AIStoryBoard/nodejs/sort-sentence.js

/**
 * 步骤1: 创建startSortSentence()函数
 * 步骤2: 接收参数：ocrResultJsonPathArr（识别结果json文件路径数组）
 * 步骤4: 依次遍历ocrResultJsonPathArr里的每一个json文件，根据json里的bbox信息，按照x1越大越靠前的原则排序，把text拼接成字符串。
 * 步骤5: 将字符串保存到txt文件中，文件名称为ocrResultJsonPathArr的文件名，文件保存位置为ocrResultJsonPathArr的文件夹位置
 * 步骤6: 返回保存的txt文件路径数组
 */

import fs from 'fs';
import path from 'path';

/**
 * 步骤1: 创建startSortSentence()函数
 * @param {Array<string>} ocrResultJsonPathArr - 步骤2: 识别结果json文件路径数组（外部传入）
 * @returns {Array<string>} 步骤6: 返回保存的txt文件路径数组
 */
function startSortSentence(ocrResultJsonPathArr) {
  try {
    console.log('🚀 开始整理语句排序流程...');
    
    // 步骤2: 接收参数：ocrResultJsonPathArr（识别结果json文件路径数组）
    console.log('\n📋 步骤2: 验证JSON文件路径数组参数');
    if (!ocrResultJsonPathArr || !Array.isArray(ocrResultJsonPathArr)) {
      throw new Error('步骤2失败: ocrResultJsonPathArr 必须是一个数组');
    }
    if (ocrResultJsonPathArr.length === 0) {
      throw new Error('步骤2失败: ocrResultJsonPathArr 不能为空数组');
    }
    console.log(`✅ JSON文件路径数组长度: ${ocrResultJsonPathArr.length}`);
    
    // 步骤4: 依次遍历ocrResultJsonPathArr里的每一个json文件
    console.log('\n📄 步骤4: 开始遍历JSON文件并排序文本...');
    const txtFilePaths = [];
    
    for (let i = 0; i < ocrResultJsonPathArr.length; i++) {
      const jsonPath = ocrResultJsonPathArr[i];
      
      console.log(`\n   📖 [${i + 1}/${ocrResultJsonPathArr.length}] 处理JSON文件: ${path.basename(jsonPath)}`);
      
      // 验证JSON文件存在
      if (!fs.existsSync(jsonPath)) {
        console.log(`   ⚠️ JSON文件不存在，跳过: ${jsonPath}`);
        continue;
      }
      
      // 读取JSON文件
      let jsonData;
      try {
        const jsonContent = fs.readFileSync(jsonPath, 'utf-8');
        jsonData = JSON.parse(jsonContent);
      } catch (error) {
        console.log(`   ⚠️ JSON文件解析失败，跳过: ${error.message}`);
        continue;
      }
      
      // 获取dialogues数组
      const dialogues = jsonData.dialogues || [];
      
      if (dialogues.length === 0) {
        console.log(`   ⚠️ JSON文件中没有dialogues数据，跳过`);
        continue;
      }
      
      console.log(`   📊 找到 ${dialogues.length} 个文字块`);
      
      // 根据json里的bbox信息，按照x1越大越靠前的原则排序
      const sortedDialogues = dialogues.sort((a, b) => {
        // 获取bbox的x1值
        let x1A = 0;
        let x1B = 0;
        
        if (a.bbox) {
          // bbox可能是数组格式 [[x1,y1], [x2,y2], [x3,y3], [x4,y4]] 或对象格式 {x1, y1, x2, y2}
          if (Array.isArray(a.bbox) && a.bbox.length > 0) {
            x1A = a.bbox[0][0] || 0;  // 取第一个点的x坐标
          } else if (typeof a.bbox === 'object' && a.bbox.x1 !== undefined) {
            x1A = a.bbox.x1;
          }
        }
        
        if (b.bbox) {
          if (Array.isArray(b.bbox) && b.bbox.length > 0) {
            x1B = b.bbox[0][0] || 0;
          } else if (typeof b.bbox === 'object' && b.bbox.x1 !== undefined) {
            x1B = b.bbox.x1;
          }
        }
        
        return x1B - x1A;  // x1越大越靠前（从右到左）
      });
      
      // 把text拼接成字符串
      const textString = sortedDialogues.map(d => d.text || '').join('');
      
      console.log(`   📝 排序后文本长度: ${textString.length} 字符`);
      if (textString.length > 0) {
        console.log(`   📄 文本预览: ${textString.substring(0, 30)}${textString.length > 30 ? '...' : ''}`);
      }
      
      // 步骤5: 将字符串保存到txt文件中
      // 文件名称为ocrResultJsonPathArr的文件名（只是扩展名不同）
      const jsonDir = path.dirname(jsonPath);
      const jsonFileName = path.basename(jsonPath, path.extname(jsonPath));
      const txtFileName = `${jsonFileName}.txt`;
      const txtFilePath = path.join(jsonDir, txtFileName);
      
      // 文件保存位置为ocrResultJsonPathArr的文件夹位置
      fs.writeFileSync(txtFilePath, textString, 'utf-8');
      
      txtFilePaths.push(txtFilePath);
      
      const stats = fs.statSync(txtFilePath);
      console.log(`   ✅ 已保存txt文件: ${txtFileName} (${Math.round(stats.size / 1024)}KB)`);
    }
    
    // 步骤6: 返回保存的txt文件路径数组
    console.log('\n📋 步骤6: 准备返回txt文件路径数组...');
    console.log(`📄 txt文件路径列表 (${txtFilePaths.length} 个):`);
    txtFilePaths.forEach((txtPath, index) => {
      console.log(`   ${index + 1}. ${path.basename(txtPath)}`);
    });
    console.log(`✅ 步骤6完成: txt文件路径数组已准备就绪 (${txtFilePaths.length} 个路径)`);
    
    console.log('\n🎉 所有步骤完成！');
    console.log(`📊 共处理 ${ocrResultJsonPathArr.length} 个JSON文件`);
    console.log(`📊 共生成 ${txtFilePaths.length} 个txt文件`);
    
    return txtFilePaths;  // 步骤6: 返回保存的txt文件路径数组
    
  } catch (error) {
    console.error(`\n❌ 整理语句排序失败: ${error.message}`);
    throw error;
  }
}

// 导出函数
export { startSortSentence };