Merge branch 'feature/luojunhui/20260506-show-desc-improve' of Server/LongArticleTaskServer into master

app/infra/shared/tools.py

@@ -2,6 +2,7 @@
 @author: luojunhui
 """
 
+import re
 import oss2
 import random
 import string
@@ -112,51 +113,129 @@ def extract_root_source_id(path: str) -> dict:
         return {}
 
 
-def show_desc_to_sta(show_desc):
-    def decode_show_v(show_v):
+def show_desc_to_sta(show_desc: str):
+    def decode_show_v(show_v: str) -> int:
         """
-
-        :param show_v:
-        :return:
+        解析数值（全球通用）：
+        支持：
+        - 中文：1.3万 / 2千 / 5亿
+        - 英文：13k / 2.5m / 1.2b
+        - 混合：1.2万阅读 / 13k views
         """
-        foo = show_v.replace("千", "e3").replace("万", "e4").replace("亿", "e8")
-        foo = eval(foo)
-        return int(foo)
 
-    def decode_show_k(show_k):
-        """
+        if not show_v:
+            return 0
+
+        show_v = show_v.strip().lower()
+
+        # 防止欧洲小数格式：1,3k
+        show_v = show_v.replace(",", ".")
+
+        # 提取 数字 + 单位
+        match = re.search(r"(\d+(?:\.\d+)?)([a-z\u4e00-\u9fa5]*)", show_v)
+        if not match:
+            return 0
+
+        num = float(match.group(1))
+        unit = match.group(2)
+
+        # 中文单位
+        if "亿" in unit:
+            num *= 1e8
+        elif "万" in unit:
+            num *= 1e4
+        elif "千" in unit:
+            num *= 1e3
+
+        # 英文单位
+        elif unit.startswith("k"):
+            num *= 1e3
+        elif unit.startswith("m"):
+            num *= 1e6
+        elif unit.startswith("b"):
+            num *= 1e9
 
-        :param show_k:
-        :return:
+        return int(num)
+
+    def decode_show_k(show_k: str) -> str:
+        """
+        统一 key（中英文）
         """
-        this_dict = {
-            "阅读": "show_view_count",  # 文章
-            "看过": "show_view_count",  # 图文
-            "观看": "show_view_count",  # 视频
+        if not show_k:
+            return "show_unknown"
+
+        show_k = show_k.strip().lower()
+
+        mapping = {
+            # 中文
+            "阅读": "show_view_count",
+            "看过": "show_view_count",
+            "观看": "show_view_count",
             "赞": "show_like_count",
+            "点赞": "show_like_count",
             "付费": "show_pay_count",
             "赞赏": "show_zs_count",
+
+            # 英文
+            "reads": "show_view_count",
+            "views": "show_view_count",
+            "view": "show_view_count",
+            "likes": "show_like_count",
+            "like": "show_like_count",
+            "payments": "show_pay_count",
+            "paid": "show_pay_count",
         }
-        if show_k not in this_dict:
-            print(f"error from decode_show_k, show_k not found: {show_k}")
-        return this_dict.get(show_k, "show_unknown")
 
+        return mapping.get(show_k, "show_unknown")
+
+    # ===== 主逻辑 =====
+
+    if not show_desc:
+        return {
+            "show_view_count": 0,
+            "show_like_count": 0,
+            "show_pay_count": 0,
+            "show_zs_count": 0,
+        }
+
+    # 去掉 +
     show_desc = show_desc.replace("+", "")
+
     sta = {}
-    for show_kv in show_desc.split("\u2004\u2005"):
-        if not show_kv:
+
+    # 按“组”切分（兼容各种奇怪空格）
+    groups = re.split(r"[\u2004\u2005]+", show_desc)
+
+    for group in groups:
+        group = group.strip()
+        if not group:
+            continue
+
+        # 按 key-value 分隔符拆
+        parts = group.split("\u2006")
+        if len(parts) != 2:
             continue
-        show_k, show_v = show_kv.split("\u2006")
+
+        a, b = parts
+
+        # 自动判断哪个是数字
+        if re.search(r"\d", a):
+            show_v, show_k = a, b
+        else:
+            show_k, show_v = a, b
+
         k = decode_show_k(show_k)
         v = decode_show_v(show_v)
-        sta[k] = v
-    res = {
+
+        if k != "show_unknown":
+            sta[k] = v
+
+    return {
         "show_view_count": sta.get("show_view_count", 0),
         "show_like_count": sta.get("show_like_count", 0),
         "show_pay_count": sta.get("show_pay_count", 0),
         "show_zs_count": sta.get("show_zs_count", 0),
     }
-    return res
 
 
 def generate_gzh_id(url):