支持英文版本的 show_desc

app/infra/shared/tools.py

@@ -113,40 +113,129 @@ def extract_root_source_id(path: str) -> dict:
         return {}
 
 
-def decode_show_v(show_v: str) -> int:
-    if not show_v:
-        return 0
-
-    show_v = show_v.strip().lower()
-
-    # 统一小数点（防 1,3k 这种）
-    show_v = show_v.replace(",", ".")
-
-    # 👇 核心：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（重点）
-    elif unit.startswith("k"):
-        num *= 1e3
-    elif unit.startswith("m"):
-        num *= 1e6
-    elif unit.startswith("b"):
-        num *= 1e9
-
-    return int(num)
+def show_desc_to_sta(show_desc: str):
+    def decode_show_v(show_v: str) -> int:
+        """
+        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
+        """
+
+        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
+
+        return int(num)
+
+    def decode_show_k(show_k: str) -> str:
+        """
+        统一 key（中英文）
+        """
+        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",
+        }
+
+        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 = {}
+
+    # 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
+
+        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)
+
+        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),
+    }
 
 
 def generate_gzh_id(url):