zm/tougao
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

代码修改

Browse Source
This commit is contained in:
chengxl
2025-12-02 13:17:23 +08:00
parent 93f9e705cb
commit 705dce5e94
1 changed files with 405 additions and 202 deletions
Download Patch File Download Diff File Expand all files Collapse all files

607
application/common/ArticleParserService.php
View File

@@ -553,7 +553,7 @@ class ArticleParserService
if (!empty($institution) && !mb_check_encoding($institution, 'UTF-8')) {
$institution = mb_convert_encoding($institution, 'UTF-8', 'GBK');
}
$aCompany[$number] = $institution;
$aCompany[$number] = empty($institution) ? '' : trim(trim($institution),'.');
}
return $aCompany;
}
@@ -581,6 +581,7 @@ class ArticleParserService
$corrText = mb_convert_encoding($corrText, 'UTF-8', 'GBK');
}
$corrText = $this->fullDecode($corrText);
// // 调试
// file_put_contents(ROOT_PATH . 'runtime/corr_text_raw.log', $corrText);
@@ -605,24 +606,25 @@ class ArticleParserService
$aCorresponding[] = [
'name' => $sName,
'email' => isset($email[2]) ? trim($email[2]) : '',
'postal_address' => isset($address[2]) ? trim($address[2]) : '',
'postal_address' => isset($address[2]) ? trim(trim($address[2]),'.') : '',
'tel' => isset($tel[2]) ? trim($tel[2]) : ''
];
}
if(empty($aCorresponding)){
$pattern = '/Corresponding Authors|Correspondence to|Correspondence: (.*?)(?=$|;)/s';
// $pattern = '/Corresponding Authors|Correspondence to|Correspondence: (.*?)(?=$|;)/s';
$pattern = '/(Corresponding Authors|Correspondence to|Correspondence)\s*:\s*([\s\S]+?)(?=\n\s*\n|$|;)/is';
$corrText = trim($corrText,'*');
preg_match($pattern, $corrText, $match);
if (!empty($match[1])) {
$corrContent = $match[1];
if (!empty($match[2])) {
$corrContent = $match[2];
// 提取每个作者的名称和邮箱（优化正则，支持更多字符）
$authorPattern = '/([A-Za-z\s]+?),\s*E-mail:\s*([\w@\.\-]+)/';
preg_match_all($authorPattern, $corrContent, $authors);
if(!empty($authors[1])){
for ($i = 0; $i < count($authors[1]); $i++) {
$aCorresponding[] = [
'name' => empty($authors[1][$i]) ? '' : trim($authors[1][$i]),
'email' => empty($authors[2][$i]) ? '' : trim($authors[2][$i])
'name' => empty($authors[1][$i]) ? '' : trim(trim($authors[1][$i]),'.'),
'email' => empty($authors[2][$i]) ? '' : trim(trim($authors[2][$i]),'.')
];
}
}
@@ -631,8 +633,8 @@ class ArticleParserService
preg_match_all($authorPattern, $corrContent, $authors);
for ($i = 0; $i < count($authors[1]); $i++) {
$aCorresponding[] = [
'name' => empty($authors[1][$i]) ? '' : trim($authors[1][$i]),
'email' => empty($authors[2][$i]) ? '' : trim($authors[2][$i])
'name' => empty($authors[1][$i]) ? '' : trim(trim($authors[1][$i]),'.'),
'email' => empty($authors[2][$i]) ? '' : trim(trim($authors[2][$i]),'.')
