fix: 完善长词优先的逻辑 close #592

不提升包含英文、数字、emoji、假名的候选项

lua/long_word_filter.lua

@@ -1,45 +1,81 @@
 -- 长词优先（提升「西安」「提案」「图案」「饥饿」等词汇的优先级）
 -- 感谢&参考于： https://github.com/tumuyan/rime-melt
--- 修改：不提升英文和中英混输的
+-- 不提升包含英文、数字、emoji、假名的候选项
+
+local function isEmoji(text)
+	for _, char in utf8.codes(text) do
+		if (char >= 0x1F600 and char <= 0x1F64F) or -- Emoticons
+			(char >= 0x1F300 and char <= 0x1F5FF) or -- Misc Symbols and Pictographs
+			(char >= 0x1F680 and char <= 0x1F6FF) or -- Transport and Map
+			(char >= 0x2600 and char <= 0x26FF) or -- Misc symbols
+			(char >= 0x2700 and char <= 0x27BF) or -- Dingbats
+			(char >= 0xFE00 and char <= 0xFE0F) or -- Variation Selectors
+			(char >= 0x1F900 and char <= 0x1F9FF) or -- Supplemental Symbols and Pictographs
+			(char >= 0x1F1E6 and char <= 0x1F1FF) then -- Flags (iOS)
+			return true
+		end
+	end
+	return false
+end
+
+local function containsJapaneseKana(str)
+	for _, code in utf8.codes(str) do
+		-- 检查平假名的 Unicode 范围（0x3040 至 0x309F）
+		if code >= 0x3040 and code <= 0x309F then
+			return true
+		end
+		-- 检查片假名的 Unicode 范围（0x30A0 至 0x30FF）
+		if code >= 0x30A0 and code <= 0x30FF then
+			return true
+		end
+	end
+	return false
+end
+
 local M = {}
 
 function M.init(env)
-    -- 提升 count 个词语，插入到第 idx 个位置，默认 2、4。
-    local config = env.engine.schema.config
-    env.name_space = env.name_space:gsub("^*", "")
-    M.idx = config:get_int(env.name_space .. "/idx") or 4
-    M.count = config:get_int(env.name_space .. "/count") or 2
+	-- 提升 count 个词语，插入到第 idx 个位置，默认 2、4。
+	local config = env.engine.schema.config
+	env.name_space = env.name_space:gsub("^*", "")
+	M.count = config:get_int(env.name_space .. "/count") or 2
+	M.idx = config:get_int(env.name_space .. "/idx") or 4
 end
 
-function M.func(input, env)
-    local l = {}
-    local firstWordLength = 0 -- 记录第一个候选词的长度，提前的候选词至少要比第一个候选词长
-    local done = 0 -- 记录筛选了多少个词条(只提升 count 个词的权重)
-    local i = 1
-    for cand in input:iter() do
-        -- 找到要提升的词
-        local leng = utf8.len(cand.text)
-        if (firstWordLength < 1 or i < M.idx) then
-            i = i + 1
-            firstWordLength = leng
-            yield(cand)
-        elseif ((leng > firstWordLength) and (done < M.count)) and (string.find(cand.text, "[%w%p%s]+") == nil) then
-            yield(cand)
-            done = done + 1
-        else
-            table.insert(l, cand)
-        end
-        -- 找齐了或者 l 太大了，就不找了
-        if (done == M.count) or (#l > 50) then
-            break
-        end
-    end
-    for _, cand in ipairs(l) do
-        yield(cand)
-    end
-    for cand in input:iter() do
-        yield(cand)
-    end
+function M.func(input)
+	local l = {}
+	local firstWordLength = 0 -- 记录第一个候选词的长度，提前的候选词至少要比第一个候选词长
+	local done = 0            -- 记录筛选了多少个词条(只提升 count 个词的权重)
+	local i = 1
+	for cand in input:iter() do
+		local leng = utf8.len(cand.text)
+		-- 只以第一个候选项的长度作为参考
+		if firstWordLength < 1 then
+			firstWordLength = leng
+		end
+		-- 不处理 M.idx 之前的候选项
+		if i < M.idx then
+			i = i + 1
+			yield(cand)
+		-- 长词直接 yield，其余的放到 l 里
+		elseif leng <= firstWordLength or cand.text:find("[%a%d]") or containsJapaneseKana(cand.text) or isEmoji(cand.text) then
+			table.insert(l, cand)
+		else
+			yield(cand)
+			done = done + 1
+		end
+		-- 找齐了或者 l 太大了，就不找了，一般前 50 个就够了
+		if done == M.count or #l > 50 then
+			break
+		end
+	end
+	-- yield l 及后续的候选项
+	for _, cand in ipairs(l) do
+		yield(cand)
+	end
+	for cand in input:iter() do
+		yield(cand)
+	end
 end
 
 return M