Files

2026-02-10 11:39:33 +08:00

28 KiB

Raw Permalink Blame History

情绪文案换行算法规范与实现映射说明书 v1.2（裁决补充版，可直接实现）— 实现口径补充 v1.2.1

本文档用于指导 情绪文案自动换行算法 的完整实现（可直接据此写代码）。目标不是做语义理解，而是通过 规则 + 参数 + 确定性搜索与决策，在多语言、多行数、多尺寸（App/Widget）场景下，输出稳定、可控、可解释的换行结果。

本版本为「裁决补充版 + 实现口径补充」：已将实现时最容易产生歧义的口径点写入原文合适位置，确保跨端一致。

0. 快速摘要（给实现者）

你需要实现一个纯函数模块：

输入：text、lang、availableWidth、maxLines、fontSpec（App 强烈建议）、context（APP/WIDGET）、可选 constraints、可选 overflowMode
输出：lines[]（<=maxLines）、wrappedText、可选 meta

核心流程（必须确定性）：

Tokenize（按语言）
生成候选断点 breakpoints（控规模）
搜索断点组合（DP+TopK 或 Beam），生成候选 layout
对 layout 做硬约束过滤 + 打分
tie-break 固定顺序选最优
溢出/兜底处理 + 打点

1. 设计目标（Why）

1.1 核心目标

控制阅读节奏：让用户“自然停顿”
放大情绪关键词：情绪词/短语尽量靠近行尾或独立成行
多端稳定：App 精确测量、Widget 常量估算也能稳定
同输入 → 同输出（确定性）
可缓存：同 key 重复调用不重复计算
可治理：兜底/溢出可打点

1.2 非目标

不做情绪识别 / 语义理解
不做通用排版引擎
不依赖机器学习

2. 数据结构与接口（What）

2.1 公开接口（建议）

wrapText({
  text: string,
  lang: 'TC' | 'EN',
  availableWidth: number,
  maxLines: number,
  context: 'APP' | 'WIDGET',
  fontSpec?: { fontSize: number; fontWeight?: string; fontFamily?: string },
  overflowMode?: 'ELLIPSIS' | 'CLIP' | 'SYSTEM_DEFAULT',
  lineMode?: 'AUTO' | 'FIXED',
  constraints?: {
    protectedPhrases?: string[];           // 尽量不跨行
    forbiddenBreakRanges?: Array<{start: number; end: number}>; // token index 区间内禁止断点
  },
  configVersion?: string,
  debug?: boolean
}) => {
  lines: string[];
  wrappedText: string;
  meta?: DebugMeta;
}

2.2 内部结构（建议）

Token

EN：word token（保留原始字符串与长度）
TC：grapheme cluster token（字符簇，避免拆 emoji/ZWJ）

Token {
  text: string
  type: 'WORD' | 'SPACE' | 'PUNCT' | 'GRAPHEME'
  isPunct?: boolean
  isEmojiCluster?: boolean
}

Breakpoint（断点位置是 token 边界）

Breakpoint {
  pos: number;                // 断点在 token 边界：切分为 [0..pos) + [pos..]
  kind: 'PUNCT' | 'SPACE' | 'BALANCE' | 'SHIFT' | 'ACCUM' | 'SELF' | 'OTHER';
  priority: number;           // 候选断点生成阶段使用（先截断）
}

LineSegment（一行）

LineSegment {
  start: number;
  end: number;
  text: string;
  width: number;
  tokenCount: number;
  charCount: number;
  endsWithEmotion?: boolean;
}

Layout（候选方案）

Layout {
  breaks: number[];        // 断点序列，例如 [pos1, pos2, ...]
  lines: LineSegment[];
  score: number;
  tieKey?: (number | string)[];
  flags: {
    emotionSplit?: boolean;
    overflowed?: boolean;
    fallback?: boolean;
  }
  scoreBreakdown?: ScoreBreakdown;
}

2.3（新增）索引体系与文本重组（必须定义，确保跨端一致）

最常见的实现偏差来自：token 是否包含空格、pos 到底切在哪里、以及如何拼回 text。以下规则必须统一。

2.3.1 EN 索引约定

EN token 序列 只包含 WORD（标点默认贴附在词内），不生成 SPACE token。
断点 pos 表示：在第 pos 个词之前断开。
- 行区间 [start..end) 表示 tokens[start] ... tokens[end-1]
文本重组：默认用单空格 " " join（或使用原始空白映射，见 2.3.3）。

