|
|
6071a2d98c
|
feat(symbol): 正文标准 Unicode 数学符号 → LaTeX（与公式同一条渲染路径）
背景：公式（OMML/MathType/EQ）已转 LaTeX，但正文里的裸 Unicode 符号
（⊆ ∈ ∪ ≤ × → ∅ ∞ ∑ √ …）docx4j 只原样输出，靠系统字体渲染，字形/字号
与公式不一致；且 EqToLatexUtil 未覆盖的符号会以裸字符留在公式 LaTeX 内部。
实现 UnicodeSymbolLatex：
- 53 条映射，取自 jby omml_mathml2latex/data/symbols.py，保证与公式内转换一致
（⊆→\subseteq、∈→\in、≤→\leqslant、×→\times、→→\rightarrow、∅→\emptyset …）
- 文本节点内：符号 → \( … \)（MathJax 渲染）
- 已在 \(…\)/\[…\] 内的片段：只换命令不加包裹（修 LaTeX 内部裸字符）
- 跳过 <script>/<style>/<textarea> 与所有标签属性
- 开关 wordparse.convert-unicode-symbols（默认 true）
效果：46 份教辅重新生成后，正文裸 Unicode 符号 0 处，公式片段 5394 处
|
2026-09-29 15:33:33 +08:00 |
|
|
|
09c58defa3
|
fix(symbol): 私有区(PUA)数学符号处理修复 + 去掉 jby CDN 依赖
问题：docx 里的私有区符号（教辅排版软件把 ⊆/⇌ 等写成 PUA）输出成豆腐块。
实测语料：46 份教辅里 \ue089 共 11 处（3 份文件）全部丢失。
根因：
1. SYMBOL 数组沿用反编译产物的字面量写法 {"\\ue0fc", "\\ue100", "\\ue101"}
（反斜杠+ue0fc 共 7 字符），而文档里是 1 个 PUA 字符，replace 永远不命中
→ 整个符号占位符机制从未生效；连带 sym.substring(2) 在真字符下取不到编号。
2. 只有 3 个硬编码码位，没有通用 PUA→Unicode 映射。
修复：
- SYMBOL 改为真 PUA 字符；编号统一走 symbolCode()（%04X，与 static/symbols 文件名一致）
- 新增 PUA_TO_UNICODE（证据驱动）：\ue089 → ⊆
- 新增 warnUnknownPua()：扫描 E000–F8FF 未映射码位并 WARN，便于持续扩充
- 新增配置 wordparse.symbol-base-url（默认我们自己的 RustFS
https://fs.code-lab.cn/temp/wordparse-symbols/），不再引用 resource.xinjiaoyu.com
- ⇌（\ue225\ue226）替换移出循环体
验证：含真 PUA 字节的 docx 过服务后 —— E0FC/E100/E101 输出我们托管的 svg 图、
\ue089→⊆、\ue225\ue226→\(\rightleftharpoons\)、标准 ⊆ 原样保留、残留 PUA=0；
3 份受影响教辅已重新生成并覆盖线上（exercise-html3）
|
2026-09-29 15:19:58 +08:00 |
|
|
|
3271fee5cc
|
init: WordFileParse docx→HTML 解析服务（含 Word EQ 域公式修复）
服务：Spring Boot 3.2 + docx4j 8.3.9，POST /api/v3/server_office_file/file/parse
接受 .docx，返回 HTML（公式 → LaTeX，图片 → RustFS 外链）
公式支持三类来源：
- OMML（Word 2007+ 公式） → Python omml_mathml2latex
- MathType OLE 对象 → Ruby mathtype2mathml → MathML → LaTeX
- Word EQ 域（老教辅主力） → EqToLatexUtil（本次新增）
本次改动：
1. 新增 java-svc/.../core/EqToLatexUtil.java：
移植自 jby backend-services office-core，EQ 语法 → LaTeX
（\f→\dfrac、\r→\sqrt、\i→\int/\sum/\prod、\s→^{}/_{}、\b→\left\right、
\a→array、\x→\boxed/\overline、\o\al 堆叠、圈码、化学符号、极限、连等式）
品牌标记 JBYU* → WPU*，与采集端一致
2. CtoMathFinder：接上 EQ 分支（原为 not-ported 桩），域代码经
EqToLatexUtil.convert 转 LaTeX 写入 eqLatexMap（WPEQNUM 占位符）
3. WordParseUtil.dealPlaceholder：EQ 的 LaTeX 同样加 \( \) 包裹
（原先因 WPEQNUM 例外不加包裹，前端/MathJax 不渲染）
修前症状：教辅 Word 里分式/方程组/上下标整段丢失（如 {−1/3, 1} 变成 {－，1}）
修后实测：46 份教辅 2908 处 EQ 域全部还原，公式总数 2954 处、零未包裹残留
安全：application.yml（含 RustFS 密钥）不入库，提供 application.yml.example；
OssService 的 @Value 默认密钥已清空
|
2026-09-29 09:43:13 +08:00 |
|
