Angiin

docs: 完善标题长度计算的注释与 emoji 计数说明

新增 MAX_TITLE_LENGTH 常量,补充 UTF-16 码元计数规则:
ZWJ 序列(💇‍♀️)= 5 贡献值,旗帜(🇨🇳)= 4,SMP emoji = 2。
对应 Go CalcTitleLength 算法,澄清各类 emoji 的计算逻辑。
"""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:非 ASCII 字符(中文、全角符号等)算 2 字节,
ASCII 字符算 1 字节,最终结果向上取整除以 2。
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")
... ... @@ -14,9 +26,10 @@ def calc_title_length(s: str) -> int:
3
>>> calc_title_length("OOTD穿搭分享")
6
>>> calc_title_length("💇\u200d♀️")
5
"""
byte_len = 0
# 用 UTF-16 编码来处理(包括 surrogate pairs)
encoded = s.encode("utf-16-le")
for i in range(0, len(encoded), 2):
code_unit = int.from_bytes(encoded[i : i + 2], "little")
... ...