math_cms/app/Support/BlankPlaceholderRenderer.php

<?php

namespace App\Support;

class BlankPlaceholderRenderer
{
    private const DEFAULT_BLANK_SPAN = '<span style="display:inline-block; min-width:80px; border-bottom:1.2px dashed #444; vertical-align:bottom;">&nbsp;</span>';
    // 仅匹配“空白占位”型 underline，不匹配 \underline{\frac{...}} 这类有内容公式下划线
    private const BLANK_UNDERLINE_PATTERN = '/\\\\+underline\{\s*(?:(?:\\\\+qquad+|\\\\+quad+|\\\\+hspace\{[^{}]*\}|\\\\+hphantom\{\s*(?:(?:\\\\+qquad+|\\\\+quad+|\\\\+hspace\{[^{}]*\}|_{2,}|&nbsp;|&#160;|\s|　|\\\\+\s+)*)\s*\}|_{2,}|&nbsp;|&#160;|\s|　|\\\\+\s+)*)\s*\}/u';

    /**
     * \left(\quad\right) / \left(\qquad\right) 中的 \quad 是合法间距，不是填空占位；替换前临时保护以免误伤。
     *
     * @return array{0:string,1:array<string,string>}
     */
    private static function protectLeftRightQuadPairs(string $inner): array
    {
        $map = [];
        $idx = 0;

        // 使用 \x5C 避免 PCRE 将 \left / \quad 中的 \l、\q 解析为无效转义
        $protected = preg_replace_callback(
            '/\x5Cleft\s*\(\s*(?:\x5Cquad|\x5Cqquad)\s*\x5Cright\s*\)/u',
            static function (array $m) use (&$map, &$idx): string {
                $key = '<<<LR_PAIR_'.$idx.'>>>';
                $map[$key] = $m[0];
                $idx++;

                return $key;
            },
            $inner
        );

        return [$protected ?? $inner, $map];
    }

    /**
     * @param  array<string,string>  $restoreMap
     */
    private static function restoreProtectedLeftRightQuadPairs(string $inner, array $restoreMap): string
    {
        if ($restoreMap === []) {
            return $inner;
        }

        return str_replace(array_keys($restoreMap), array_values($restoreMap), $inner);
    }

    /**
     * 数学片段内因占位拆分后的分段，按顺序交替输出「小段 $...$」与 HTML 空位；避免首尾空分段导致半截 `$` 或与 HTML 错位。
     *
     * @param  array<int,string>  $parts
     */
    private static function rebuildMathSegmentsWithBlankSpans(array $parts, string $blankSpan): string
    {
        $rebuilt = '';
        $lastIndex = count($parts) - 1;

        foreach ($parts as $index => $part) {
            if ($part !== '') {
                if (preg_match('/^[\.．。]$/u', $part)) {
                    $rebuilt .= $part;
                } else {
                    $rebuilt .= htmlspecialchars('$'.$part.'$', ENT_QUOTES | ENT_HTML5, 'UTF-8');
                }
            }
            if ($index < $lastIndex) {
                $rebuilt .= $blankSpan;
            }
        }

        return $rebuilt === '' ? $blankSpan : $rebuilt;
    }

    /**
     * 脏数据常见：$a=______ 后紧跟中文但漏写闭合 $，导致下一个 $...$ 整段被吞并。
     * 在连续下划线占位后、若紧接着汉字/全角逗号且中间仍无第二个 $，则补一个闭合 $。
     *
     * 规范写法「$a$=__________时」在横线前的 $ 是 $a$ 的闭合符，紧跟 =，不得在此插 $（否则会得到 ...=____$时）。
     * 因此仅当「该 $ 后面第一个非 $ 片段不是以 = 开头接上横线」时…… 更简：(?! =) 在匹配起点 $ 之后：若紧跟 = 则本规则不锚定在此 $（见下 (?!=)）。
     */
    private static function closeMissingDollarAfterUnderscoreBlank(string $content): string
    {
        // 不能在「已成对的 $…$」的闭合 $ 上锚定：否则会把 $40^{\circ}$ 的收尾 $ 当成新段开头，
        // 一路吞到后面 ______度，错误插入「______$度」（见 questions.id=332）。
        if (! preg_match_all('/\$(?!=)([^$]*_{2,})(?=[\p{Han}，。；])/u', $content, $matches, PREG_OFFSET_CAPTURE)) {
            return $content;
        }

        $out = $content;
        foreach (array_reverse($matches[0]) as [$text, $byteOffset]) {
            $before = substr($out, 0, $byteOffset);
            if ((substr_count($before, '$') % 2) === 1) {
                continue;
            }
            $len = strlen($text);
            $out = substr_replace($out, $text.'$', $byteOffset, $len);
        }

        return $out;
    }

    /**
     * 选择题常见：答案区写成 $=\left(\quad\right)$，意图为答题横线而非 LaTeX 括号间距。
     * 将段尾的 $=\left(\quad\right)$ / $=\left(\qquad\right)$ 拆成「公式到等号为止」+ 段外连续下划线，后续由 _{2,} 规则换成标准空位。
     */
    private static function moveTrailingLeftQuadRightAnswerBlankToUnderscores(string $content): string
    {
        $suffixQuad = '=\\left(\\quad\\right)';
        $suffixQquad = '=\\left(\\qquad\\right)';

