83 lines
3.0 KiB
Python
83 lines
3.0 KiB
Python
# -*- coding: utf-8 -*-
|
||
"""从任意文本中提取 B 站视频引用（纯函数，不做网络请求）。
|
||
|
||
手动入库支持的消息形态：
|
||
|
||
* 视频 URL：``https://www.bilibili.com/video/BV1x8x166EzY``（含移动站、查询串、
|
||
分 P 参数等尾巴）；
|
||
* 裸 BV 号：``BV1x8x166EzY``；
|
||
* 裸 av 号：``av12345``（大小写不敏感）；
|
||
* 任意包含上述特征的字符串（例如复制了一整段带链接的文本）；
|
||
* ``b23.tv`` 短链：``https://b23.tv/xxxx``——只提取短链 token，真正的跳转解析
|
||
由 ``bilibili.client`` 的 HTTP 边界完成，保持本模块可离线测试。
|
||
"""
|
||
|
||
from __future__ import annotations
|
||
|
||
import re
|
||
from dataclasses import dataclass
|
||
|
||
# BV 号固定为 "BV" + 10 位 base58 字符；后面不能紧跟字母数字，避免截断更长的串。
|
||
_BVID_RE = re.compile(r"BV[0-9A-Za-z]{10}(?![0-9A-Za-z])")
|
||
# av 号：前面不能是字母数字，避免命中 "have123" 之类；大小写都接受。
|
||
_AID_RE = re.compile(r"(?<![0-9A-Za-z])av(\d{1,20})(?![0-9A-Za-z])", re.IGNORECASE)
|
||
# b23.tv 短链 token。
|
||
_SHORT_RE = re.compile(r"b23\.tv/([0-9A-Za-z]+)")
|
||
|
||
# 单条消息最多处理的引用数，避免误粘贴一段文本导致突发请求。
|
||
# 15 个 BV 号批量测试手动入库是常见用法，上限放宽到 50，超出时回执会提示分批发送。
|
||
DEFAULT_MAX_REFS = 50
|
||
|
||
|
||
@dataclass(frozen=True)
|
||
class VideoRef:
|
||
"""一条待解析的视频引用。
|
||
|
||
``kind`` 取值：
|
||
|
||
* ``bvid``：``value`` 为 BV 号字符串；
|
||
* ``aid``：``value`` 为 av 号对应的整数 aid；
|
||
* ``short``：``value`` 为 b23.tv 短链 token，需要 HTTP 跳转解析。
|
||
"""
|
||
|
||
kind: str
|
||
value: str | int
|
||
|
||
def key(self) -> tuple[str, str | int]:
|
||
return (self.kind, self.value)
|
||
|
||
|
||
def _matches(text: str) -> list[tuple[int, VideoRef]]:
|
||
found: list[tuple[int, VideoRef]] = []
|
||
for match in _BVID_RE.finditer(text):
|
||
found.append((match.start(), VideoRef("bvid", match.group(0))))
|
||
for match in _AID_RE.finditer(text):
|
||
found.append((match.start(), VideoRef("aid", int(match.group(1)))))
|
||
for match in _SHORT_RE.finditer(text):
|
||
found.append((match.start(), VideoRef("short", match.group(1))))
|
||
found.sort(key=lambda item: item[0])
|
||
return found
|
||
|
||
|
||
def extract_video_refs(
|
||
text: object, *, limit: int | None = DEFAULT_MAX_REFS
|
||
) -> list[VideoRef]:
|
||
"""从文本中按出现顺序提取去重后的视频引用。
|
||
|
||
* 非字符串 / 空串 → 返回空列表；
|
||
* 相同 ``(kind, value)`` 只保留首次出现；
|
||
* ``limit`` 为 ``None`` 时不限制数量。
|
||
"""
|
||
if not isinstance(text, str) or not text:
|
||
return []
|
||
out: list[VideoRef] = []
|
||
seen: set[tuple[str, str | int]] = set()
|
||
for _, ref in _matches(text):
|
||
key = ref.key()
|
||
if key in seen:
|
||
continue
|
||
seen.add(key)
|
||
out.append(ref)
|
||
if limit is not None and len(out) >= max(0, int(limit)):
|
||
break
|
||
return out |