例："I am so tired" → tokens = [I, am, so, tired]

breaks=[2] → lines: "I am" / "so tired"

2.3.1A（裁决补充）EN 标点处理：极简派（必须）

为保证跨端实现一致，EN 标点采用极简派约束：

所有标点均视为 词内字符（token.text 的一部分），不额外拆分为独立 token。例如：
- "tired." 是一个 token
- "Wait..." 是一个 token
- "hello—world" 作为一个 token
- "don't" 作为一个 token
因此：EN 断点仅存在于词与词之间，不存在“标点后断点”概念。
Shift / Accum / Self / EmotionWords 的匹配在 token.text 上执行（可大小写归一），允许被词内标点包裹（如 "but," 仍可视为命中 "but"）。

2.3.1A-1（实现口径补充）EN 关键词命中规则：全词等值匹配，不做 substring（必须）

为避免 "rebuttal" 被 substring 误命中 "but" 等问题，EN 命中判断固定为：

对 token.text 执行：lowercase → strip 两端常见标点 → 全词等值比较
不允许 substring / contains 式命中。
“常见标点”建议配置为（可按需扩展，但全端一致）： , . ! ? : ; " ' … — – ( ) [ ] { }

说明：此规则只影响“词库命中判定”，不改变 tokenization（仍为极简派）。

2.3.2 TC 索引约定

TC tokens 为 grapheme clusters。
断点 pos 表示：在第 pos 个 grapheme 之前断开。

例："我好累😮‍💨"

tokens = [我, 好, 累, 😮‍💨]（😮‍💨 为一个 cluster）
breaks=[3] → "我好累" / "😮‍💨"

2.3.3（可选）原始空白保留策略

若产品需要保留输入中的多空格/换行（一般不建议），必须把空白映射作为单独结构：

rawSeparators[i] 表示 tokens[i] 与 tokens[i+1] 之间的原始分隔符。
重组时按 rawSeparators 拼接。

否则（推荐默认）：对输入先做 normalizeWhitespace（折叠连续空白为 1 个空格，去首尾空白），并在 meta 里打点 hadMultiWhitespace。

3. 宽度测量（必须可实现）

3.1 App（建议精确测量）

实现者需提供一个可插拔的测量函数：

measureWidth(text: string, fontSpec): number

RN iOS 推荐用原生测量（或 TextLayout 结果）
重要：测量时应使用与实际渲染一致的 fontSpec

Widget 场景不强制精确测量，推荐：

per widgetSize 固定 availableWidth（扣 padding）
EN：按词数/字符数限制候选搜索范围
TC：候选断点上限更小

注意：Widget 常量需在 iOS 大版本或版式变更时校准。

3.3（新增）测量缓存与宽度不可用降级（强烈建议）

3.3.1 缓存 Key 规范

为保证性能与确定性，建议至少两级缓存：

字符串测量缓存：(text, fontSpecKey, contextProfile) -> width
段落切片缓存：(start, end) -> width（对 DP 重复切片测量非常关键）

fontSpecKey 必须规范化：例如 fontFamily|fontWeight|fontSize。

3.3.2 宽度不可用（或测量失败）降级

若出现以下任一情况：

measureWidth 不可用
measureWidth 抛错/返回 NaN
Widget 选择不测量

则进入 approx mode：

把 width 近似替换为：EN 用 wordCount，TC 用 charCount
强制使用 Widget Beam 搜索策略与更小候选规模
打点：WIDTH_UNKNOWN

4. 规则体系（Rule System）

规则按优先级分四层：

硬约束（Hard Constraints）：不满足直接淘汰
情绪规则（Emotion Rules）：强惩罚/强奖励
节奏与语义（Rhythm/Semantic Heuristics）：中等权重
视觉均衡（Visual Balance）：用于多行整体观感

5. 硬约束（Hard Constraints）

任何候选 layout / line 违反即淘汰

H1 不超宽

对每一行：line.width <= availableWidth

H2 不非法拆分

EN：断点只能在词间
TC：断点只能在 grapheme cluster 边界（不得拆 ZWJ emoji 组合）

H3 不空行

trim(line.text) != ''