        $out = preg_replace_callback(
            '/\$(?:[^\$]|\\\\.)*?\\$/u',
            static function (array $m) use ($suffixQuad, $suffixQquad): string {
                $full = $m[0];
                $inner = mb_substr($full, 1, mb_strlen($full) - 2);
                $suffixLen = null;
                if (str_ends_with($inner, $suffixQuad)) {
                    $suffixLen = mb_strlen($suffixQuad);
                } elseif (str_ends_with($inner, $suffixQquad)) {
                    $suffixLen = mb_strlen($suffixQquad);
                }
                if ($suffixLen !== null && $suffixLen <= mb_strlen($inner)) {
                    $prefix = mb_substr($inner, 0, mb_strlen($inner) - $suffixLen);

                    return '$'.$prefix.'=$'.'__________';
                }

                return $full;
            },
            $content
        );

        return $out ?? $content;
    }

    /**
     * 将题干中的空括号/下划线/部分异常占位符统一替换为标准空位样式。
     *
     * @return array{0:string,1:bool} [renderedContent, replacedAnyPlaceholder]
     */
    public static function replaceToBlankSpan(
        string $content,
        ?string $blankSpan = null,
        bool $collapseAdjacentBlanks = false,
        bool $normalizeChineseTerminalPeriod = true
    ): array
    {
        $blankSpan = $blankSpan ?: self::DEFAULT_BLANK_SPAN;
        $renderedContent = self::closeMissingDollarAfterUnderscoreBlank($content);
        $renderedContent = self::moveTrailingLeftQuadRightAnswerBlankToUnderscores($renderedContent);

        $latexPlaceholders = [];
        $counter = 0;
        // 非贪婪：遇到第一个闭合 $ 即结束；避免紧邻多段 "$...$…$…$" 时被吞成一段（混入中文标点，破坏公式边界）。
        $renderedContent = preg_replace_callback('/\$(?:[^\$]|\\\\.)*?\\$/u', function ($matches) use (&$latexPlaceholders, &$counter, $blankSpan) {
            $latexContent = $matches[0];
            $inner = mb_substr($latexContent, 1, mb_strlen($latexContent) - 2);

            // \left(\quad\right) 先保护，避免下方 \quad 替换误伤（见选择题题干中的合法间距）。
            [$inner, $lrQuadRestore] = self::protectLeftRightQuadPairs($inner);

            // 数学环境内也可能包含填空占位符（如 $\\underline{\\qquad}$ / $\\angle A=\\underline{\\quad}$）
            $blankToken = '<<<BLANK_IN_MATH_'.$counter.'>>>';
            $innerWithBlanks = preg_replace(
                [
                    self::BLANK_UNDERLINE_PATTERN,
                    '/\\\\+qquad+/u',
                    '/\\\\+quad+/u',
                    '/[（(](?:\s|&nbsp;|&#160;|　)*[）)]/u',
                    '/_{2,}/u',
                ],
                $blankToken,
                $inner,
                -1,
                $blankCount
            );
            $innerWithBlanks = self::restoreProtectedLeftRightQuadPairs($innerWithBlanks, $lrQuadRestore);
            if ($blankCount > 0) {
                $parts = explode($blankToken, $innerWithBlanks);

                return self::rebuildMathSegmentsWithBlankSpans($parts, $blankSpan);
            }

            $placeholder = '<<<LATEX_BLANK_'.$counter.'>>>';
            $latexPlaceholders[$placeholder] = $latexContent;
            $counter++;

            return $placeholder;
        }, $renderedContent);

        // 兼容常见空位写法：\underline{...}、\qquad、空括号（含 nbsp 等空白）、连续下划线、尾部 \\$
        $patterns = [
            self::BLANK_UNDERLINE_PATTERN,
            '/\\\\+qquad+/u',
            '/[（(](?:\s|&nbsp;|&#160;|　)*[）)]/u',
            '/_{2,}/u',
            '/\\\\+\$(?=\s*$)/u',
        ];
        $renderedContent = preg_replace($patterns, $blankSpan, $renderedContent);
        if ($collapseAdjacentBlanks) {
            $quotedBlankSpan = preg_quote($blankSpan, '/');
            $renderedContent = preg_replace('/(?:'.$quotedBlankSpan.'(?:\s|&nbsp;|&#160;|　)*){2,}/u', $blankSpan, $renderedContent);
        }
        // 兼容脏数据：空位后紧跟孤立 "$" 且位于句尾（如 "...=____$."），移除该孤立 "$"。
        // 仅作用在“标准空位 + 句尾”场景，不影响正常数学公式分隔符。
        $quotedBlankSpan = preg_quote($blankSpan, '/');
        $renderedContent = preg_replace(
            '/('.$quotedBlankSpan.')\s*\$(?=\s*[\.．。]?(?:\s*(?:(?:<\/[^>]+>|<[^>]+\/>)\s*)*)$)/u',
            '$1',
            $renderedContent
        ) ?? $renderedContent;