];
}
}
@@ -734,88 +736,293 @@ class ArticleParserService
}
// 统一提取元素文本
private function getTextFromElement($element,$lineNumber = 0){
private function getTextFromElement(\PhpOffice\PhpWord\Element\AbstractElement $element, int $lineNumber = 0){
$text = '';
if ($element instanceof \PhpOffice\PhpWord\Element\ListItemRun) {
$this->iNum++;
$text .= $this->iNum;
// 1. 常量化特殊引号映射（避免每次调用重建数组，提升循环调用性能）
static $specialQuotesMap = [
'’' => "'", // 右单引号（U+2019）→ 普通单引号（U+0027）
'‘' => "'", // 左单引号（U+2018）→ 普通单引号（U+0027）
'“' => '"', // 左双引号（U+201C）→ 普通双引号（U+0022）
'”' => '"', // 右双引号（U+201D）→ 普通双引号（U+0022）
'„' => '"', // 下双引号（U+201E）→ 普通双引号（兼容欧洲排版）
'‟' => '"', // 右双引号（U+201F）→ 普通双引号（兼容少见排版）
];
// 支持H1-H9标题格式（优化：移除无用变量 $titleDepth，避免冗余）
if ($element instanceof \PhpOffice\PhpWord\Element\Title) {
$titleContent = $element->getText();
$titleText = '';
if ($titleContent instanceof \PhpOffice\PhpWord\Element\TextRun) {
$titleText = $this->getTextFromElement($titleContent);
} else {
$titleText = strtr((string)$titleContent, $specialQuotesMap);
}
$text .= $titleText . ' ';
return $this->cleanText($text);
}
// 处理PreserveText元素
// 项目编号（优化：严格空值判断，避免 0 被 empty 误判）
if ($element instanceof \PhpOffice\PhpWord\Element\ListItemRun) {
$this->iNum = isset($this->iNum) && is_numeric($this->iNum) ? $this->iNum : 0;
$this->iNum++;
$text .= $this->iNum . ' ';
}
// 处理PreserveText（含HYPERLINK邮箱提取，优化：反射前先判断属性存在）
if ($element instanceof \PhpOffice\PhpWord\Element\PreserveText) {
// 通过反射获取私有属性 text
$reflection = new \ReflectionClass($element);
$property = $reflection->getProperty('text');
$property->setAccessible(true);
$textParts = $property->getValue($element);
try {
$reflection = new \ReflectionClass($element);
// 先判断属性是否存在，避免反射不存在的属性报错（兼容极端版本）
if (!$reflection->hasProperty('text')) {
return $this->cleanText($text);
}
$property = $reflection->getProperty('text');
$property->setAccessible(true);
$textParts = $property->getValue($element) ?? [];
} catch (\ReflectionException $e) {
return $this->cleanText($text);
}
foreach ($textParts as $part) {
$part = (string)$part;
if (strpos($part, 'HYPERLINK') !== false) {
// 解码 HTML 实体（&quot; -> "）
$decoded = html_entity_decode($part);
// 提取 mailto: 后的邮箱
if (preg_match('/mailto:([a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,})/i', $decoded, $match)) {
$decoded = html_entity_decode($part, ENT_QUOTES | ENT_HTML5);
// 邮箱正则不变（已优化，兼容国际域名）
if (preg_match('/mailto:([a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,10})/i', $decoded, $match)) {
$text .= $match[1] . ' ';
}
} else {
// 普通文本直接拼接
$part = strtr($part, $specialQuotesMap);
$text .= $part;
}
}
return $text;
return $this->cleanText($text);
}
// 处理表格和单元格（E-mail可能在表格中）
// 处理表格（优化：避免行尾多余空格，通过 cleanText 自动合并）
if ($element instanceof \PhpOffice\PhpWord\Element\Table) {
foreach ($element->getRows() as $row) {
foreach ($row->getCells() as $cell) {
$text .= $this->getTextFromElement($cell);
$text .= $this->getTextFromElement($cell) . ' ';
}
// 移除行尾额外空格（cleanText 会合并连续空格，无需手动添加）
}
return $text;
return $this->cleanText($text);
}
// 处理单元格（逻辑不变，保持递归提取）
if ($element instanceof \PhpOffice\PhpWord\Element\Cell) {
foreach ($element->getElements() as $child) {