H4 行内容下限（可降级）

TC：去空格 charCount >= minCharsPerLineTC（默认 2）
EN：tokenCount >= 1（词）

H5 最大行数

layout.lines.length <= maxLines

5.1（新增）必须禁止的断点（推荐硬约束，提高稳定性）

H6 禁止“行首标点”（TC 强烈建议）

若一个断点导致 下一行第一个 token 为标点（属于 tcPunctuations），则该断点不可用。

H7 受保护短语内断点可直接剔除（可选优化）

对 constraints.protectedPhrases：可先计算其 token span（start/end），并在候选断点生成阶段直接过滤 span 内断点。
若不做剔除，也必须在评分中施加强惩罚（见 10.2A）。

6. Tokenize 与断点候选生成

6.1 英文 EN

Tokenize

以空格为分隔
标点贴附在词尾（实现可简化）
建议先 normalizeWhitespace（见 2.3.3）

Breakpoints

在每个“词边界”（词与词之间）产生 breakpoint
kind=SPACE，priority=基础值

Widow 辅助信息

标记短词：len(word) <= widowMaxLen（默认 3）

6.2 中文 TC

Tokenize

按 grapheme cluster 切分（实现可用现成库或平台 API；无库时至少保证不拆 surrogate pair + 常见 ZWJ）

Breakpoints 优先级（高→低）

标点后（kind=PUNCT，priority 高）
空格后（kind=SPACE，priority 中）
均衡补齐断点（kind=BALANCE，priority 低）

均衡补齐（BALANCE）

目标：即便无标点，也能在“接近理想位置”的附近有断点
计算理想切分点：
- targetLines = min(maxLines, estimateNaturalLines())
- idealCharsPerLine ≈ totalChars / targetLines
对每个理想切分点 i：在 [idealPos - range, idealPos + range] 生成少量断点
range 建议：3～6 个 grapheme

候选规模上限（必须）

TC 候选断点上限：tcMaxCandidateBreaks（建议 40～80，Widget 可更低）
截断策略：按 priority（标点>空格>补齐） + 距离理想位置近优先

6.2A（裁决补充）BALANCE 断点与情绪短语冲突处理

BALANCE 断点允许生成在 emotionPhrase / protectedPhrases 的 span 内。
但这类断点若导致短语被拆分，会在评分阶段触发 10.2A 的极大惩罚，从而被自然淘汰。
目的：保持候选生成简单、可控，把“是否可用”统一交给评分与搜索层决定（仍保持确定性）。

6.3（新增）TC Grapheme Cluster 实现要求（跨端一致性）

为避免 iOS/Android/JS 行为不一致，必须明确实现级别：

最低可用实现（无库兜底）

至少保证以下组合不被拆开：

surrogate pair（代理对）
ZWJ sequence（如家庭 emoji）
variation selector（VS16 等）
skin tone modifier（肤色修饰符）
regional indicator flags（国旗）

必须的回归样例（至少覆盖）

👨‍👩‍👧‍👦、🇸🇬、👍🏽、😮‍💨、é（组合字符）

6.4（新增）候选断点的去重、排序与过滤（必须确定性）

去重：同一 pos 出现多个 breakpoint 时，保留 priority 更高者（或合并为最高 kind）。
排序：最终 breakpoints 必须按 pos 升序排列。
过滤：应用 constraints.forbiddenBreakRanges 与（可选）protected phrase span 过滤。

7. 情绪规范 → 系统规则映射（参数化实现）

这一节将“内容规范”落到系统可执行的参数与规则。

7.1 关键词库（配置项）

情绪短语（强保护）

emotionPhrasesTC[]
emotionPhrasesEN[]

情绪转折词（Shift）

TC：但 / 可是 / 然而 / 却 / 只是 / 偏偏
EN：but / yet / so（and 为轻量）

情绪累积词（Accum）

TC：已经 / 一直 / 曾经 / 终于 / 还是 / 到现在
EN：already / still / even / just / really

自我指向词（Self）

TC：你 / 我 / 自己 / 我们 / 别人
EN：you / yourself / me / we

情绪词（EmotionWords，可选）

TC：累 / 痛 / 怕 / 孤单 / 委屈 / 撑 / 崩溃 / 放弃
EN：tired / afraid / lonely / hurt / overwhelmed / give up

