tougao/application/common/AuthorListFormatter.php

<?php

namespace app\common;

/**
 * 作者列表著录规则：作者数不超过 MAX_LISTED 时全部列出，超过时只列前 KEEP 位再加 et al。
 *
 * 单独抽出来是因为"数作者个数"并不能简单按逗号切：
 * - 温哥华式 "Smith AB, Jones AC"          逗号 = 作者分隔
 * - APA 式   "Smith, A. B., Jones, A. C."  逗号既分隔作者，也分隔姓与名
 * - 机构作者 "Department of Health, Education, and Welfare" 逗号只是机构名的一部分
 * 按逗号数会把 APA 的 3 位作者数成 6 位，凭空触发截断。
 *
 * 拿不准的一律少切（宁可多列几位，也不要把不该截的截掉）。
 */
class AuthorListFormatter
{
    /** 全部列出的上限 */
    const MAX_LISTED = 6;

    /** 超过上限时保留的作者数 */
    const KEEP = 3;

    /**
     * 按著录规则输出作者串
     */
    public static function format($author, $max = self::MAX_LISTED, $keep = self::KEEP)
    {
        $author = self::normalize($author);
        if ($author === '') {
            return '';
        }

        // 已经是 "…, et al" 形态的（历史数据或上游截断过），保持原样，不再叠加
        if (self::isTruncated($author)) {
            return $author;
        }

        $units = self::split($author);
        if (empty($units)) {
            return $author;
        }

        $max = max(1, (int)$max);
        $keep = min(max(1, (int)$keep), $max);
        if (count($units) > $max) {
            return implode(', ', array_slice($units, 0, $keep)) . ', et al';
        }

        return implode(', ', $units);
    }

    public static function countAuthors($author)
    {
        return count(self::split($author));
    }

    public static function isTruncated($author)
    {
        return (bool)preg_match('/\bet\s+al\.?\s*$/iu', (string)$author);
    }

    /**
     * 拆成单个作者
     *
     * @return string[]
     */
    public static function split($author)
    {
        $author = self::normalize($author);
        $author = preg_replace('/[,;]?\s*\bet\s+al\.?\s*$/iu', '', $author);
        $author = trim($author, " ,;.");
        if ($author === '') {
            return [];
        }

        if (strpos($author, ';') !== false) {
            // 分号是无歧义的作者分隔符
            $units = preg_split('/\s*;\s*/u', $author);
        } else {
            $text = $author;
            // "A, B, and C" 里的 and/& 才是分隔符；没有逗号时它多半是机构名的一部分
            // （如 "National Institute for Health and Care Excellence"），不能切
            if (strpos($text, ',') !== false) {
                $text = preg_replace('/\s*,?\s+(?:and|&)\s+/iu', ', ', $text);
            }
            $units = preg_split('/\s*,\s*/u', $text);
        }

        $units = array_values(array_filter(array_map(function ($u) {
            return trim($u, " ,;");
        }, (array)$units), 'strlen'));

        $units = self::mergeGivenNames($units);

        // 整串没有一个单元像人名，多半是带逗号的机构名，算一位作者
        $hasPerson = false;
        foreach ($units as $unit) {
            if (self::looksLikePerson($unit)) {
                $hasPerson = true;
                break;
            }
        }

        return $hasPerson ? $units : [$author];
    }

    /**
     * 合并 APA 的 "姓, 名" —— "Smith", "A. B." → "Smith, A. B."
     *
     * @param string[] $units
     * @return string[]
     */
    private static function mergeGivenNames(array $units)
    {
        $merged = [];
        foreach ($units as $unit) {
            // 上一位作者已经带了名缩写，说明这一段是新作者的姓，不能再往上并
            $last = empty($merged) ? '' : $merged[count($merged) - 1];
            if ($last !== '' && !self::hasInitials($last) && self::looksLikeGivenName($unit)) {
                $merged[count($merged) - 1] .= ', ' . $unit;
                continue;
            }
            $merged[] = $unit;
        }

        return $merged;
    }

    private static function hasInitials($unit)
    {
        return (bool)preg_match('/\p{Lu}\./u', $unit) || (bool)preg_match('/\s\p{Lu}{1,4}$/u', $unit);
    }

    /**
     * 是否只是名/缩写（属于上一个姓）：每个词都是首字母大写，且至少有一个是"单字母 + 点"
     * "A. B." / "H. Karl." → 是；"Jones AC" / "Bruce Alberts" → 否
     */
    private static function looksLikeGivenName($unit)
    {
        $unit = trim((string)$unit);
        if ($unit === '') {
            return false;
        }
        // 末位作者的名常被上游去掉尾点，"K." 会变成 "K"
        if (preg_match('/^\p{Lu}\.?$/u', $unit)) {
            return true;
        }
        if (!preg_match('/\b\p{Lu}\./u', $unit)) {
            return false;
        }

        foreach (preg_split('/\s+/u', $unit) as $word) {
            $word = trim($word, " .");
            if ($word === '') {
                continue;
            }
            if (!preg_match('/^\p{Lu}[\p{L}]*$/u', $word)) {
                return false;
            }
        }

        return true;
    }

    /**
     * 判定要偏严：机构名里的逗号片段（"Department of Health" / "Education"）不能算人名，
     * 否则 "Department of Health, Education, and Welfare" 会被当成三位作者
     */
    private static function looksLikePerson($unit)
    {
        $unit = trim(preg_replace('/\s+/u', ' ', str_replace(',', ' ', (string)$unit)));
        if ($unit === '') {
            return false;
        }
        // 中文姓名
        if (preg_match('/^[\x{4e00}-\x{9fff}·]{2,10}$/u', $unit)) {
            return true;
        }
        // 以缩写结尾："Smith AB" / "van den Berg AB"
        if (preg_match('/^\p{Lu}.*\s\p{Lu}{1,4}$/u', $unit)) {
            return true;
        }
        // 带点的名缩写："Smith A. B." / "Butcher H. Karl."
        if (preg_match('/\b\p{Lu}\./u', $unit)) {
            return true;
        }

        // 两个词的全名："Bruce Alberts"
        return (bool)preg_match('/^\p{Lu}[\p{L}\'\x{2019}\-]+\s+\p{Lu}[\p{L}\'\x{2019}\-]+$/u', $unit);
    }

    private static function normalize($author)
    {
        $author = trim((string)$author);
        $author = str_replace(['，', '；', '．', '　'], [',', ';', '.', ' '], $author);
        $author = preg_replace('/\s+/u', ' ', $author);

        return trim($author, " ,;");
    }
}