        foreach ($latexPlaceholders as $placeholder => $latexContent) {
            if (preg_match('/^\$(.*?)(\\\\+)\$$/u', $latexContent, $match)) {
                $inner = rtrim($match[1]);
                if ($inner === '' || preg_match('/[=:：]\s*$/u', $inner)) {
                    if ($inner === '') {
                        $replacement = $blankSpan;
                    } else {
                        $replacement = htmlspecialchars('$'.$inner.'$', ENT_QUOTES | ENT_HTML5, 'UTF-8').' '.$blankSpan;
                    }
                    $renderedContent = str_replace($placeholder, $replacement, $renderedContent);
                    continue;
                }
            }

            $encodedLatex = htmlspecialchars($latexContent, ENT_QUOTES | ENT_HTML5, 'UTF-8');
            $renderedContent = str_replace($placeholder, $encodedLatex, $renderedContent);
        }

        if ($normalizeChineseTerminalPeriod) {
            $renderedContent = self::normalizeChineseTerminalPeriod($renderedContent);
        }

        return [$renderedContent, $renderedContent !== $content];
    }

    public static function defaultBlankSpan(): string
    {
        return self::DEFAULT_BLANK_SPAN;
    }

    /**
     * 统一句尾标点（仅处理句尾，不影响中间小数/表达式）
     *
     * $mode:
     * - remove: 去掉句尾句号
     * - dot:    句尾统一为英文实心点 "."
     * - cn:     句尾统一为中文句号 "。"
     */
    public static function normalizeTerminalPunctuation(string $content, string $mode): string
    {
        $replacement = match ($mode) {
            'remove' => '',
            'dot' => '.',
            'cn' => '。',
            default => null,
        };
        if ($replacement === null) {
            return $content;
        }

        // 仅处理句尾最后一个标点（允许句尾带 HTML 标签，如 <image .../>）。
        // 1) 先处理数学片段尾点（如 "$.$" / "$。$" / "$．$"）。
        if (preg_match('/^(.*)\$\s*[\.．。]\s*\$(\s*(?:(?:<\/[^>]+>|<[^>]+\/>)\s*)*)$/us', $content, $m)) {
            return $m[1].$replacement.$m[2];
        }

        // 2) 再处理普通句尾点（只替换最后一个，不影响中间文本）。
        if (preg_match('/^(.*?)([\.．。])(\s*(?:(?:<\/[^>]+>|<[^>]+\/>)\s*)*)$/us', $content, $m)) {
            return $m[1].$replacement.$m[3];
        }

        return $content;
    }

    /**
     * 仅当句尾不存在句号类标点时，追加目标标点。
     * 不会覆盖已存在的句尾标点，也不处理正文中间内容。
     */
    public static function appendTerminalPunctuationIfMissing(string $content, string $punctuation): string
    {
        if ($punctuation === '') {
            return $content;
        }

        // 末尾若是图像类媒体标签（例如 <image .../>），不追加标点，避免出现独立一行的孤立小点。
        if (preg_match('/(?:<\s*image\b[^>]*\/?>|<\s*img\b[^>]*\/?>|<\s*svg\b[\s\S]*<\/\s*svg\s*>)(?:\s*(?:(?:<\/[^>]+>|<[^>]+\/>)\s*)*)$/iu', $content)) {
            return $content;
        }

        // 句尾若已有终止符号（按“可见文本”判断，避免把 HTML 实体中的分号误判为终止符）
        $visibleText = html_entity_decode(strip_tags($content), ENT_QUOTES | ENT_HTML5, 'UTF-8');
        $visibleText = rtrim($visibleText);
        if ($visibleText !== '' && preg_match('/[\.．。!！\?？;；:：]$/u', $visibleText)) {
            return $content;
        }

        return rtrim($content).$punctuation;
    }

    /**
     * 填空题常见写法："...。 （说明）" / "...。（说明）"（后面可能跟图片标签）
     * 将该处句号统一为英文小点，避免句尾媒体标签场景下出现错误补点。
     */
    public static function normalizePeriodBeforeTrailingParentheticalNote(string $content, string $replacement = '.'): string
    {
        return preg_replace(
            '/[。．\.](?=\s*[（(][^）)]{1,80}[）)]\s*(?:(?:<[^>]+>\s*)*)$)/u',
            $replacement,
            $content,
            1
        ) ?? $content;
    }

    private static function normalizeChineseTerminalPeriod(string $content): string
    {
        // 仅在存在中文语境时，把句末英文句号统一为中文句号。
        if (! preg_match('/\p{Han}/u', $content)) {
            return $content;
        }

        return self::normalizeTerminalPunctuation($content, 'cn');
    }
}