$text .= $this->getTextFromElement($child);
}
return $text;
return $this->cleanText($text);
}
//处理嵌套元素（递归提取所有子元素）
if (method_exists($element, 'getElements')) {
// 处理嵌套元素（逻辑不变，增强类型校验可读性）
if (method_exists($element, 'getElements') && is_callable([$element, 'getElements'])) {
foreach ($element->getElements() as $child) {
$text .= $this->getTextFromElement($child);
if ($child instanceof \PhpOffice\PhpWord\Element\AbstractElement) {
$text .= $this->getTextFromElement($child);
}
}
}
//处理文本元素（包括带格式的文本）
// 处理纯文本元素（逻辑不变，保持特殊引号替换）
if ($element instanceof \PhpOffice\PhpWord\Element\Text) {
$text .= $element->getText();
$textPart = (string)$element->getText(); // 显式强制转换，避免类型隐患
$textPart = strtr($textPart, $specialQuotesMap);
$text .= $textPart;
}
//处理超链接（优先提取链接目标，可能是邮箱）
// 处理超链接（逻辑不变，保持邮箱优先提取）
if ($element instanceof \PhpOffice\PhpWord\Element\Link) {
$target = $element->getTarget();
$target = (string)$element->getTarget();
if (strpos($target, 'mailto:') === 0) {
$text .= str_replace('mailto:', '', $target) . ' '; // 剥离mailto:前缀
$text .= rtrim(str_replace('mailto:', '', $target)) . ' ';
}
$text .= $element->getText() . ' ';
$linkText = strtr((string)$element->getText(), $specialQuotesMap);
$text .= $linkText . ' ';
}
//处理字段和注释（可能包含隐藏邮箱）
// 处理字段和注释（优化：显式强制转换，避免非字符串拼接）
if ($element instanceof \PhpOffice\PhpWord\Element\Field) {
$text .= $element->getContent() . ' ';
$text .= (string)$element->getContent() . ' ';
}
if ($element instanceof \PhpOffice\PhpWord\Element\Note) {
$text .= $element->getContent() . ' ';
$text .= (string)$element->getContent() . ' ';
}
//清理所有不可见字符（关键：移除格式干扰）
$text = preg_replace('/[\x00-\x1F\x7F-\x9F]/', ' ', $text); // 移除控制字符
$text = str_replace(["\t", "\r", "\n"], ' ', $text); // 统一空白字符
$text = preg_replace('/\s+/', ' ', $text); // 合并多个空格
if(!empty($text) && !mb_check_encoding($text, 'UTF-8')){
$text = mb_convert_encoding($text, 'UTF-8', 'GBK');
}
return $text;
return $this->cleanText($text);
}
/**
* 统一文本清理方法（稳健、高效、不破坏普通单引号）
* @param string $text 待清理文本
* @return string 清理后的纯文本
*/
private function cleanText(string $text){
//编码正确
if (!mb_check_encoding($text, 'UTF-8')) {
$text = mb_convert_encoding(
$text,
'UTF-8',
'GBK,GB2312,GB18030,Big5,ISO-8859-1,CP1252,UTF-16,UTF-32' // 补充常见西文编码，兼容更多场景
);
}
//移除不可见控制字符
$text = preg_replace('/[\x00-\x1F\x7F-\x9F]/u', ' ', $text);
//统一空白字符
$text = str_replace([
"\t", "\r", "\n",
chr(0xC2) . chr(0xA0), // 不间断空格（&nbsp;）
'　', // 全角空格（U+3000）
chr(0xE2) . chr(0x80) . chr(0xAF), // 窄无中断空格（U+202F）
], ' ', $text);
//合并连续空格
$text = preg_replace('/\s+/u', ' ', $text);
return $text;
}
// private function getTextFromElement($element, $lineNumber = 0){
// // 初始化默认空字符串（保持原有逻辑）
// $text = '';
// // 1. 常量化特殊引号映射（避免重复创建数组，提升性能）
// static $specialQuotesMap = [
// '’' => "'", // 右单引号（U+2019）→ 普通单引号（U+0027）
// '‘' => "'", // 左单引号（U+2018）→ 普通单引号（U+0027）
// '“' => '"', // 左双引号（U+201C）→ 普通双引号（U+0022）
// '”' => '"', // 右双引号（U+201D）→ 普通双引号（U+0022）
// '„' => '"', // 下双引号（U+201E）→ 普通双引号（兼容欧洲排版）
// '‟' => '"', // 右双引号（U+201F）→ 普通双引号（兼容少见排版）
// ];
// // 2. 提前校验元素合法性（避免后续 instanceof 无效判断，减少报错）
// if (!is_object($element) || !$element instanceof \PhpOffice\PhpWord\Element\AbstractElement) {
