title_utils.py
1.3 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
"""UTF-16 标题长度计算,对应 Go pkg/xhsutil/title.go。"""
from __future__ import annotations
MAX_TITLE_LENGTH = 20
def calc_title_length(s: str) -> int:
"""计算小红书标题长度。
规则(同 Go CalcTitleLength):
- 非 ASCII 字符(中文、全角符号、emoji 代码单元等)算 2
- ASCII 字符算 1
- 最终结果向上取整除以 2,上限 MAX_TITLE_LENGTH = 20
Emoji 按 UTF-16 码元计数:
- 基础 emoji(如 ✨ U+2728, BMP)= 1 码元 → 权重 2 → 贡献 1
- SMP emoji(如 💇 U+1F487,surrogate pair)= 2 码元 → 权重 4 → 贡献 2
- ZWJ 序列(如 💇♀️)= 5 码元 → 权重 10 → 贡献 5
- 旗帜(如 🇨🇳,2 个 regional indicator)= 4 码元 → 权重 8 → 贡献 4
Examples:
>>> calc_title_length("你好世界")
4
>>> calc_title_length("hello")
3
>>> calc_title_length("OOTD穿搭分享")
6
>>> calc_title_length("💇\u200d♀️")
5
"""
byte_len = 0
encoded = s.encode("utf-16-le")
for i in range(0, len(encoded), 2):
code_unit = int.from_bytes(encoded[i : i + 2], "little")
if code_unit > 127:
byte_len += 2
else:
byte_len += 1
return (byte_len + 1) // 2