internal/dsl/parse.go - master - codespawn/tgstream

internal/dsl/parse.go
113 строк4 KB
codespawn
Запрос на слияние 'feat/websource-edge-docs' (#3) из feat/websource-edge-docs в master
16 июл 2026, 07:24
16 июл 2026, 07:24fb8bdd6
package dsl

import (
	"fmt"
	"math"
	"strconv"
	"strings"
	"time"
)

// parseValue применяет парсер mode к сырому значению и возвращает типизированный
// результат. Используется extract.go после applyTransforms.
//
// mode:
//   - ""         — без парсинга; возвращает строку как есть (как string).
//   - "date"     — дата: пробует несколько общих layout'ов (RFC3339 + ряд
//     человекочитаемых форматов). Возвращает time.Time.
//   - "date_unix" — Unix-время в секундах. Возвращает time.Time.
//   - "count"    — число с K/M/B-суффиксами ("3.36M" → 3360000). Возвращает int.
//
// Невалидное значение → ошибка. Пустая строка для date/count → zeroTime/0
// без ошибки (поле опциональное — отсутствие не должно валить весь пост).
func parseValue(val, mode string) (any, error) {
	switch mode {
	case "", "text":
		// Строковые роли НЕ TrimSpace'ятся здесь: для attr:html trailing-пробелы
		// значимы (innerHTML сохраняется как есть). Для attr:text обрезка уже
		// сделана в extractField. Возвращает как есть.
		return val, nil
	case "date":
		val = strings.TrimSpace(val)
		if val == "" {
			return time.Time{}, nil
		}
		t, err := parseDate(val)
		if err != nil {
			return nil, err
		}
		return t, nil
	case "date_unix":
		val = strings.TrimSpace(val)
		if val == "" {
			return time.Time{}, nil
		}
		return parseDateUnix(val)
	case "count":
		return parseCount(val), nil
	default:
		return nil, fmt.Errorf("unknown parse mode %q", mode)
	}
}

// dateLayouts — форматы, перебираемые parseDate. Порядок важен: более
// специфичные (с timezone) — раньше. RFC3339 — основной (t.me отдаёт его);
// остальные покрывают распространённые человекочитаемые форматы сайтов.
var dateLayouts = []string{
	time.RFC3339,
	time.RFC3339Nano,
	"2006-01-02T15:04:05",
	"2006-01-02 15:04:05",
	"2006-01-02",
	"02.01.2006",
	"01/02/2006",
	"Jan 2, 2006",
	"January 2, 2006",
	"2 January 2006",
	time.RFC1123,
	time.RFC1123Z,
}

// parseDate перебирает dateLayouts и возвращает первый успешный результат.
// Время приводится к UTC (консистентность вывода).
func parseDate(raw string) (time.Time, error) {
	for _, layout := range dateLayouts {
		if t, err := time.Parse(layout, raw); err == nil {
			return t.UTC(), nil
		}
	}
	return time.Time{}, fmt.Errorf("cannot parse date %q", raw)
}

// parseDateUnix парсит Unix-время в секундах и возвращает UTC time.Time.
func parseDateUnix(raw string) (time.Time, error) {
	n, err := strconv.ParseInt(strings.TrimSpace(raw), 10, 64)
	if err != nil {
		return time.Time{}, fmt.Errorf("cannot parse unix time %q: %w", raw, err)
	}
	return time.Unix(n, 0).UTC(), nil
}

// parseCount разбирает «чистый» токен счётчика вида "3.36M", "1.2K", "999".
// Суффиксы: K=10^3, M=10^6, B=10^9 (регистронезависимо). Невалидная/пустая
// строка → 0. Совпадает с tmsource.parseCountToken (для parity с Telegram).
func parseCount(s string) int {
	s = strings.TrimSpace(s)
	if s == "" {
		return 0
	}
	mult := 1.0
	switch last := s[len(s)-1]; last {
	case 'k', 'K':
		mult, s = 1e3, s[:len(s)-1]
	case 'm', 'M':
		mult, s = 1e6, s[:len(s)-1]
	case 'b', 'B':
		mult, s = 1e9, s[:len(s)-1]
	}
	f, err := strconv.ParseFloat(s, 64)
	if err != nil {
		return 0
	}
	return int(math.Round(f * mult))
}