备注：词库不需要完美，v1.2 以“少而准”为原则，通过打点迭代。

7.2 系统行为映射（实现点）

情绪短语保护
- 若任何情绪短语被断点拆到不同的行 → layout 加强惩罚（或直接淘汰）
Shift/Accum/Self 断点奖励
- 若断点在这些词附近（词前或词后，按语言定义） → 给该行/该断点奖励
情绪落点强化
- 若一行以情绪词结尾（或靠近行尾） → 奖励
- 若情绪词被埋在长行中间 → 惩罚

7.2B（实现口径补充）“靠近行尾”的确定性定义（必须）

为避免实现者自行发挥，“靠近行尾”固定为：

EN：情绪词位于该行 最后 1 个词（即行尾词）时视为命中“靠近行尾”
TC：情绪词位于该行 最后 2 个 grapheme 范围内时视为命中“靠近行尾”

注：此定义只用于 EmotionWord 强化（奖励/惩罚），不影响 tokenization 与断点生成。

7.2A（裁决补充）EN 断点奖励的“行首/行尾感知”定义（必须）

对 EN 的 Shift / Accum / Self 奖励采用 行首/行尾感知：

若某断点 pos 使得：
- 新行的第一个词命中对应词库（Shift/Accum/Self），则对该断点给予奖励（推荐作为主奖励路径）。
- 或 上一行的最后一个词命中对应词库，则也可给予奖励（可与前者相同或略低，但必须固定实现；若未单独配置，默认与前者相同以简化）。
命中判断在 token.text 上做确定性匹配（可先做小写化与两端去常见标点）。

8. 行长度与节奏参数（建议默认值）

8.1 中文（TC）

minCharsPerLineTC: 4（弱规则；硬约束下限仍为 2）
idealCharsPerLineTC: 8～12（用于评分）
maxCharsPerLineTC: 16（强惩罚；如超过可视为必须换行的压力项）

8.2 英文（EN）

minWordsPerLineEN: 2（弱规则；硬约束下限仍为 1）
idealWordsPerLineEN: 3～6
maxWordsPerLineEN: 8（强惩罚）

注：这些不是“硬塞阈值”，而是用于评分与候选裁剪的偏好。

8.3（裁决补充）理想长度采用“宽度派”（必须）

为提升视觉一致性，idealLen 采用 宽度派推导：

在 width 可用时：
- 以 idealWidth = availableWidth * idealWidthRatio（建议 0.85～0.95，写入配置）
- 对 EN：idealWordsPerLineEN 不作为固定常量，而作为弱上界/弱先验；评分中的 ideal 以 width-based 的 line.width 与 idealWidth 的距离为主。
- 对 TC：idealCharsPerLineTC 同理，主要以 width-based idealWidth 做评分；chars 仅作辅助项（例如 Widget 或 width unknown 时）。
在 width unknown / approx mode 时：
- 回退到 chars/words 的 ideal 区间（8～12 / 3～6）。

8.3A（实现口径补充）idealWidthRatio 默认值（必须写死到配置）

为保证首版跨端一致，默认值裁决为：

idealWidthRatio.APP = 0.90
idealWidthRatio.WIDGET = 0.95

后续若做 A/B 或灰度调整，请通过 configVersion 管理并打点回溯。

9. 搜索与组合（可直接实现）

多行换行的核心是“断点组合搜索”。要求：

输出最优 layout
复杂度可控
完全确定性

9.1 推荐：DP + TopK（App）

状态定义

dp[pos][linesUsed] = TopK layouts ending at token boundary pos
pos 是 token 边界索引（0..N）

转移

从 (pos, linesUsed) 选择下一个断点 nextPos 形成一行 [pos..nextPos)
计算 lineText 与 lineWidth
若违反硬约束，跳过
计算增量评分（见第 10 节）
插入 dp[nextPos][linesUsed+1] 的 TopK

TopK 维护（确定性）

K 建议 10
排序：score desc；tie-break 使用固定 keys（见第 11 节）
插入时去重（同 breaks 序列只保留最高分）

结束条件

在 pos=N（结束边界）处，从 dp[N][<=maxLines] 选最优
lineMode=FIXED 时优先选 dp[N][==maxLines]，否则降级