// return $text;
// }
// // 支持H1标题格式（逻辑不变，优化变量命名可读性）
// if ($element instanceof \PhpOffice\PhpWord\Element\Title) {
// $titleContent = $element->getText();
// $titleText = '';
// // 关键修复：判断返回类型，递归提取文本（逻辑不变）
// if ($titleContent instanceof \PhpOffice\PhpWord\Element\TextRun) {
// $titleText = $this->getTextFromElement($titleContent);
// } else {
// $titleText = strtr((string)$titleContent, $specialQuotesMap);
// }
// $text .= $titleText . ' ';
// return $text;
// }
// // 项目编号（逻辑不变，优化空值判断为严格判断）
// if ($element instanceof \PhpOffice\PhpWord\Element\ListItemRun) {
// $this->iNum = isset($this->iNum) && is_numeric($this->iNum) ? $this->iNum : 0;
// $this->iNum++;
// $text .= $this->iNum . ' ';
// }
// // 处理PreserveText元素（核心逻辑不变，增强容错性）
// if ($element instanceof \PhpOffice\PhpWord\Element\PreserveText) {
// try {
// $reflection = new \ReflectionClass($element);
// $property = $reflection->getProperty('text');
// $property->setAccessible(true);
// // 空值兜底，避免遍历非数组报错
// $textParts = $property->getValue($element) ?? [];
// } catch (\ReflectionException $e) {
// // 反射失败时返回已拼接文本，不中断流程
// return $text;
// }
// foreach ($textParts as $part) {
// $part = (string)$part; // 强制转字符串，避免类型错误
// if (strpos($part, 'HYPERLINK') !== false) {
// $decoded = html_entity_decode($part, ENT_QUOTES | ENT_HTML5);
// // 邮箱正则不变，保持原有匹配逻辑
// if (preg_match('/mailto:([a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,10})/i', $decoded, $match)) {
// $text .= $match[1] . ' ';
// }
// } else {
// $text .= $part;
// }
// }
// return $text;
// }
// // 处理表格和单元格（逻辑不变，优化循环变量命名）
// if ($element instanceof \PhpOffice\PhpWord\Element\Table) {
// foreach ($element->getRows() as $row) {
// foreach ($row->getCells() as $cell) {
// $text .= $this->getTextFromElement($cell);
// }
// }
// return $text;
// }
// if ($element instanceof \PhpOffice\PhpWord\Element\Cell) {
// foreach ($element->getElements() as $child) {
// $text .= $this->getTextFromElement($child);
// }
// return $text;
// }
// // 处理嵌套元素（逻辑不变，增强方法存在性校验）
// if (method_exists($element, 'getElements') && is_callable([$element, 'getElements'])) {
// foreach ($element->getElements() as $child) {
// // 双重校验，避免非元素对象传入
// if (is_object($child) && $child instanceof \PhpOffice\PhpWord\Element\AbstractElement) {
// $textPart = $this->getTextFromElement($child);
// $text .= $textPart;
// }
// }
// }
// // 处理文本元素（逻辑不变，保持特殊引号替换）
// if ($element instanceof \PhpOffice\PhpWord\Element\Text) {
// $textPart = (string)$element->getText(); // 强制转字符串，避免空值
// $textPart = strtr($textPart, $specialQuotesMap);
// $text .= $textPart;
// }
// // 处理超链接（逻辑不变，优化变量类型转换）
// if ($element instanceof \PhpOffice\PhpWord\Element\Link) {
// $target = (string)$element->getTarget();
// if (strpos($target, 'mailto:') === 0) {
// $text .= rtrim(str_replace('mailto:', '', $target)) . ' ';
// }
// $linkText = strtr((string)$element->getText(), $specialQuotesMap);
// $text .= $linkText . ' ';
// }
// // 处理字段和注释（逻辑不变，增加类型转换，避免非字符串拼接）
// if ($element instanceof \PhpOffice\PhpWord\Element\Field) {
// $text .= (string)$element->getContent() . ' ';
// }
// if ($element instanceof \PhpOffice\PhpWord\Element\Note) {
// $text .= (string)$element->getContent() . ' ';
