研学线路

app/Support/StudyTourDeclarationParser.php

@@ -162,7 +162,7 @@ class StudyTourDeclarationParser
 
         $introText = self::joinSectionLines($sections['intro'] ?? []);
         $feeText = self::joinSectionLines($sections['fee'] ?? []);
-        $implText = self::joinSectionLines(self::filterImplementationLines($sections['impl'] ?? []));
+        $implText = self::sanitizeImplementationText(self::joinSectionLines(self::filterImplementationLines($sections['impl'] ?? [])));
 
         $routePlans = self::parseRouteSection($sections['route'] ?? []);
         $courses = self::parseCoursesSection($sections['courses'] ?? [], $routePlans);
@@ -814,18 +814,135 @@ class StudyTourDeclarationParser
             if ($line === '') {
                 continue;
             }
-            if (self::isGarbledLine($line) || self::isWordMetadataLine($line)) {
-                break;
-            }
             if (preg_match('/^\(?实施场次[、，].*等\)?$/u', $line)) {
                 continue;
             }
+            if (! self::isPlausibleImplementationLine($line)) {
+                break;
+            }
             $kept[] = $line;
         }
 
         return $kept;
     }
 
+    private static function sanitizeImplementationText(string $text): string
+    {
+        $text = StudyTourPayload::compactMultilineText($text);
+        if ($text === '') {
+            return '';
+        }
+
+        $kept = [];
+        foreach (preg_split('/\R/u', $text) ?: [] as $line) {
+            $line = trim((string) $line);
+            if ($line === '') {
+                continue;
+            }
+            if (! self::isPlausibleImplementationLine($line)) {
+                break;
+            }
+            $kept[] = $line;
+        }
+
+        return implode("\n", $kept);
+    }
+
+    private static function isPlausibleImplementationLine(string $line): bool
+    {
+        if (self::isImplementationStopLine($line)) {
+            return false;
+        }
+
+        if (preg_match('/(?:\d{1,2}月\d{1,2}(?:-\d{1,2})?日|\d{1,2}-\d{1,2}月|\d{4}年\d{1,2}月\d{1,2}日|第[一二三四五六七八九十百零\d]+[场期次])/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/^(说明|备注|要点)[：:]/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/[预约成团寒暑假节假说明要点场次时间共]/u', $line)) {
+            $cjk = preg_match_all('/[\x{4e00}-\x{9fff}]/u', $line) ?: 0;
+            $readable = preg_match_all('/[\x{4e00}-\x{9fff}0-9A-Za-z，。、：；（）\-\s\/&""《》—–,.\:]/u', $line) ?: 0;
+
+            return $cjk >= 3 && ($readable / max(mb_strlen($line), 1)) >= 0.6;
+        }
+
+        $cjk = preg_match_all('/[\x{4e00}-\x{9fff}]/u', $line) ?: 0;
+        $readable = preg_match_all('/[\x{4e00}-\x{9fff}0-9A-Za-z，。、：；（）\-\s\/&""《》—–,.\:]/u', $line) ?: 0;
+        $len = mb_strlen($line);
+
+        return $cjk >= 10
+            && ($readable / max($len, 1)) >= 0.75
+            && ! preg_match('/[A-Za-z]/', $line);
+    }
+
+    private static function isImplementationStopLine(string $line): bool
+    {
+        if (self::isGarbledLine($line) || self::isWordMetadataLine($line)) {
+            return true;
+        }
+
+        if (preg_match('/[￿Ç]/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/^(一、|二、|三、|四、|五、|六、|、线路)/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/^(线路规划|线路简介|线路名称|线路联络人|组织单位名称|咨询电话|研学课程|线路收费标准|线路点位|适配学段|研学时长|适宜人数)/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/^(日期|时间|行程安排|地点|以下为示例|（可多选）|熊猫饲养员|幼儿园|微软)/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/^第[一二三四五六七八九十百零\d]+天$/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/^(苏州市|常熟市|吴江区|太仓市)$/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/^\d{1,2}$/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/^1\d{10}$/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/^\d{1,2}:\d{2}x$/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/[\x{E000}-\x{F8FF}]/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/[\x{AC00}-\x{D7AF}\x{1100}-\x{11FF}]/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/[鐁耠耀謀卛鄬铐]/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/[°éêÈĨ༪]/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/[A-Za-z]/', $line) && ! preg_match('/(colour|run|DIY)/iu', $line)) {
+            return true;
+        }
+
+        return false;
+    }
+
     private static function isValidImplementationLine(string $line): bool
     {
         if (self::isGarbledLine($line) || self::isWordMetadataLine($line)) {
@@ -873,7 +990,7 @@ class StudyTourDeclarationParser
     {
         static $needles = [
             '正文', '默认段落字体', '普通表格', '无列表', '页脚', '页眉', '网格型',
-            '微软用户', 'WordDocument', 'DocumentSummary', 'SummaryInformation',
+            '微软用户', '微软中国', 'WordDocument', 'DocumentSummary', 'SummaryInformation',
             'CompObj', 'ProductBuild', 'KSOProduct', 'Normal.dotm', 'Microsoft Office',
             'xmlns', 'ContentTypes', 'theme/theme', 'themeManager', 'fontTable',
             'Root Entry', 'SMWordDoc', 'Word.Document',
@@ -929,6 +1046,18 @@ class StudyTourDeclarationParser
             return true;
         }
 
+        if (preg_match('/[\x{E000}-\x{F8FF}]/u', $line)) {
+            return true;
+        }
+
+        if (preg_match('/[鐁耠耀謀卛鄬铐]/u', $line)) {
+            return true;
+        }
+
+        if (str_contains($line, 'Ç')) {
+            return true;
+        }
+
         if (preg_match('/[￿]/u', $line)) {
             return true;
         }
@@ -958,8 +1087,16 @@ class StudyTourDeclarationParser
 
     private static function containsGarbledText(string $text): bool
     {
+        if (preg_match('/[鐁耠耀謀卛鄬铐]/u', $text)) {
+            return true;
+        }
+
+        if (preg_match('/(?:线路规划|、线路|微软中国|WordDocument)/u', $text)) {
+            return true;
+        }
+
         foreach (preg_split('/\R/u', $text) ?: [] as $line) {
-            if (self::isGarbledLine(trim((string) $line))) {
+            if (self::isGarbledLine(trim((string) $line)) || self::isImplementationStopLine(trim((string) $line))) {
                 return true;
             }
         }