MaBibli 1.0.0

Gestion de bibliothèque personnelle auto-hébergée : catalogue, prêts, scan de code-barres, consultation hors-ligne. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
2026-08-22 22:36:16 +02:00
commit 6a6d745af4
207 changed files with 35543 additions and 0 deletions
@@ -0,0 +1,116 @@
+using System.Globalization;
+using System.Text;
+
+namespace MaBibli.Shared.Textes;
+
+/// <summary>
+/// Mise à plat d'un texte pour la recherche et le regroupement : minuscules, sans accents,
+/// sans ponctuation, espaces réduits.
+/// </summary>
+/// <remarks>
+/// <b>Pourquoi une forme stockée plutôt qu'une comparaison à la volée ?</b> SQLite ne sait pas
+/// comparer sans tenir compte des accents : sa collation <c>NOCASE</c> ne couvre que l'ASCII, et
+/// il n'existe pas de <c>unaccent()</c> intégré. Faire le travail en C# à l'écriture, dans une
+/// colonne dédiée, est la seule façon d'obtenir « Emile » → « Émile » <b>sans</b> charger tout
+/// le catalogue en mémoire à chaque recherche.
+/// <para>
+/// Conséquence à ne pas oublier : toute écriture doit recalculer la forme normalisée, et le
+/// terme cherché doit passer par la <b>même</b> fonction que la valeur stockée.
+/// </para>
+/// </remarks>
+public static class NormalisationTexte
+{
+    /// <summary>
+    /// Forme comparable d'un texte quelconque : « Émile ZOLA » → « emile zola ».
+    /// </summary>
+    /// <remarks>
+    /// La ponctuation devient une espace plutôt que de disparaître : « P.F. Hamilton » doit
+    /// donner trois mots (<c>p f hamilton</c>) et non un seul (<c>pf hamilton</c>), sans quoi
+    /// le rapprochement par initiales serait impossible.
+    /// <para>
+    /// Les <b>ligatures</b> <c>œ</c> et <c>æ</c> sont décomposées en <c>oe</c> et <c>ae</c>.
+    /// ⚠️ Ce n'est pas ce que fait la décomposition NFD, qui sépare les accents mais laisse les
+    /// ligatures intactes : sans ce traitement explicite, <i>L'Œuvre</i> de Zola — que la BnF
+    /// écrit avec la ligature — resterait introuvable à qui tape « oeuvre » au clavier.
+    /// </para>
+    /// <para>
+    /// Le choix s'est porté sur une table explicite plutôt que sur NFKD, qui aurait fait bien
+    /// davantage : « ² » → « 2 », « Ⅻ » → « XII », les espaces insécables, les formes de
+    /// présentation. Une normalisation de recherche doit rester prévisible ; on ne défait ici que
+    /// ce dont on a constaté le besoin.
+    /// </para>
+    /// </remarks>
+    public static string Normaliser(string? brut)
+    {
+        if (string.IsNullOrWhiteSpace(brut))
+        {
+            return string.Empty;
+        }
+
+        // NFD sépare la lettre de son accent ; on ne garde ensuite que la lettre.
+        var decompose = brut.Normalize(NormalizationForm.FormD);
+        var sortie = new StringBuilder(decompose.Length);
+        var espaceEnAttente = false;
+
+        foreach (var c in decompose)
+        {
+            if (CharUnicodeInfo.GetUnicodeCategory(c) == UnicodeCategory.NonSpacingMark)
+            {
+                continue; // Accent détaché par la décomposition.
+            }
+
+            if (Ligature(c) is { } lettres)
+            {
+                if (espaceEnAttente && sortie.Length > 0)
+                {
+                    sortie.Append(' ');
+                }
+
+                espaceEnAttente = false;
+                sortie.Append(lettres);
+                continue;
+            }
+
+            if (char.IsLetterOrDigit(c))
+            {
+                if (espaceEnAttente && sortie.Length > 0)
+                {
+                    sortie.Append(' ');
+                }
+
+                espaceEnAttente = false;
+                sortie.Append(char.ToLowerInvariant(c));
+                continue;
+            }
+
+            // Tout le reste (espaces, points, virgules, tirets…) est un séparateur de mots.
+            espaceEnAttente = true;
+        }
+
+        return sortie.ToString().Normalize(NormalizationForm.FormC);
+    }
+
+    /// <summary>
+    /// Développement d'une ligature, ou <c>null</c> si le caractère n'en est pas une.
+    /// </summary>
+    /// <remarks>
+    /// Volontairement limité à <c>œ</c> et <c>æ</c>, seules ligatures courantes du français.
+    /// Les ligatures typographiques de présentation (<c>ﬁ</c>, <c>ﬂ</c>) ne sont pas traitées :
+    /// elles n'apparaissent pas dans les catalogues, et rien n'a montré le besoin.
+    /// </remarks>
+    private static string? Ligature(char c) => c switch
+    {
+        'œ' or 'Œ' => "oe",
+        'æ' or 'Æ' => "ae",
+        _ => null,
+    };
+
+    /// <summary>Mots de la forme normalisée, sans mot vide.</summary>
+    public static string[] Mots(string? brut)
+    {
+        var normalise = Normaliser(brut);
+        return normalise.Length == 0
+            ? []
+            : normalise.Split(' ', StringSplitOptions.RemoveEmptyEntries);
+    }
+}