37 lines
1.4 KiB
TypeScript
37 lines
1.4 KiB
TypeScript
|
/**
|
||
|
|
* 从 LLM 生成的原始文本里抠出可运行的 HTML 文档。
|
||
|
|
*
|
||
|
|
* gemma 大多数时候会乖乖只吐 HTML，但偶尔会：
|
||
|
|
* - 用 ```html ... ``` 围栏包起来
|
||
|
|
* - 在前面/后面加一两句寒暄
|
||
|
|
* 这里尽量稳地把中间那坨 HTML 提出来。提不出来就返回空串（让调用方报错）。
|
||
|
|
*/
|
||
|
|
export function extractHtml(raw: string): string {
|
||
|
|
if (!raw) return ''
|
||
|
|
let s = raw.trim()
|
||
|
|
|
||
|
|
// 1. 优先取 markdown 代码围栏里的内容
|
||
|
|
const fence = s.match(/```(?:html|HTML)?\s*\n([\s\S]*?)```/)
|
||
|
|
if (fence && fence[1].trim()) {
|
||
|
|
s = fence[1].trim()
|
||
|
|
} else if (s.startsWith('```')) {
|
||
|
|
// 围栏没闭合（流式被截断 / 只有开头）—— 去掉开头那行围栏
|
||
|
|
s = s.replace(/^```[a-zA-Z]*\s*\n?/, '').replace(/```\s*$/, '').trim()
|
||
|
|
}
|
||
|
|
|
||
|
|
// 2. 从第一个 <!doctype 或 <html 开始截（丢掉前面的寒暄）
|
||
|
|
const startMatch = s.match(/<!doctype html>|<html[\s>]/i)
|
||
|
|
if (startMatch && startMatch.index !== undefined && startMatch.index > 0) {
|
||
|
|
s = s.slice(startMatch.index)
|
||
|
|
}
|
||
|
|
|
||
|
|
// 3. 截到最后一个 </html> 结束（丢掉后面的寒暄）
|
||
|
|
const endIdx = s.toLowerCase().lastIndexOf('</html>')
|
||
|
|
if (endIdx !== -1) {
|
||
|
|
s = s.slice(0, endIdx + '</html>'.length)
|
||
|
|
}
|
||
|
|
|
||
|
|
// 兜底：至少得像个 HTML（有标签），否则当作没提到
|
||
|
|
return /<[a-z!][\s\S]*>/i.test(s) ? s.trim() : ''
|
||
|
|
}
|