Froidefond Julien
0f5094575a
- Add CLAUDE.md at root and AGENTS.md in apps/api, apps/indexer, apps/backoffice, crates/parsers with module-specific guidelines - Unify all service ports to 70XX (no more internal/external split): API 7080, Indexer 7081, Backoffice 7082 - Update docker-compose.yml, Dockerfiles, config.rs defaults, .env.example, backoffice routes, bench.sh, smoke.sh Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
77 lines
3.0 KiB
Markdown
77 lines
3.0 KiB
Markdown
# crates/parsers — Parsing de livres (CBZ, CBR, PDF)
|
|
|
|
Crate utilitaire sans état, utilisée par `apps/api` et `apps/indexer`.
|
|
|
|
## API publique (lib.rs)
|
|
|
|
```rust
|
|
// Détection du format par extension
|
|
pub fn detect_format(path: &Path) -> Option<BookFormat> // .cbz | .cbr | .pdf
|
|
|
|
// Extraction des métadonnées
|
|
pub fn parse_metadata(path: &Path, format: BookFormat, library_root: &Path) -> Result<ParsedMetadata>
|
|
|
|
// Extraction de la première page (pour thumbnails)
|
|
pub fn extract_first_page(path: &Path, format: BookFormat) -> Result<Vec<u8>>
|
|
|
|
pub enum BookFormat { Cbz, Cbr, Pdf }
|
|
|
|
pub struct ParsedMetadata {
|
|
pub title: String, // = nom de fichier (sans extension)
|
|
pub series: Option<String>, // = premier dossier relatif à library_root
|
|
pub volume: Option<i32>, // extrait du nom de fichier
|
|
pub page_count: Option<i32>,
|
|
}
|
|
```
|
|
|
|
## Logique de parsing
|
|
|
|
### Titre
|
|
Nom de fichier sans extension, conservé tel quel (pas de nettoyage).
|
|
|
|
### Série
|
|
Premier composant du chemin relatif entre `library_root` et le fichier :
|
|
- `/libraries/One Piece/T01.cbz` → série = `"One Piece"`
|
|
- `/libraries/one-shot.cbz` → série = `None`
|
|
|
|
### Volume (`extract_volume`)
|
|
Patterns reconnus dans le nom de fichier (dans l'ordre de priorité) :
|
|
- `T01`, `T1` (manga/comics français)
|
|
- `Vol. 1`, `Vol 1`, `Volume 1`
|
|
- `#1`, `#01`
|
|
- `- 1`, `- 01` (en fin de nom)
|
|
|
|
### Nombre de pages
|
|
| Format | Outil |
|
|
|--------|-------|
|
|
| CBZ | `zip::ZipArchive` — compte les entrées image (jpg/jpeg/png/webp/avif) |
|
|
| CBR | `unrar lb <path>` — liste les fichiers, filtre les images |
|
|
| PDF | `pdfinfo <path>` — lit la ligne `Pages:` |
|
|
|
|
## Dépendances système requises
|
|
|
|
| Outil | Utilisé pour | Installation |
|
|
|-------|-------------|-------------|
|
|
| `unrar` | CBR page count | `brew install rar` / `apt install unrar` |
|
|
| `unar` | CBR first page extraction | `brew install unar` / `apt install unar` |
|
|
| `pdfinfo` | PDF page count | inclus dans `poppler-utils` |
|
|
| `pdftoppm` | PDF first page render | inclus dans `poppler-utils` |
|
|
|
|
**Important** : `unrar` (pour le listing) et `unar` (pour l'extraction) sont deux outils différents.
|
|
|
|
## Extraction première page
|
|
|
|
- **CBZ** : `zip::ZipArchive`, trie les noms d'images, lit la première
|
|
- **CBR** : `unar -o <tmp_dir>`, `WalkDir` récursif, trie, lit la première — nettoie `tmp_dir` ensuite
|
|
- **PDF** : `pdftoppm -f 1 -singlefile -png -scale-to 800` → fichier PNG temporaire — nettoie `tmp_dir` ensuite
|
|
|
|
Répertoire temp : `std::env::temp_dir()/stripstream-{cbr|pdf}-thumb-<uuid>`.
|
|
|
|
## Gotchas
|
|
|
|
- `clean_title()` existe mais est marqué `#[allow(dead_code)]` — le titre n'est **pas** nettoyé (décision volontaire).
|
|
- Les CBR peuvent avoir des sous-dossiers internes → WalkDir nécessaire (pas de listing plat).
|
|
- La détection du format est **uniquement par extension** (pas de magic bytes).
|
|
- `pdfinfo` et `pdftoppm` doivent être du paquet `poppler-utils` (pas `poppler` seul).
|
|
- En cas d'échec de parsing, l'appelant (indexer/api) stocke `parse_status = 'error'` en DB mais continue.
|