9.2 推荐：Beam Search（Widget）

每一行扩展时只保留 TopK partial layouts（K 建议 5）
候选断点也更少（更强裁剪）

Beam 过程（概念）

初始 beams = [{pos=0, breaks=[], score=0}]
repeat for lineIndex in 1..maxLines:
- 对每个 beam，从 pos 扩展到若干 nextPos，生成新 beams
- 过滤硬约束
- 评分
- 全局保留 TopK beams
结束时从 beams 中挑 pos==N 最优，否则进入溢出/兜底

9.3（新增）复杂度与性能预算（建议写进实现约束）

为保证线上性能稳定，建议默认上限：

App：tcMaxCandidateBreaks <= 80，TopK=10，maxLines<=3（或 4）
Widget：Beam K<=5，每步扩展断点数 M<=12

当输入超长时（例如 TC>60 grapheme 或 EN>30 words），建议触发候选裁剪或直接走溢出策略并打点 TOO_LONG。

10. 评分模型（Scoring Model，建议实现顺序）

评分用于在“多个合法断点组合”中选最优。权重固定以保证稳定性。

10.1 强烈建议实现顺序

情绪短语拆分惩罚（最高优先）
行超长惩罚 + 理想长度奖励
widow 惩罚（EN）/ 单字行惩罚（TC）
标点断点奖励（TC）
Shift/Accum/Self 断点奖励
多行视觉均衡（尾行过短惩罚）

10.1A（实现口径补充）评分实现顺序不可重排（必须）

所有评分项必须按 10.1 的顺序计算并记录到 breakdown。
后续项不得“覆盖”前序裁决结果（例如：已触发 EmotionPhrase 拆分强惩罚后，不允许因为其他奖励而在实现层面跳过/抵消该惩罚的记录）。
允许在数学意义上出现“总分被奖励抬高”，但 必须保留每一项的确定性记录，以便 debug 与治理。

10.2 评分项清单（可直接落地）

A. 情绪短语保护（EmotionPhrase）

若拆分任意 emotionPhrase：score -= P_EMOTION_SPLIT（非常大）
若被 constraints.protectedPhrases 拆分：score -= P_PROTECTED_SPLIT（非常大）

10.2A（实现口径补充）Phrase 匹配必须为“连续 token 完全匹配”（必须）

emotionPhrase / protectedPhrases 的匹配方式固定为： 连续 token 的完全匹配（EN=连续词序列，TC=连续 grapheme 序列），不允许跳 token、不允许跨断点、不允许模糊匹配。
若采用预计算 span：span 的 start/end 必须与 token 索引体系一致（见 2.3）。

10.2A（裁决补充）emotionPhrases 与 protectedPhrases 的冲突优先级

当 emotionPhrase 与 protectedPhrase 发生竞争（无法同时满足）时：

两者视为同级强保护，在评分上同量级惩罚；
tie-break/决策时以“更长者优先”：
- 若某 layout 保住了更长短语（例如 "真的好累"）而拆了更短短语（例如 "好累"），在同等可行性下应更倾向前者。
实现建议：在拆分惩罚触发时，额外记录被拆分短语的长度（token span 长度），用于 tieKey 或额外惩罚的细分（必须确定性）。

B. Shift/Accum/Self（词附近断点奖励）

断点在 shiftWord 行首/行尾命中：score += R_SHIFT_BREAK
断点在 accumWord 行首/行尾命中：score += R_ACCUM_BREAK
断点在 selfWord 行首/行尾命中：score += R_SELF_BREAK

C. 行长度（Length）

score += f_ideal(lineLen, idealLen)（越接近越好）
若 lineLen > maxLen：score -= P_OVER_MAXLEN * (lineLen - maxLen)
若 lineLen < minPreferred：score -= P_TOO_SHORT * (minPreferred - lineLen)

f_ideal 可用简单的：-abs(lineLen - idealLen)

D. 标点断点（TC）

若断点位于 PUNCT 后：score += R_PUNCT_BREAK
若行首为标点：淘汰（建议见 H6）或极大惩罚

E. Widow（EN）与尾行过短（All）

EN：最后一行只有 1 个词：score -= P_WIDOW_LINE
EN：最后一行只有 1 个短词：score -= P_WIDOW_WORD
All：最后一行宽度 < 某阈值（例如 idealWidth*0.5）：score -= P_SHORT_LASTLINE

