From fcd490b1f5a851e4c58e178b90edc101ffeeccfe Mon Sep 17 00:00:00 2001 From: MT-Mint <798521692@qq.com> Date: Wed, 25 Mar 2026 11:11:21 +0800 Subject: [PATCH] =?UTF-8?q?feat:=20=E5=A6=82=E6=9E=9C=E6=98=AF=E4=B8=AD?= =?UTF-8?q?=E6=96=87=E6=96=87=E6=A1=A3=EF=BC=8C=E5=B0=B1=E9=9A=90=E8=97=8F?= =?UTF-8?q?pdf=E5=AF=B9=E7=85=A7=E7=BF=BB=E8=AF=91=E5=92=8C=E5=88=86?= =?UTF-8?q?=E5=9D=97=E5=AF=B9=E6=AF=94?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- css/history_detail/02-layout/layout.css | 5 + js/history/history_detail_render.js | 171 ++++++++++++++++++++++++ 2 files changed, 176 insertions(+) diff --git a/css/history_detail/02-layout/layout.css b/css/history_detail/02-layout/layout.css index 964aa0e..aa468ef 100644 --- a/css/history_detail/02-layout/layout.css +++ b/css/history_detail/02-layout/layout.css @@ -54,6 +54,11 @@ body { border-radius: 0; /* 移除圆角，纯下划线风格 */ } +/* 隐藏的 Tab 按钮（用于中文文档隐藏翻译相关功能） */ +.tab-btn.hidden-tab { + display: none !important; +} + .tab-btn:hover:not(.active) { color: var(--slate-700); background: transparent; /* 移除悬停背景，保持极简 */ diff --git a/js/history/history_detail_render.js b/js/history/history_detail_render.js index e51836b..6378c89 100644 --- a/js/history/history_detail_render.js +++ b/js/history/history_detail_render.js @@ -1,3 +1,157 @@ +/** + * 检测文本是否主要为中文 + * 通过统计中文字符占比来判断 + * @param {string} text - 待检测的文本 + * @returns {boolean} - 如果中文字符占比超过 30% 则认为是中文文档 + */ +function isChineseDocument(text) { + if (!text || typeof text !== 'string') return false; + + // 移除空白字符后进行检测 + const cleanText = text.replace(/\s+/g, ''); + if (cleanText.length === 0) return false; + + // 匹配中文字符（包括简体和繁体） + const chineseCharRegex = /[\u4e00-\u9fff]/g; + const chineseChars = cleanText.match(chineseCharRegex); + + if (!chineseChars) return false; + + // 计算中文字符占比 + const ratio = chineseChars.length / cleanText.length; + + // 如果中文字符占比超过 30%，认为是中文文档 + return ratio > 0.3; +} + +/** + * 使用 PDF.js 从 PDF base64 数据中提取文本 + * @param {string} base64Data - PDF 文件的 base64 编码数据 + * @param {number} maxPages - 最大提取页数（默认提取前3页用于检测） + * @returns {Promise} 提取的文本内容 + */ +async function extractTextFromPdfBase64(base64Data, maxPages = 3) { + if (!base64Data || typeof pdfjsLib === 'undefined') { + return ''; + } + + try { + // 将 base64 转换为 Uint8Array + const binaryString = atob(base64Data); + const bytes = new Uint8Array(binaryString.length); + for (let i = 0; i < binaryString.length; i++) { + bytes[i] = binaryString.charCodeAt(i); + } + + // 使用 PDF.js 加载 PDF + const loadingTask = pdfjsLib.getDocument({ data: bytes }); + const pdfDocument = await loadingTask.promise; + + // 提取前几页的文本 + const totalPages = Math.min(pdfDocument.numPages, maxPages); + let extractedText = ''; + + for (let pageNum = 1; pageNum <= totalPages; pageNum++) { + const page = await pdfDocument.getPage(pageNum); + const textContent = await page.getTextContent(); + const pageText = textContent.items.map(item => item.str).join(' '); + extractedText += pageText + ' '; + } + + return extractedText; + } catch (error) { + console.error('[extractTextFromPdfBase64] 提取PDF文本失败:', error); + return ''; + } +} + +/** + * 根据文档语言隐藏不需要的 Tab + * 中文文档隐藏：PDF对照、仅翻译、分块对比 + * @param {Object} data - 文档数据对象 + * @returns {Promise} - 是否为中文文档 + */ +async function hideTabsForChineseDocument(data) { + // 获取 OCR 文本用于判断语言 + // 优先级：contentListJson > ocr > ocrChunks > originalBinary(PDF提取) + let textToDetect = ''; + const meta = data?.metadata?.metadata || data?.metadata || {}; + + // 1. 优先从 contentListJson 提取文本（MinerU 结构化数据） + if (meta.contentListJson && Array.isArray(meta.contentListJson)) { + const textItems = meta.contentListJson + .filter(item => item.type === 'text' && item.text) + .map(item => item.text); + textToDetect = textItems.join(' '); + console.log('[hideTabsForChineseDocument] 从 contentListJson 提取文本，共', textItems.length, '个文本块'); + } + + // 2. 