// }
// // 清理文本（逻辑不变，优化编码校验顺序，提升性能）
// $text = str_replace(["\t", "\r", "\n"], ' ', $text);
// $text = preg_replace('/\s+/', ' ', $text);
// // 先trim再判断，避免空白字符导致的无效编码转换
// $textTrimmed = trim($text);
// if (!empty($textTrimmed) && !mb_check_encoding($textTrimmed, 'UTF-8')) {
// $text = mb_convert_encoding($text, 'UTF-8', 'GBK');
// }
// return $text;
// }
/**
* 从 Word 文档提取摘要和关键词
* @return array 提取结果
@@ -950,221 +1157,217 @@ class ArticleParserService
* @param int $maxDepth 最大解析深度
* @return string
*/
private function fullDecode($str, $maxDepth = 2)
{
// 空值/深度为0，直接返回（提前终止，避免无效操作）
if (empty($str) || $maxDepth <= 0) {
return $str;
private function fullDecode(?string $str, int $maxDepth = 2){
// 空值/无效深度/纯空格，直接返回（严谨前置判断，避免无效运算）
if ($str === null || trim((string)$str) === '' || $maxDepth <= 0) {
return $str === null ? '' : trim((string)$str);
}
// 确保输入是字符串（兼容非字符串输入场景）
$str = (string)$str;
// 前置Unicode解码（避免转义字符干扰后续匹配）
$str = $this->decodeUnicode($str);
// ========== 预编译所有正则（合并同类型，避免循环内重复解析） ==========
// ========== 预编译正则（优化匹配精度、避免歧义，仅编译一次） ==========
$regexps = [
// 原有专属场景正则
'ob0' => '/0B\s*\?0/',
'dl18' => '/DL\s*\?.18/',
// 原有通用场景正则
'qMarkNum' => '/\?(\d+)/',
'qMarkDotNum' => '/\?(\.\d+)/',
// ≤、≠空格修复正则
'neNum' => '/≠\s*(\d+)/',
'leNum' => '/≤\s*(\d+)/',
// 混合符号乱码正则（合并中英文顿号/逗号）
'mixSymbol' => '/(\?)\s*(、|,)\s*(\?)\s*(、|,)\s*(\?)(\d+)/',
// ≤、≠专属标识正则（合并LE/NE）
'leNeMark' => '/(LE|NE)\s*\?(\d+)/',
// Unicode转义正则
'unicode' => '/\\\\u([0-9a-fA-F]{4})/',
// Word二进制乱码（合并≤≥≠）
'wordBin' => '/(\\xE2\\x89\\x86|\\xE2 0x89 0x86|e28986|\\xE2\\x89\\x87|\\xE2 0x89 0x87|e28987|\\xE2\\x89\\x80|\\xE2 0x89 0x80|e28980)/i',
// Word XML实体异常（合并≤≥≠）
'wordEntity' => '/&#\s*(\x|X)?\s*(2264|2265|2260)\s*;?/i',
// 不可见控制字符
'controlChar' => '/[\x00-\x1F\x7F]/',
// 重复符号去重（合并≤≥≠）
'repeatSymbol' => '/(≤{2,}|≥{2,}|≠{2,})/',
// GBK编码乱码（合并≤≥≠）
'gbkSymbol' => '/(\xA1\xF2|\xA1\xF3|\xA1\xF0)/'
// 专属场景正则：优化空格匹配（任意空白字符）+ 问号转义（避免正则歧义）
'ob0' => '/0B\s*\\?0/', // 匹配 0B?0、0B ?0 等场景
'dl18' => '/DL\s*\\?\.18/', // 精准匹配 DL?.18（避免误匹配 DL?x.18）
// 通用场景正则：问号转义，确保仅匹配字面问号
'qMarkNum' => '/\\?(\d+)/', // 匹配 ?123、?45 等（问号转义）
'qMarkDotNum' => '/\\?(\.\d+)/', // 匹配 ?.18、?.25 等（问号转义）
// ≤、≠空格修复：支持任意空白字符（含全角空格）
'neNum' => '/≠\s*(\d+)/u',
'leNum' => '/≤\s*(\d+)/u',
// 混合符号乱码：用非捕获组减少开销，优化分组逻辑
'mixSymbol' => '/\\?\s*(?:、|,)\s*\\?\s*(?:、|,)\s*\\?(\d+)/u',
// ≤、≠专属标识：支持大小写不敏感（覆盖 LE/le/NE/ne）
'leNeMark' => '/(LE|NE)\s*\\?(\d+)/i',
// Unicode转义：支持 \u/\U 前缀，覆盖更多转义格式
'unicode' => '/\\\\[uU]([0-9a-fA-F]{4})/',
// Word二进制乱码：优化正则结构（非捕获组），避免重复分组
'wordBin' => '/(?:\\xE2\\x89\\x86|\\xE2\s*0x89\s*0x86|e28986|\\xE2\\x89\\x87|\\xE2\s*0x89\s*0x87|e28987|\\xE2\\x89\\x80|\\xE2\s*0x89\s*0x80|e28980)/i',
// Word XML实体异常：优化匹配（支持无分号、空格间隔）
'wordEntity' => '/&#\s*(?:x|X)?\s*(2264|2265|2260)\s*;?/i',
// 不可见控制字符：添加UTF-8修饰符，避免匹配多字节字符异常
'controlChar' => '/[\x00-\x1F\x7F]/u',
// 重复符号去重：用反向引用优化，匹配更高效（支持≤≥≠）
'repeatSymbol' => '/(≤|≥|≠)\1+/u',
// GBK编码乱码：优化正则（无冗余分组），确保匹配原生字节
'gbkSymbol' => '/\xA1\xF2|\xA1\xF3|\xA1\xF0/'
];
// ========== 预定义所有替换映射（避免循环内重复创建） ==========
// ========== 预定义替换映射（扩展场景、去冗余、修复转义问题） ==========
$maps = [
// HTML实体映射（扩展Word实体）
// HTML实体映射：补充更多Word常见实体，覆盖不完整实体场景
