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