books[] = ['title' => $title, 'author' => $author, 'notes' => []];
                $cur = count($books) - 1;
                $mode = 'quote';
                $chapter = '';
                continue;
            }
            // ---- 分节标记：划线 / 笔记 / 想法 ----
            if ($isSection) {
                $mode = self::modeOfWord($heading);
                continue;
            }
            // ---- 作者行 ----
            if ($cur >= 0 && preg_match('/^(作者|作者名)\s*[:：]\s*(.+)$/u', $t, $m)) {
                if ((string)$books[$cur]['author'] === '') {
                    $books[$cur]['author'] = trim($m[2]);
                }
                continue;
            }
            // ---- 章节：◆ / ● 开头 ----
            if (preg_match('/^[◆●]\s*(.+)$/u', $t, $m)) {
                $chapter = mb_substr(trim($m[1]), 0, 200, 'UTF-8');
                continue;
            }
            // ---- 时间行（2023-05-12 / 2023年5月12日）→ 丢掉，它不是笔记内容 ----
            if (preg_match('/^\d{4}[-\/年]\d{1,2}[-\/月]\d{1,2}/u', $t)
                && mb_strlen($t, 'UTF-8') <= 30) {
                continue;
            }
            // ---- 想法：`>>` 开头 ----
            if (strpos($t, '>>') === 0) {
                $c = trim(mb_substr($t, 2, null, 'UTF-8'));
                if ($c !== '') {
                    self::push($books, $cur, 'note', $chapter, $c);
                }
                continue;
            }
            // ---- 划线：`>` 开头 ----
            if (strpos($t, '>') === 0) {
                $c = trim(mb_substr($t, 1, null, 'UTF-8'));
                if ($c !== '') {
                    self::push($books, $cur, 'quote', $chapter, $c);
                }
                continue;
            }
            // ---- 裸行：按当前归类 ----
            self::push($books, $cur, $mode, $chapter, $t);
        }

        // 一条笔记都没归到任何书（用户贴了一段没有书名的话）→ 归到"未命名的一本"
        return array_values(array_filter($books, static function (array $b): bool {
            return count($b['notes']) > 0 || $b['title'] !== '';
        }));
    }

    /** 把解析结果落库：能匹配到已有书就挂上去，匹配不到就新建一本 */
    public static function import(int $familyId, int $personId, array $books, string $source): array
    {
        $created = 0;
        $added   = 0;
        $skipped = 0;
        $names   = [];
        foreach ($books as $b) {
            $title = trim((string)($b['title'] ?? ''));
            if ($title === '') {
                continue;
            }
            $notes = $b['notes'] ?? [];
            if (!$notes) {
                $skipped++;
                continue;
            }
            $bookId = self::matchBook($familyId, $title);
            if ($bookId === 0) {
                $bookId = Book::create($familyId, $personId, [
                    'title'    => $title,
                    'author'   => (string)($b['author'] ?? ''),
                    'status'   => 'done',          // 有笔记 = 至少读过；标成"读完"比"想读"贴近事实
                    'owner_id' => $personId,
                ]);
                $created++;
            }
            foreach ($notes as $n) {
                $id = Book::addNote($familyId, $bookId, $personId, [
                    'kind'    => (string)($n['kind'] ?? 'note'),
                    'chapter' => (string)($n['chapter'] ?? ''),
                    'content' => (string)($n['content'] ?? ''),
                    'source'  => $source,
                ]);
                if ($id > 0) {
                    $added++;
                }
            }
            $names[] = $title;
        }
        return ['created' => $created, 'added' => $added, 'skipped' => $skipped, 'titles' => $names];
    }

    /** 按书名找已有的一本（去空格、去大小写；找不到返回 0） */
    public static function matchBook(int $familyId, string $title): int
    {
        $key = self::key($title);
        if ($key === '') {
            return 0;
        }
        $st = Database::get()->prepare('SELECT id, title FROM books WHERE family_id = ?');
        $st->execute([$familyId]);
        foreach ($st->fetchAll() as $r) {
            if (self::key((string)$r['title']) === $key) {
                return (int)$r['id'];
            }
        }
        return 0;
    }

    public static function sourceOf(?string $raw): string
    {
        $s = strtolower((string)$raw);
        if (strpos($s, 'weread') !== false || strpos($s, '微信读书') !== false) {
            return 'weread';
        }
        if (strpos($s, 'douban') !== false || strpos($s, '豆瓣') !== false) {
            return 'douban';
        }
        return 'other';
    }

    // ---------------- 内部 ----------------

    /**
     * @param int $cur **按引用传**：第一次遇到"没有书名就先来了一段笔记"时，
     *                 这里会建一本「未命名的一本」，而外面的 $cur 必须跟着指向它 ——
     *                 否则后面每一段都会各自新建一本（实测：一段话变出 7 本书）。
     */
    private static function push(array &$books, int &$cur, string $kind, string $chapter, string $content): void
    {
        if ($cur < 0) {
            // 第一段文字之前没有书名 → 先建一本"未命名"，用户导入后可以改
            $books[] = ['title' => '未命名的一本', 'author' => '', 'notes' => []];
            $cur = count($books) - 1;
        }
        $books[$cur]['notes'][] = [
            'kind'    => $kind,
            'chapter' => $chapter,
            'content' => mb_substr($content, 0, 8000, 'UTF-8'),
        ];
    }

    /** `# xxx` / `## xxx` → xxx；不是标题返回 null */
    private static function headingText(string $t): ?string
    {
        if (!preg_match('/^#{1,6}\s*(.+)$/u', $t, $m)) {
            return null;
        }
        return trim($m[1]);
    }

    /** 这个标题是"划线/笔记/想法"这类**分节**标记，还是书名 */
    private static function isSectionWord(?string $h): bool
    {
        $h = (string)$h;
        return (bool)preg_match('/^(划线|笔记|想法|感想|书评|摘录|原文|批注)/u', $h);
    }

    private static function modeOfWord(?string $h): string
    {
        $h = (string)$h;
        if (preg_match('/^(笔记|想法|感想|书评|批注)/u', $h)) {
            return 'note';
        }
        return 'quote';
    }

    /** 「活着（余华）」/「活着 - 刘慈欣」→ [书名, 作者] */
    private static function splitTitleAuthor(string $s): array
    {
        $s = trim($s);
        $author = '';
        if (preg_match('/^(.*?)[（(【]([^）)】]+)[）)】]\s*$/u', $s, $m)) {
            $s = trim($m[1]);
            $author = trim($m[2]);
        } elseif (preg_match('/^(.*?)\s+-\s+(.+)$/u', $s, $m)) {
            $s = trim($m[1]);
            $author = trim($m[2]);
        }
        $s = trim(preg_replace('/^[《](.+?)[》]/u', '$1', $s) ?? $s);
        return [mb_substr($s, 0, 300, 'UTF-8'), mb_substr($author, 0, 200, 'UTF-8')];
    }

    private static function key(string $s): string
    {
        $s = preg_replace('/\s+/u', '', $s) ?? $s;
        return mb_strtolower(trim($s), 'UTF-8');
    }
}