F. TC 助词孤立（TC）

行首/行尾为助词：score -= P_PARTICLE_ISO
注：语尾语助词（啊/喔/呢/啦）可通过例外白名单降惩罚

10.2F（裁决补充）TC 语尾语助词白名单：惩罚减半

对白名单中的语尾语助词（如：啊/喔/呢/啦等）：
- 若触发 PARTICLE_ISO（行首/行尾助词），其惩罚使用： P_PARTICLE_ISO / 2
非白名单助词仍使用完整 P_PARTICLE_ISO。
白名单列表必须写入配置并全端一致。

10.2G（裁决补充）EmotionWord 与 Accum 奖励关系（必须）

为避免奖励叠加导致评分失真，奖励关系固定为：

EmotionWord > Accum：
- 若同一行（或同一断点）同时满足 EmotionWord 强化与 Accum 断点奖励：
  - EmotionWord 相关奖励保持原值
  - Accum 相关奖励按 0.5 倍计算（即“后者减半”）
该规则必须确定性实现（例如先计算 EmotionWord 命中，再对 Accum 奖励做折减）。

10.3 建议的默认权重（仅供实现起步）

你可以先用相对大小，不必精确数值。

P_EMOTION_SPLIT：10000
P_PROTECTED_SPLIT：10000
P_WIDOW_WORD：800
P_WIDOW_LINE：500
P_SHORT_LASTLINE：300
P_PARTICLE_ISO：200
R_PUNCT_BREAK：80
R_SHIFT_BREAK：60
R_ACCUM_BREAK：40
R_SELF_BREAK：20
P_OVER_MAXLEN：30
P_TOO_SHORT：10

10.4（新增）评分可解释结构（Debug/治理必备）

为便于线上治理与调参，建议统一输出 score breakdown：

ScoreBreakdown = {
  total: number,
  terms: Array<{ key: string; delta: number; detail?: any }>
}

key 建议枚举：EMOTION_SPLIT | PROTECTED_SPLIT | OVER_MAXLEN | IDEAL_LEN | TOO_SHORT | PUNCT_BREAK | SHIFT_BREAK | ACCUM_BREAK | SELF_BREAK | WIDOW_LINE | WIDOW_WORD | SHORT_LASTLINE | PARTICLE_ISO
debug=true 时可只输出贡献最大的前 3 项。

10.4A（裁决补充）Debug Top-3 输出排序：按规则优先级

debug=true 时输出的“关键项”排序采用规则优先级而非 |delta|：

按 10.1 的实现顺序（优先级）输出
若同优先级内有多项，可再按 |delta| 或出现顺序稳定排序（必须确定性）

11. Tie-break（必须固定，确保确定性）

当 score 相同或非常接近时，按顺序比较：

emotionSplit=false 优先
overflowed=false 优先
lastLineWidth 更大优先（避免短尾行）
行宽分布更均匀优先（可用 maxWidth-minWidth 更小）
断点更接近理想切分点优先（距离之和更小）
断点序列字典序更靠前优先（例如 firstBreak 更小）

实现建议：为 Layout 计算一个 tieKey 数组，逐项比较。

11.0A（裁决补充）breaks[] 字典序比较定义（必须）

断点序列字典序比较规则固定为：

从 index=0 起逐项比较 breaks[i]：
- 首个不同元素更小者视为更小
若公共前缀完全相同，则：
- 更短的数组视为更小（短数组在公共前缀相等时优先）

11.1（新增）分数精度与浮点处理（跨端一致性强烈建议）

建议所有评分项都用整数，避免浮点误差。
若必须使用浮点，必须定义 EPS：例如 EPS=1e-6。
“非常接近”的定义：abs(a-b) <= EPS。

12. 溢出与兜底（必须定义清楚）

12.1 overflowMode

ELLIPSIS：最后一行加省略号（Widget 推荐默认）
CLIP：截断到 maxLines
SYSTEM_DEFAULT：不插入换行，交给系统

12.2 何时算 overflow

搜索无法在 <=maxLines 覆盖到文本结束边界 N
或 lineMode=FIXED 需要刚好 maxLines，但无法到 N

12.3 ELLIPSIS 的实现约束

仅在最后一行处理
必须再次检查 H1（加省略号后是否超宽）
若超宽：优先从最后一行尾部移除 token 再加省略号
尽量避免把 emotionPhrase 截断在中间：
- 若会截断，可选择整段前移或整段省略（以评分决定）

