crates/textfix/src/lib.rs - master - magnusroot/nm

crates/textfix/src/lib.rs
77 строк4 KB
Magnus Root
Some fixes
13 июл 2026, 09:31
13 июл 2026, 09:31e6c694a
//! Исправление "кракозябр" в тегах — общая логика для `library` (сканирование библиотеки)
//! и `player` (чтение тегов текущего трека для "Now Playing"). Раньше жила только в одном
//! из двух мест, из-за чего кракозябры чинились в списке библиотеки, но не в панели
//! Now Playing при реальном воспроизведении — вынесено сюда, чтобы такого больше не было.

/// Чинит частый случай со старыми (обычно ID3v1, но встречается и в ID3v2) тегами, где
/// кириллица была записана в CP1251, а прочитана так, будто это Latin-1/ISO-8859-1
/// (типичное поведение множества старых тегеров и библиотек метаданных). Раз символы
/// результата — это однозначно code points ≤0xFF (свойство Latin-1-декодирования),
/// исходные байты восстанавливаются 1:1, и остаётся просто раскодировать их как CP1251.
/// Если результат не выглядит правдоподобно кириллическим — возвращаем строку как есть.
pub fn fix_mojibake(s: &str) -> String {
    if s.is_ascii() {
        return s.to_string();
    }
    let bytes: Option<Vec<u8>> = s
        .chars()
        .map(|c| {
            let cp = c as u32;
            if cp <= 0xFF {
                Some(cp as u8)
            } else {
                None
            }
        })
        .collect();
    let Some(bytes) = bytes else {
        return s.to_string(); // содержит символы вне Latin-1 — это не наш случай, не трогаем
    };

    let (decoded, _, had_errors) = encoding_rs::WINDOWS_1251.decode(&bytes);
    if had_errors {
        return s.to_string();
    }

    let cyrillic_count = decoded
        .chars()
        .filter(|c| ('А'..='я').contains(c) || *c == 'Ё' || *c == 'ё')
        .count();
    let total_alpha = decoded.chars().filter(|c| c.is_alphabetic()).count().max(1);
    if cyrillic_count * 2 >= total_alpha {
        decoded.into_owned()
    } else {
        s.to_string()
    }
}

#[cfg(test)]
mod tests {
    use super::*;

    #[test]
    fn fixes_cp1251_mojibake() {
        // "Ïåñíÿ" — это ровно то, что получается, когда CP1251-байты слова "Песня"
        // прочитаны как Latin-1 (типичное поведение старых ID3v1-тегов).
        assert_eq!(fix_mojibake("Ïåñíÿ"), "Песня");
        assert_eq!(fix_mojibake("Àðòèñò"), "Артист");
    }

    #[test]
    fn fixes_real_world_example_from_bug_report() {
        // Реальный случай из багрепорта: старый mp3, поймано в Now Playing, но не
        // в библиотеке — то есть именно то расхождение, ради которого этот крейт создан.
        assert_eq!(fix_mojibake("Ìàëü÷èøíèê"), "Мальчишник");
    }

    #[test]
    fn leaves_plain_ascii_untouched() {
        assert_eq!(fix_mojibake("Hello World"), "Hello World");
    }

    #[test]
    fn leaves_already_correct_cyrillic_untouched() {
        // уже нормальный UTF-8 текст не должен портиться повторной перекодировкой
        assert_eq!(fix_mojibake("Пример"), "Пример");
    }
}