'htmlEntity' => [
'&le;' => '≤', '&#8804;' => '≤', '&#x2264;' => '≤',
'&ge;' => '≥', '&#8805;' => '≥', '&#x2265;' => '≥',
'&ne;' => '≠', '&#8800;' => '≠', '&#x2260;' => '≠',
'&le' => '≤', '&ge' => '≥', '&ne' => '≠',
'&#2264' => '≤', '&#2265' => '≥', '&#2260' => '≠',
'&#x2264' => '≤', '&#x2265' => '≥', '&#x2260' => '≠',
'&#X2264' => '≤', '&#X2265' => '≥', '&#X2260' => '≠',
'&#60;' => '≤', '&#62;' => '≥'
'&le;' => '≤', '&#8804;' => '≤', '&#x2264;' => '≤', '&#X2264;' => '≤',
'&ge;' => '≥', '&#8805;' => '≥', '&#x2265;' => '≥', '&#X2265;' => '≥',
'&ne;' => '≠', '&#8800;' => '≠', '&#x2260;' => '≠', '&#X2260;' => '≠',
'&le' => '≤', '&ge' => '≥', '&ne' => '≠', // 无分号实体
'&#2264' => '≤', '&#2265' => '≥', '&#2260' => '≠', // 无分号数字实体
'&#x2264' => '≤', '&#x2265' => '≥', '&#x2260' => '≠', // 无分号十六进制实体
'&#60;' => '≤', '&#62;' => '≥', // 业务专属映射（保留）
],
// 空格替换数组（扩展Word中的各种空格）
// 空格替换数组：补充Word中常见的特殊空格，覆盖更多场景
'nbsp' => [
chr(0xC2) . chr(0xA0), // UTF-8不间断空格
chr(0xA0), // 拉丁1不间断空格
'　', // 全角空格
chr(0x2002), // 方头空格
chr(0x2003), // 全角空格
chr(0x2004) // 三分之一全角空格
chr(0xC2) . chr(0xA0), // UTF-8不间断空格（&nbsp;）
chr(0xA0), // 拉丁1不间断空格
'　', // 全角空格（U+3000）
chr(0x2002), // 半角空格（U+2002）
chr(0x2003), // 全角空格（U+2003）
chr(0x2004), // 三分之一全角空格（U+2004）
chr(0x2005), // 四分之一全角空格（U+2005）
chr(0x202F), // 窄无中断空格（U+202F，Word常用）
],
// 二进制乱码映射
// 二进制乱码映射：统一键名格式（去除空格），避免重复匹配
'wordBin' => [
'e28986' => '≤', '\\xe2\\x89\\x86' => '≤', '\\xe2 0x89 0x86' => '≤',
'e28987' => '≥', '\\xe2\\x89\\x87' => '≥', '\\xe2 0x89 0x87' => '≥',
'e28980' => '≠', '\\xe2\\x89\\x80' => '≠', '\\xe2 0x89 0x80' => '≠'
'e28986' => '≤',
'\xe2\x89\x86' => '≤',
'\xe20x890x86' => '≤', // 去除空格后的统一键名
'e28987' => '≥',
'\xe2\x89\x87' => '≥',
'\xe20x890x87' => '≥',
'e28980' => '≠',
'\xe2\x89\x80' => '≠',
'\xe20x890x80' => '≠',
],
// XML实体编码映射
// XML实体编码映射：保持简洁，仅映射核心数字
'wordEntity' => [
'2264' => '≤',
'2265' => '≥',
'2260' => '≠'
'2260' => '≠',
],
// GBK编码映射
// GBK编码映射：修复转义问题（用双引号包裹原生字节，避免匹配失败）
'gbkSymbol' => [
'\xA1\xF2' => '≤',
'\xA1\xF3' => '≥',
'\xA1\xF0' => '≠'
]
"\xA1\xF2" => '≤', // 原生GBK字节，无需转义（双引号关键）
"\xA1\xF3" => '≥',
"\xA1\xF0" => '≠',
],
];
// 预定义回调函数（仅创建一次，避免循环内重复实例化）
// 预定义回调函数（仅创建一次，提升性能，增加容错）
$unicodeCallback = function ($m) {
return mb_chr(hexdec($m[1]), 'UTF-8') ?: $m[0];
$code = hexdec($m[1]);
// 容错：十六进制转换失败/无效Unicode码点，返回原始值
return ($code >= 0x20 && $code <= 0x10FFFF) ? mb_chr($code, 'UTF-8') : $m[0];
};
$depth = 0;
$hasChange = false;
$original = $str;
$currentStr = $str;
// 循环解码：仅在有变化且未达最大深度时执行
// 循环解码：仅在有变化且未达最大深度时执行（避免无限循环）
do {
$depth++;
$hasChange = false;
$prevStr = $str;
$prevStr = $currentStr;
// ========== 前置处理（惰性执行，避免无意义操作） ==========
$countCtrl = 0;
// ========== 前置处理（惰性执行，仅在需要时触发） ==========
// 1. 过滤不可见控制字符（仅当包含时执行）
if (preg_match($regexps['controlChar'], $str)) {
$str = preg_replace($regexps['controlChar'], '', $str, -1, $countCtrl);
if (preg_match($regexps['controlChar'], $currentStr)) {
$currentStr = preg_replace($regexps['controlChar'], '', $currentStr);
}
// 2. GBK/GB2312编码转UTF-8（仅当非UTF-8时执行）
if (!mb_check_encoding($str, 'UTF-8')) {
$str = mb_convert_encoding($str, 'UTF-8', 'GBK,GB2312,ISO-8859-1');
// 2. 编码校正（非UTF-8时才转换，增加容错机制）
