108 lines
5.5 KiB
Python
108 lines
5.5 KiB
Python
import re
|
||
from functools import lru_cache
|
||
|
||
# 这段代码是使用Python编程语言中的re模块，即正则表达式库，来定义了一个正则表达式模式。
|
||
# 这个模式被编译成一个正则表达式对象，存储在名为const_extract_exp的变量中，以便于后续快速的匹配和查找操作。
|
||
# 这里解释一下正则表达式中的几个特殊字符：
|
||
# - . 表示任意单一字符。
|
||
# - * 表示前一个字符可以出现0次或多次。
|
||
# - ? 在这里用作非贪婪匹配，也就是说它会匹配尽可能少的字符。在(.*?)中，它确保我们匹配的任意文本是尽可能短的，也就是说，它会在</show_llm>和</show_render>标签之前停止匹配。
|
||
# - () 括号在正则表达式中表示捕获组。
|
||
# - 在这个例子中，(.*?)表示捕获任意长度的文本，直到遇到括号外部最近的限定符，即</show_llm>和</show_render>。
|
||
|
||
# -=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-==-=-=-=/1=-=-=-=-=-=-=-=-=-=-=-=-=-=/2-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=
|
||
const_extract_re = re.compile(
|
||
r"<gpt_academic_string_mask><show_llm>(.*?)</show_llm><show_render>(.*?)</show_render></gpt_academic_string_mask>"
|
||
)
|
||
# -=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-==-=-=-=-=-=/1=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-/2-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=
|
||
const_extract_langbased_re = re.compile(
|
||
r"<gpt_academic_string_mask><lang_english>(.*?)</lang_english><lang_chinese>(.*?)</lang_chinese></gpt_academic_string_mask>",
|
||
flags=re.DOTALL,
|
||
)
|
||
|
||
@lru_cache(maxsize=128)
|
||
def apply_gpt_academic_string_mask(string, mode="show_all"):
|
||
"""
|
||
当字符串中有掩码tag时（<gpt_academic_string_mask><show_...>），根据字符串要给谁看（大模型，还是web渲染），对字符串进行处理，返回处理后的字符串
|
||
示意图：https://mermaid.live/edit#pako:eNqlkUtLw0AUhf9KuOta0iaTplkIPlpduFJwoZEwJGNbzItpita2O6tF8QGKogXFtwu7cSHiq3-mk_oznFR8IYLgrGbuOd9hDrcCpmcR0GDW9ubNPKaBMDauuwI_A9M6YN-3y0bODwxsYos4BdMoBrTg5gwHF-d0mBH6-vqFQe58ed5m9XPW2uteX3Tubrj0ljLYcwxxR3h1zB43WeMs3G19yEM9uapDMe_NG9i2dagKw1Fee4c1D9nGEbtc-5n6HbNtJ8IyHOs8tbs7V2HrlDX2w2Y7XD_5haHEtQiNsOwfMVa_7TzsvrWIuJGo02qTrdwLk9gukQylHv3Afv1ML270s-HZUndrmW1tdA-WfvbM_jMFYuAQ6uCCxVdciTJ1CPLEITpo_GphypeouzXuw6XAmyi7JmgBLZEYlHwLB2S4gHMUO-9DH7tTnvf1CVoFFkBLSOk4QmlRTqpIlaWUHINyNFXjaQWpCYRURUKiWovBYo8X4ymEJFlECQUpqaQkJmuvWygPpg
|
||
"""
|
||
if "<gpt_academic_string_mask>" not in string: # No need to process
|
||
return string
|
||
|
||
if mode == "show_all":
|
||
return string
|
||
if mode == "show_llm":
|
||
string = const_extract_re.sub(r"\1", string)
|
||
elif mode == "show_render":
|
||
string = const_extract_re.sub(r"\2", string)
|
||
else:
|
||
raise ValueError("Invalid mode")
|
||
return string
|
||
|
||
|
||
@lru_cache(maxsize=128)
|
||
def build_gpt_academic_masked_string(text_show_llm="", text_show_render=""):
|
||
"""
|
||
根据字符串要给谁看（大模型，还是web渲染），生成带掩码tag的字符串
|
||
"""
|
||
return f"<gpt_academic_string_mask><show_llm>{text_show_llm}</show_llm><show_render>{text_show_render}</show_render></gpt_academic_string_mask>"
|
||
|
||
|
||
@lru_cache(maxsize=128)
|
||
def apply_gpt_academic_string_mask_langbased(string, lang_reference):
|
||
"""
|
||
当字符串中有掩码tag时（<gpt_academic_string_mask><lang_...>），根据语言，选择提示词，对字符串进行处理，返回处理后的字符串
|
||
例如，如果lang_reference是英文，那么就只显示英文提示词，中文提示词就不显示了
|
||
举例：
|
||
输入1
|
||
string = "注意，lang_reference这段文字是：<gpt_academic_string_mask><lang_english>英语</lang_english><lang_chinese>中文</lang_chinese></gpt_academic_string_mask>"
|
||
lang_reference = "hello world"
|
||
输出1
|
||
"注意，lang_reference这段文字是：英语"
|
||
|
||
输入2
|
||
string = "注意，lang_reference这段文字是中文" # 注意这里没有掩码tag，所以不会被处理
|
||
lang_reference = "hello world"
|
||
输出2
|
||
"注意，lang_reference这段文字是中文" # 原样返回
|
||
"""
|
||
|
||
if "<gpt_academic_string_mask>" not in string: # No need to process
|
||
return string
|
||
|
||
def contains_chinese(string):
|
||
chinese_regex = re.compile(u'[\u4e00-\u9fff]+')
|
||
return chinese_regex.search(string) is not None
|
||
|
||
mode = "english" if not contains_chinese(lang_reference) else "chinese"
|
||
if mode == "english":
|
||
string = const_extract_langbased_re.sub(r"\1", string)
|
||
elif mode == "chinese":
|
||
string = const_extract_langbased_re.sub(r"\2", string)
|
||
else:
|
||
raise ValueError("Invalid mode")
|
||
return string
|
||
|
||
|
||
@lru_cache(maxsize=128)
|
||
def build_gpt_academic_masked_string_langbased(text_show_english="", text_show_chinese=""):
|
||
"""
|
||
根据语言，选择提示词，对字符串进行处理，返回处理后的字符串
|
||
"""
|
||
return f"<gpt_academic_string_mask><lang_english>{text_show_english}</lang_english><lang_chinese>{text_show_chinese}</lang_chinese></gpt_academic_string_mask>"
|
||
|
||
|
||
if __name__ == "__main__":
|
||
# Test
|
||
input_string = (
|
||
"你好\n"
|
||
+ build_gpt_academic_masked_string(text_show_llm="mermaid", text_show_render="")
|
||
+ "你好\n"
|
||
)
|
||
print(
|
||
apply_gpt_academic_string_mask(input_string, "show_llm")
|
||
) # Should print the strings with 'abc' in place of the academic mask tags
|
||
print(
|
||
apply_gpt_academic_string_mask(input_string, "show_render")
|
||
) # Should print the strings with 'xyz' in place of the academic mask tags
|