12.4 无解兜底

降级链：

保证 H1/H2/H3
将 H4/助词/widow 从强规则降为弱惩罚
若仍无解：SYSTEM_DEFAULT

12.4A（裁决补充）SYSTEM_DEFAULT 的返回语义（必须）

当选择 SYSTEM_DEFAULT 时：

wrapText 仍返回 lines / wrappedText（可为未换行的单行或原始文本）
并且 仅在 meta 中标记：fallback_type = SYSTEM_DEFAULT
外部组件（UI 层）依据该 meta 决定是否完全交给系统排版（例如不插入 \n，或忽略 lines 渲染）。

关键点：算法层不擅自改变 UI 行为，只提供明确标记，保证可治理与跨端一致。

12.5（新增）ELLIPSIS 细则（必须明确字符与清理规则）

省略号字符统一：ellipsisToken = "…"（推荐单字符）或 "..."（三字符），必须写入配置并全端一致。
EN 截断回退单位：整词；TC 回退单位：grapheme。
清理规则：
- 不允许输出 " …"（空格+省略号）
- 不允许输出 "，…" 或 "。…"（标点+省略号）时可按配置决定是否移除末尾标点再加省略号
加省略号必须重新测量宽度，确保不超宽。

13. 受控人工约束（可选，但建议实现）

13.1 protectedPhrases

行为：拆分该短语 → 视同 emotionPhrase 拆分（强惩罚）

13.2 forbiddenBreakRanges

行为：断点 pos 落在 [start,end] 内 → 候选断点直接剔除

注意：start/end 的单位应与 token 索引一致（EN=词边界；TC=字符簇边界）。

14. Debug Meta 与打点（强烈建议）

14.1 debug meta（可选输出）

chosen breaks
score breakdown（可只输出前 3 个最关键项；排序见 10.4A）
fallback/overflow 原因

14.2 线上打点建议

fallback_type：NONE / RELAX_RULES / SYSTEM_DEFAULT
overflow_type：NONE / ELLIPSIS / CLIP
reason：NO_CANDIDATE / WIDTH_UNKNOWN / WIDOW / PARTICLE / TOO_LONG
lang/context/maxLines/widgetSize

15. 实现步骤（建议落地路线）

EN tokenize + SPACE breakpoints + 2 行先跑通（EN 标点按极简派；关键词命中按 2.3.1A-1）
TC tokenize（grapheme）+ PUNCT breakpoints + 2 行跑通
引入 emotionPhrases 拆分惩罚（phrase 匹配按 10.2A）
引入 DP + TopK（多行）
引入 overflowMode（Widget 先用 ELLIPSIS）
引入 constraints + 打点
调权重与扩词库（基于数据）

16. 附录：最小配置清单（实现时至少要有）

emotionPhrasesTC / emotionPhrasesEN
tcPunctuations
tcParticles（含白名单子集或单独 tcParticleWhitelist）
widowMaxLen
tcMaxCandidateBreaks
minCharsPerLineTC
widgetProfiles（Widget：availableWidth/maxLines/overflowMode/beamK）
ellipsisToken（新增）
EPS（若使用浮点；新增）
idealWidthRatio（新增，宽度派必需；默认值见 8.3A）

16.1（新增）金标测试用例与回归策略（强烈建议）

为保证“确定性 + 可治理”，建议维护一份 Golden Cases：

每种语言至少 20 个样例（短、长、含标点、无标点、含 emoji、含 protectedPhrases、含 shift/accum/self、极窄宽度）
每个样例包含：
- input text
- lang/context
- availableWidth/maxLines/fontSpec（或 widget profile）
- expected lines[]

再加 3 类性质测试（property tests）：

同输入多次调用输出一致
availableWidth 变小不会让任一行变得更宽（近似单调性检查）
maxLines 增加时不应更差（至少不从可解变 overflow）

16.2（新增）配置版本治理（建议）

configVersion 应代表“可灰度的规则包版本”。
meta 与线上打点中必须带上 configVersion，以便回溯与对比实验。

17. 结语

这套算法的目标不是理解情绪，而是：

在规模化系统中，持续做出「像人一样停顿」的选择。

只要：确定性 + 可配置 + 可治理，你就能持续把“情绪表达”变成产品护城河。

28 KiB Raw Permalink Blame History Unescape Escape