if (!mb_check_encoding($currentStr, 'UTF-8')) {
$converted = mb_convert_encoding(
$currentStr,
'UTF-8',
'GBK,GB2312,ISO-8859-1,CP1252' // 补充CP1252（Windows西文编码）
);
// 容错：转换失败时保留原文本，避免乱码加剧
$currentStr = mb_check_encoding($converted, 'UTF-8') ? $converted : $currentStr;
}
// ========== 核心解码逻辑 ==========
// 1. 解码Unicode转义
$str = preg_replace_callback($regexps['unicode'], $unicodeCallback, $str);
// ========== 核心解码逻辑（按优先级执行，避免冲突） ==========
// 1. Unicode转义解码（优先处理，避免转义字符干扰后续匹配）
$currentStr = preg_replace_callback($regexps['unicode'], $unicodeCallback, $currentStr);
// 2. 解码HTML实体（高性能strtr替换）
$str = strtr($str, $maps['htmlEntity']);
$str = html_entity_decode($str, ENT_QUOTES | ENT_HTML5 | ENT_SUBSTITUTE, 'UTF-8');
// 2. HTML实体替换（先精准映射，再解码剩余实体）
$currentStr = strtr($currentStr, $maps['htmlEntity']);
$currentStr = html_entity_decode(
$currentStr,
ENT_QUOTES | ENT_HTML5 | ENT_SUBSTITUTE,
'UTF-8'
);
// 3. 替换各种空格为普通空格
$str = str_replace($maps['nbsp'], ' ', $str);
// 3. 统一所有空格为普通空格（避免空格类型导致的匹配失败）
$currentStr = str_replace($maps['nbsp'], ' ', $currentStr);
// ========== Word特殊符号乱码修复（合并+惰性） ==========
$countBin = $countEnt = $countGbk = $countRepeat = 0;
// 1. 二进制乱码还原（合并正则+回调）
if (preg_match($regexps['wordBin'], $str)) {
$str = preg_replace_callback($regexps['wordBin'], function ($m) use ($maps) {
$key = strtolower(str_replace(' ', '', $m[0]));
return $maps['wordBin'][$key] ?? $m[0];
}, $str, -1, $countBin);
// ========== Word特殊符号乱码修复（惰性执行，优化效率） ==========
// 1. 二进制乱码还原（先去除空格统一格式，再匹配）
if (preg_match($regexps['wordBin'], $currentStr)) {
$tempStr = str_replace(' ', '', $currentStr); // 去除所有空格，统一键名格式
$currentStr = str_ireplace(array_keys($maps['wordBin']), $maps['wordBin'], $tempStr);
}
// 2. XML实体异常修复（合并正则+回调）
if (preg_match($regexps['wordEntity'], $str)) {
$str = preg_replace_callback($regexps['wordEntity'], function ($m) use ($maps) {
return $maps['wordEntity'][$m[2]] ?? $m[0];
}, $str, -1, $countEnt);
// 2. XML实体异常修复
if (preg_match($regexps['wordEntity'], $currentStr)) {
$currentStr = preg_replace_callback($regexps['wordEntity'], function ($m) use ($maps) {
return $maps['wordEntity'][$m[1]] ?? $m[0];
}, $currentStr);
}
// 3. GBK编码乱码修复（合并正则+回调）
if (preg_match($regexps['gbkSymbol'], $str)) {
$str = preg_replace_callback($regexps['gbkSymbol'], function ($m) use ($maps) {
return $maps['gbkSymbol'][$m[0]] ?? $m[0];
}, $str, -1, $countGbk);
// 3. GBK编码乱码修复（用strtr替代preg_replace_callback，效率更高）
if (preg_match($regexps['gbkSymbol'], $currentStr)) {
$currentStr = strtr($currentStr, $maps['gbkSymbol']);
}
// 4. 重复符号去重（合并正则+极简回调）
if (preg_match($regexps['repeatSymbol'], $str)) {
$str = preg_replace_callback($regexps['repeatSymbol'], function ($m) {
return $m[0][0]; // 取第一个字符实现去重
}, $str, -1, $countRepeat);
// 4. 重复符号去重（用preg_replace简化，无需回调）
if (preg_match($regexps['repeatSymbol'], $currentStr)) {
$currentStr = preg_replace($regexps['repeatSymbol'], '$1', $currentStr);
}
// ========== 原有核心替换逻辑（合并+惰性） ==========
$count1 = $count2 = $count3 = $count4 = $count5 = $count6 = 0;
$count7 = $count8 = $count9 = 0;
// 1. 专属场景替换（惰性执行）
if (strpos($str, '0B?0') !== false) {
$str = preg_replace($regexps['ob0'], '0B≥30', $str, -1, $count1);
// ========== 业务场景专属替换（惰性执行，精准匹配） ==========
