feat(reader): legado 书源规则引擎 Go 移植 + 阅读 P0 后端

- internal/service/reader/rule/：逐方法移植 legado analyzeRule 包（AnalyzeRule/AnalyzeByJSoup/AnalyzeByJSonPath/AnalyzeByXPath/ AnalyzeByRegex/AnalyzeUrl/RuleAnalyzer），JS 规则留 P2 接入点 - 书源导入（JSON数组/对象/Base64/URL）、多源聚合搜索（legado 四档排序合并）、详情/目录/正文（nextContentUrl 翻页合并） - 数据模型 4 表注册迁移；/api/reader/* 路由组（书源/搜索/书架/进度/调试） - 单测 + httptest 全链路端到端测试 - docs/reader-ui-spec.md：legado UI 交互仿制规格（供 P1 前端使用）
2026-10-08 14:26:37 +08:00 · 2026-09-30 15:41:58 +08:00
parent c84f2604ed
commit b8e6418326
28 changed files with 5736 additions and 14 deletions
@@ -0,0 +1,263 @@
+package rule
+
+import (
+	"bytes"
+	"strings"
+
+	"github.com/andybalholm/cascadia"
+	"golang.org/x/net/html"
+)
+
+// 本文件在 golang.org/x/net/html 的 *html.Node 上实现 jsoup 的元素语义，
+// 供 jsoup 风格分析器使用。语义对齐 org.jsoup.nodes.Element。
+
+func isElement(n *html.Node) bool {
+	return n != nil && n.Type == html.ElementNode
+}
+
+// childrenElements 对应 Element.children()：直接子元素。
+func childrenElements(n *html.Node) []*html.Node {
+	var out []*html.Node
+	if n == nil {
+		return out
+	}
+	for c := n.FirstChild; c != nil; c = c.NextSibling {
+		if isElement(c) {
+			out = append(out, c)
+		}
+	}
+	return out
+}
+
+// collectElements 对应 jsoup Collector.collect(evaluator, root)：
+// 前序遍历，包含 root 自身。
+func collectElements(root *html.Node, pred func(*html.Node) bool) []*html.Node {
+	var out []*html.Node
+	if root == nil {
+		return out
+	}
+	var walk func(n *html.Node)
+	walk = func(n *html.Node) {
+		if n.Type == html.ElementNode && pred(n) {
+			out = append(out, n)
+		}
+		for c := n.FirstChild; c != nil; c = c.NextSibling {
+			walk(c)
+		}
+	}
+	// root 自身参与匹配（jsoup select/getElementsByXxx 均包含自身）
+	if root.Type == html.ElementNode && pred(root) {
+		out = append(out, root)
+	}
+	for c := root.FirstChild; c != nil; c = c.NextSibling {
+		walk(c)
+	}
+	return out
+}
+
+func hasClassToken(n *html.Node, class string) bool {
+	for _, a := range n.Attr {
+		if a.Key == "class" {
+			for _, tok := range strings.Fields(a.Val) {
+				if tok == class {
+					return true
+				}
+			}
+		}
+	}
+	return false
+}
+
+// getElementsByClass 对应 Element.getElementsByClass（含自身）。
+func getElementsByClass(root *html.Node, class string) []*html.Node {
+	return collectElements(root, func(n *html.Node) bool { return hasClassToken(n, class) })
+}
+
+// getElementsByTag 对应 Element.getElementsByTag（含自身）。
+func getElementsByTag(root *html.Node, tag string) []*html.Node {
+	return collectElements(root, func(n *html.Node) bool { return n.Data == tag })
+}
+
+// getElementsById 对应 Collector.collect(Evaluator.Id(id), root)（含自身）。
+func getElementsById(root *html.Node, id string) []*html.Node {
+	return collectElements(root, func(n *html.Node) bool {
+		for _, a := range n.Attr {
+			if a.Key == "id" && a.Val == id {
+				return true
+			}
+		}
+		return false
+	})
+}
+
+// getElementsContainingOwnText 对应 Evaluator.ContentsOwnText 语义：
+// ownText 包含目标串的元素。
+func getElementsContainingOwnText(root *html.Node, text string) []*html.Node {
+	return collectElements(root, func(n *html.Node) bool {
+		return strings.Contains(nodeOwnText(n), text)
+	})
+}
+
+// selectCSS 对应 Element.select(css)：以 root 为起点（含自身）执行 CSS 选择。
+func selectCSS(root *html.Node, sel string) []*html.Node {
+	compiled, err := cascadia.Compile(sel)
+	if err != nil {
+		return nil
+	}
+	return selectWithCompiled(root, compiled)
+}
+
+func selectWithCompiled(root *html.Node, sel cascadia.Selector) []*html.Node {
+	var out []*html.Node
+	if root.Type == html.ElementNode && sel(root) {
+		out = append(out, root)
