улучшение логики форматирования ВК текста для публикации

formatter.py

@@ -1,7 +1,7 @@
 import re
 
 def truncate_text(text, max_length):
-    """Обрезает текст до максимальной длины с учетом границ слов"""
+    """Обрезает текст до максимальной длины с учетом границ слов и HTML-тегов"""
     if text is None or not text:
         return ""
     
@@ -12,6 +12,18 @@ def truncate_text(text, max_length):
     truncated = text[:max_length]
     last_space = truncated.rfind(' ')
     
+    # Проверяем, не обрезали ли мы HTML-тег
+    # Если после обрезки есть незакрытый тег <a, нужно найти его начало и обрезать до него
+    open_tag_pos = truncated.rfind('<a ')
+    if open_tag_pos > 0:
+        # Проверяем, закрыт ли тег
+        after_tag = truncated[open_tag_pos:]
+        if '</a>' not in after_tag:
+            # Тег не закрыт, обрезаем до начала тега
+            truncated = truncated[:open_tag_pos]
+            # Ищем последний пробел перед обрезанным тегом
+            last_space = truncated.rfind(' ')
+    
     if last_space > 0:
         return truncated[:last_space] + "..."
     return truncated[:max_length-3] + "..."
@@ -30,22 +42,34 @@ def replace_vk_links(text):
     if not text:
         return text
     
-    # Сначала обрабатываем ссылки формата [url|текст] и преобразуем их в HTML-ссылки
+    # Сначала обрабатываем ВК-специфичные ссылки [club*|текст] и [id*|текст]
+    # Это нужно сделать до обработки обычных URL, чтобы не перехватывать их
+    vk_pattern = r'\[(?:club|id)\d+\|([^\]]+)\]'
+    text = re.sub(vk_pattern, r'\1', text)
+    
+    # Затем обрабатываем ссылки формата [url|текст] и преобразуем их в HTML-ссылки
     def replace_url_link(match):
-        url = match.group(1)
-        link_text = match.group(2)
+        url = match.group(1).strip()
+        link_text = match.group(2).strip()
+        
+        # Проверяем, что URL похож на ссылку (содержит http://, https://, или начинается с /)
+        # Это предотвращает обработку обычного текста в квадратных скобках как ссылки
+        if not (url.startswith('http://') or url.startswith('https://') or url.startswith('/') or url.startswith('#')):
+            # Если это не похоже на URL, возвращаем исходный текст без изменений
+            return match.group(0)
+        
+        # Экранируем кавычки в URL для безопасности
+        url = url.replace('"', '&quot;')
+        # Экранируем HTML-сущности в тексте ссылки
+        link_text = link_text.replace('&', '&amp;').replace('<', '&lt;').replace('>', '&gt;')
         return f'<a href="{url}">{link_text}</a>'
     
     # Регулярное выражение для поиска ссылок формата [url|текст]
-    # Исключаем случаи, когда url начинается с club или id и цифр, за которыми сразу следует | (это обрабатывается отдельно)
-    url_pattern = r'\[(?!club\d+\||id\d+\|)([^\|]+)\|([^\]]+)\]'
+    # URL должен содержать хотя бы один символ, не быть пустым
+    url_pattern = r'\[([^\|\]]+)\|([^\]]+)\]'
     text = re.sub(url_pattern, replace_url_link, text)
     
-    # Регулярное выражение для поиска ссылок формата [типID|Текст] (ВК-специфичные)
-    vk_pattern = r'\[(?:club|id)\d+\|([^\]]+)\]'
-    
-    # Заменяем все вхождения на текст внутри ссылки
-    return re.sub(vk_pattern, r'\1', text)
+    return text
 
 def remove_html_tags(text):
     """Удаляет HTML-теги с учетом специальной обработки <p> и <a>"""