// 1. 专属场景替换（0B?0 → 0B≥30，DL?.18 → DL≥0.18）
if (strpos($currentStr, '0B') !== false) {
$currentStr = preg_replace($regexps['ob0'], '0B≥30', $currentStr);
}
if (strpos($str, 'DL?.18') !== false) {
$str = preg_replace($regexps['dl18'], 'DL≥0.18', $str, -1, $count2);
if (strpos($currentStr, 'DL') !== false) {
$currentStr = preg_replace($regexps['dl18'], 'DL≥0.18', $currentStr);
}
// 2. ≤、≠空格修复（惰性执行）
if (preg_match($regexps['neNum'], $str)) {
$str = preg_replace($regexps['neNum'], '≠$1', $str, -1, $count3);
// 2. ≤、≠空格修复（去除符号与数字间的空格）
if (preg_match($regexps['neNum'], $currentStr)) {
$currentStr = preg_replace($regexps['neNum'], '≠$1', $currentStr);
}
if (preg_match($regexps['leNum'], $str)) {
$str = preg_replace($regexps['leNum'], '≤$1', $str, -1, $count4);
if (preg_match($regexps['leNum'], $currentStr)) {
$currentStr = preg_replace($regexps['leNum'], '≤$1', $currentStr);
}
// 3. 通用场景替换（惰性执行）
if (preg_match($regexps['qMarkNum'], $str)) {
$str = preg_replace($regexps['qMarkNum'], '≥$1', $str, -1, $count5);
// 3. 通用场景替换（问号 → ≥）
if (preg_match($regexps['qMarkNum'], $currentStr)) {
$currentStr = preg_replace($regexps['qMarkNum'], '≥$1', $currentStr);
}
if (preg_match($regexps['qMarkDotNum'], $str)) {
$str = preg_replace($regexps['qMarkDotNum'], '≥0$1', $str, -1, $count6);
if (preg_match($regexps['qMarkDotNum'], $currentStr)) {
$currentStr = preg_replace($regexps['qMarkDotNum'], '≥0$1', $currentStr);
}
// 4. 混合符号乱码还原（合并中英文，惰性执行）
if (preg_match($regexps['mixSymbol'], $str)) {
$str = preg_replace($regexps['mixSymbol'], '≤$2≥$4≠$6', $str, -1, $count7);
// 4. 混合符号乱码还原（?、，?、，?123 → ≤≥≠123）
if (preg_match($regexps['mixSymbol'], $currentStr)) {
$currentStr = preg_replace($regexps['mixSymbol'], '≤≥≠$1', $currentStr);
}
// 5. ≤、≠专属标识还原（合并正则，惰性执行）
if (preg_match($regexps['leNeMark'], $str)) {
$str = preg_replace_callback($regexps['leNeMark'], function ($m) {
return $m[1] === 'LE' ? '≤' . $m[2] : '≠' . $m[2];
}, $str, -1, $count8);
// 5. ≤、≠专属标识还原（LE?123 → ≤123，NE?456 → ≠456）
if (preg_match($regexps['leNeMark'], $currentStr)) {
$currentStr = preg_replace_callback($regexps['leNeMark'], function ($m) {
return strtoupper($m[1]) === 'LE' ? '≤' . $m[2] : '≠' . $m[2];
}, $currentStr);
}
// 6. 修复前缀"d with "乱码（惰性执行）
if (strpos($str, 'd with ') !== false) {
$str = str_replace('d with ', 'd with ', $str, $count9);
}
// 6. 移除冗余代码（原代码"d with "替换无意义，直接删除）
// ========== 变化判断（合并计数，减少运算） ==========
$totalCount = $countCtrl + $countBin + $countEnt + $countGbk + $countRepeat +
$count1 + $count2 + $count3 + $count4 + $count5 + $count6 +
$count7 + $count8 + $count9;
// ========== 变化判断（简化逻辑，避免无效计数） ==========
$hasChange = ($currentStr !== $prevStr);
if ($totalCount > 0 || $str !== $prevStr) {
$hasChange = true;
$original = $str;
}
} while ($depth < $maxDepth && $hasChange);
// 提前终止：无变化则退出循环
if (!$hasChange) {
break;
}
// 最终清理（去除首尾冒号+二次实体替换，确保无遗漏）
$currentStr = trim($currentStr, ':');
$currentStr = strtr($currentStr, $maps['htmlEntity']);
} while ($depth < $maxDepth);
// 最终清理+兜底替换
$str = trim($str, ':');
$str = strtr($str, $maps['htmlEntity']);
return $str;
return $currentStr;
}
// private function fullDecode($str, $maxDepth = 5) {