+	}
+	var walk func(n *html.Node)
+	walk = func(n *html.Node) {
+		for c := n.FirstChild; c != nil; c = c.NextSibling {
+			if isElement(c) && sel(c) {
+				out = append(out, c)
+			}
+			walk(c)
+		}
+	}
+	walk(root)
+	return out
+}
+
+// nodeOwnText 对应 Element.ownText()：直接子文本节点，规整空白后空格连接。
+func nodeOwnText(n *html.Node) string {
+	var parts []string
+	for c := n.FirstChild; c != nil; c = c.NextSibling {
+		if c.Type == html.TextNode {
+			t := normalizeWhitespace(c.Data)
+			if t != "" {
+				parts = append(parts, t)
+			}
+		}
+	}
+	return strings.Join(parts, " ")
+}
+
+// nodeText 对应 Element.text()：全部后代文本规整空白（<br> 记空格，
+// 跳过 script/style），多段空白折叠为单个空格。
+func nodeText(n *html.Node) string {
+	var sb bytes.Buffer
+	var walk func(n *html.Node)
+	walk = func(n *html.Node) {
+		if n.Type == html.TextNode {
+			sb.WriteString(n.Data)
+			return
+		}
+		if n.Type == html.ElementNode && (n.Data == "script" || n.Data == "style") {
+			return
+		}
+		if n.Type == html.ElementNode && n.Data == "br" {
+			sb.WriteString(" ")
+			return
+		}
+		for c := n.FirstChild; c != nil; c = c.NextSibling {
+			walk(c)
+		}
+	}
+	walk(n)
+	return normalizeWhitespace(sb.String())
+}
+
+// normalizeWhitespace 对应 jsoup TextUtil 的空白规整。
+func normalizeWhitespace(s string) string {
+	return strings.Join(strings.Fields(s), " ")
+}
+
+// nodeTextNodes 对应 Element.textNodes()：直接子文本节点（trim 非空）。
+func nodeTextNodes(n *html.Node) []string {
+	var out []string
+	for c := n.FirstChild; c != nil; c = c.NextSibling {
+		if c.Type == html.TextNode {
+			t := strings.TrimSpace(c.Data)
+			if t != "" {
+				out = append(out, t)
+			}
+		}
+	}
+	return out
+}
+
+// nodeData 对应 Element.data()：script/style 的原始内容。
+func nodeData(n *html.Node) string {
+	if n.Type != html.ElementNode || (n.Data != "script" && n.Data != "style") {
+		return ""
+	}
+	var sb bytes.Buffer
+	for c := n.FirstChild; c != nil; c = c.NextSibling {
+		if c.Type == html.TextNode {
+			sb.WriteString(c.Data)
+		}
+	}
+	return sb.String()
+}
+
+// outerHTML 对应 Element.outerHtml()。
+func outerHTML(n *html.Node) string {
+	var buf bytes.Buffer
+	if err := html.Render(&buf, n); err != nil {
+		return ""
+	}
+	return buf.String()
+}
+
+// outerHTMLNoScript 对应 getResultLast "html" 分支：移除 script/style 后的 outerHtml。
+func outerHTMLNoScript(n *html.Node) string {
+	clone := cloneNodeShallowTree(n)
+	removeTags(clone, "script")
+	removeTags(clone, "style")
+	return outerHTML(clone)
+}
+
+func removeTags(n *html.Node, tag string) {
+	var toRemove []*html.Node
+	for c := n.FirstChild; c != nil; c = c.NextSibling {
+		if isElement(c) && c.Data == tag {
+			toRemove = append(toRemove, c)
+		}
+		removeTags(c, tag)
+	}
+	for _, r := range toRemove {
+		n.RemoveChild(r)
+	}
+}
+
+// cloneNodeShallowTree 深拷贝节点树（html.Render 需要）。
+func cloneNodeShallowTree(n *html.Node) *html.Node {
+	c := &html.Node{
+		Type:     n.Type,
+		DataAtom: n.DataAtom,
+		Data:     n.Data,
+		Attr:     append([]html.Attribute(nil), n.Attr...),
+	}
+	for ch := n.FirstChild; ch != nil; ch = ch.NextSibling {
+		cc := cloneNodeShallowTree(ch)
+		c.AppendChild(cc)
+	}
+	return c
+}
+
+func attrValue(n *html.Node, key string) string {
+	for _, a := range n.Attr {
+		if a.Key == key {
+			return a.Val
+		}
+	}
+	return ""
+}
+
+// parseHTML 对应 AnalyzeByJSoup.parse：字符串转节点树。
+// x/net/html 会补全 <html><body> 结构，选择器从 document 根开始匹配，
+// 与 jsoup 以 Document 为根的选择行为一致。
+func parseHTML(s string) *html.Node {
+	nodes, err := html.Parse(strings.NewReader(s))
+	if err != nil {
+		return nil
+	}
+	return nodes
+}