如果没有 contentListJson，尝试 ocr 字段 + if (!textToDetect && data.ocr && typeof data.ocr === 'string') { + textToDetect = data.ocr; + console.log('[hideTabsForChineseDocument] 使用 data.ocr 字段'); + } + + // 3. 尝试 metadata.ocr + if (!textToDetect && meta.ocr && typeof meta.ocr === 'string') { + textToDetect = meta.ocr; + console.log('[hideTabsForChineseDocument] 使用 metadata.ocr 字段'); + } + + // 4. 尝试 ocrChunks + if (!textToDetect && data.ocrChunks && Array.isArray(data.ocrChunks) && data.ocrChunks.length > 0) { + textToDetect = data.ocrChunks.map(chunk => + typeof chunk === 'string' ? chunk : (chunk.text || chunk.content || '') + ).join(' '); + console.log('[hideTabsForChineseDocument] 从 data.ocrChunks 提取文本'); + } + + // 5. 尝试 metadata.ocrChunks + if (!textToDetect && meta.ocrChunks && Array.isArray(meta.ocrChunks) && meta.ocrChunks.length > 0) { + textToDetect = meta.ocrChunks.map(chunk => + typeof chunk === 'string' ? chunk : (chunk.text || chunk.content || '') + ).join(' '); + console.log('[hideTabsForChineseDocument] 从 metadata.ocrChunks 提取文本'); + } + + // 6. 如果以上都没有，尝试从原始PDF中提取文本 + if (!textToDetect && meta.originalPdfBase64) { + console.log('[hideTabsForChineseDocument] 尝试从原始PDF提取文本进行语言检测...'); + textToDetect = await extractTextFromPdfBase64(meta.originalPdfBase64, 3); + } + + // 检测是否为中文文档 + const isChinese = isChineseDocument(textToDetect); + + console.log('[hideTabsForChineseDocument] 文档语言检测结果:', { + isChinese, + textLength: textToDetect.length, + textSample: textToDetect.substring(0, 100) + '...' + }); + + // 需要隐藏的 Tab ID 列表 + const tabsToHide = [ + 'tab-pdf-compare', // PDF对照 + 'tab-translation', // 仅翻译 + 'tab-chunk-compare' // 分块对比 + ]; + + tabsToHide.forEach(tabId => { + const tabElement = document.getElementById(tabId); + if (tabElement) { + if (isChinese) { + tabElement.classList.add('hidden-tab'); + console.log(`[hideTabsForChineseDocument] 隐藏 Tab: ${tabId}`); + } else { + tabElement.classList.remove('hidden-tab'); + console.log(`[hideTabsForChineseDocument] 显示 Tab: ${tabId}`); + } + } + }); + + return isChinese; +} + /** * 异步渲染历史详情页面的主函数。 * - 从 URL 查询参数中获取记录 ID。 @@ -153,6 +307,10 @@ async function renderDetail() { console.error("initAnnotationSystem is not defined. Check js/annotation_logic.js"); } + // ========== 检测文档语言并隐藏不必要的 Tab ========== + const isChinese = await hideTabsForChineseDocument(data); + // ============================================= + // Determine initial tab, AFTER annotations are loaded let initialTab = hasOriginalPdf ? 'original-file' : 'ocr'; // 有原始文件时默认显示原始文件 if (docIdForLocalStorage) { @@ -164,6 +322,11 @@ async function renderDetail() { !(savedTab !== 'ocr' && (!data.translation || data.translation.trim() === "")) ) { initialTab = savedTab; + // 如果是中文文档，且保存的 Tab 是被隐藏的，则切换到默认 Tab + if (isChinese && ['translation', 'chunk-compare', 'pdf-compare'].includes(savedTab)) { + console.log(`[renderDetail] 中文文档，切换保存的 Tab 从 ${savedTab} 到 ocr`); + initialTab = hasOriginalPdf ? 'original-file' : 'ocr'; + } } else if (hasOriginalPdf) { // 如果有原始文件，优先显示原始文件 initialTab = 'original-file'; @@ -174,6 +337,10 @@ async function renderDetail() { data.translation && data.translation.trim() !== "" ) { initialTab = 'chunk-compare'; + // 如果是中文文档，不显示分块对比 + if (isChinese) { + initialTab = 'ocr'; + } } } else if (hasOriginalPdf) { // 如果有原始文件，优先显示原始文件 @@ -185,6 +352,10 @@ async function renderDetail() { data.translation && data.translation.trim() !== "" ) { initialTab = 'chunk-compare'; + // 如果是中文文档，不显示分块对比 + if (isChinese) { + initialTab = 'ocr'; + } } // 现在，在批注肯定加载完毕后，才调用 showTab