update

src/engine/title_parser.rs

@@ -96,9 +96,14 @@ lazy_static! {
     static ref RE_CHINESE: Regex = Regex::new(r"[\u{4e00}-\u{9fff}]").unwrap();
     static ref RE_ENGLISH_SUFFIX: Regex = Regex::new(r"^([\u{4e00}-\u{9fff}]+)([A-Za-z].*)$").unwrap();
     static ref RE_TRAILING_PUNCT: Regex = Regex::new(r"[\s.,;:，。；：\-–—]+$").unwrap();
-    /// 人名模式：2-5个中文字符 + 可选英文后缀
+    /// 人名模式：2-5个中文字符（纯中文，不混杂英文）
+    /// 中英文混杂的情况由 split_person_name_with_aliases 处理为 主名+别名
     static ref RE_CN_NAME: Regex = Regex::new(
-        r"([\u{4e00}-\u{9fff}]{2,5}(?:[A-Za-z][A-Za-z0-9_]*)?)"
+        r"([\u{4e00}-\u{9fff}]{2,5})"
+    ).unwrap();
+    /// 纯英文人名模式：2-15个英文字母，首字母可大写
+    static ref RE_EN_NAME: Regex = Regex::new(
+        r"([A-Za-z][A-Za-z]{1,14})"
     ).unwrap();
     /// 常见人名后缀（表明前面是人名）
     static ref RE_NAME_CONTEXT: Regex = Regex::new(
@@ -201,6 +206,7 @@ pub fn extract_person_name_from_title(title: &str) -> Option<String> {
     }
 
     // 策略C: 直接在整个标题中搜索人名模式
+    // 先搜纯中文（优先级更高）
     for cap in RE_CN_NAME.captures_iter(&t) {
         let name = clean_name(&cap[1]);
         if is_likely_person_name(&name) {
@@ -208,6 +214,16 @@ pub fn extract_person_name_from_title(title: &str) -> Option<String> {
         }
     }
 
+    // 再搜纯英文
+    for cap in RE_EN_NAME.captures_iter(&t) {
+        let name = clean_name(&cap[1]);
+        // 排除停用词
+        if STOP_WORDS_SET.contains(&name.to_lowercase().as_str()) { continue; }
+        if is_likely_person_name(&name) {
+            return Some(name);
+        }
+    }
+
     None
 }
 
@@ -245,13 +261,25 @@ fn extract_person_with_jieba(title: &str) -> Option<String> {
 }
 
 /// 从一个文本片段中提取人名
+/// 只支持纯中文（2-6字）或纯英文（2-15字），不混杂
+/// 中文优先级更高
 fn extract_name_from_segment(segment: &str) -> Option<String> {
     let seg = segment.trim();
     if seg.is_empty() {
         return None;
     }
 
-    // 尝试直接匹配人名模式
+    // 判断片段是否纯中文
+    let is_pure_cn = seg.chars().all(|c| RE_CHINESE.is_match(&c.to_string()));
+    // 判断片段是否纯英文
+    let is_pure_en = seg.chars().all(|c| c.is_ascii_alphabetic());
+
+    // 策略1: 纯中文片段（2-6字）
+    if is_pure_cn && seg.len() >= 2 && seg.len() <= 6 {
+        return Some(clean_name(seg));
+    }
+
+    // 策略2: 尝试匹配纯中文人名模式
     if let Some(cap) = RE_CN_NAME.captures(seg) {
         let name = clean_name(&cap[1]);
         if name.len() >= 2 {
@@ -259,10 +287,20 @@ fn extract_name_from_segment(segment: &str) -> Option<String> {
         }
     }
 
-    // 如果整个片段是纯中文（2-5字），也认为是人名
-    let is_pure_cn = seg.chars().all(|c| RE_CHINESE.is_match(&c.to_string()));
-    if is_pure_cn && seg.len() >= 2 && seg.len() <= 6 {
-        return Some(clean_name(seg));
+    // 策略3: 纯英文片段（2-15字）
+    if is_pure_en && seg.len() >= 2 && seg.len() <= 15 {
+        // 过滤停用词
+        if !STOP_WORDS_SET.contains(&seg.to_lowercase().as_str()) {
+            return Some(clean_name(seg));
+        }
+    }
+
+    // 策略4: 尝试匹配纯英文人名模式
+    if let Some(cap) = RE_EN_NAME.captures(seg) {
+        let name = clean_name(&cap[1]);
+        if name.len() >= 2 && !STOP_WORDS_SET.contains(&name.to_lowercase().as_str()) {
+            return Some(name);
+        }
     }
 
     None
@@ -482,13 +520,18 @@ pub fn extract_person_and_tags(title: &str) -> (Option<String>, Vec<(String, Str
 }
 
 /// 从 jieba 分词结果中提取人名
+/// 返回完整的原始人名（可能含英文后缀），供 split_person_name_with_aliases 拆分为 主名+别名
+/// 例如 jieba 拆出 "水淼/nr Aqua/eng" → 返回 "水淼Aqua"
 fn extract_person_from_tags(tags: &[jieba_rs::Tag]) -> Option<String> {
     let mut candidates: Vec<(String, usize)> = Vec::new();
 
-    for tag in tags {
+    for (i, tag) in tags.iter().enumerate() {
         let word = tag.word.trim();
         if word.len() < 2 { continue; }
 
+        // 过滤纯标点
+        if is_punctuation_only(word) { continue; }
+
         let priority = match tag.tag {
             "nr" => 0,    // 人名（最高优先级）
             "nrfg" => 1,  // 古体人名
@@ -499,7 +542,33 @@ fn extract_person_from_tags(tags: &[jieba_rs::Tag]) -> Option<String> {
         };
 
         if is_likely_person_name(word) {
-            candidates.push((word.to_string(), priority));
+            // 如果是中文人名，检查后面是否紧跟英文词（如 水淼/nr Aqua/eng）
+            // 拼装成完整原始名，供 split_person_name_with_aliases 拆分为 主名+别名
+            let mut full_name = word.to_string();
+            let is_chinese = word.chars().any(|c| RE_CHINESE.is_match(&c.to_string()));
+            if is_chinese {
+                let mut j = i + 1;
+                while j < tags.len() {
+                    let next_word = tags[j].word.trim();
+                    let next_tag = tags[j].tag;
+                    if next_word.is_empty() { j += 1; continue; }
+                    // 英文词（eng）或纯英文字母，且不是停用词
+                    if next_tag == "eng" ||
+                       (next_word.chars().all(|c| c.is_ascii_alphabetic()) && next_word.len() >= 2 && next_word.len() <= 15) {
+                        let lower = next_word.to_lowercase();
+                        // 跳过停用词（如 photos、cosplay 等停在停用词之前）
+                        let stop_words: std::collections::HashSet<&str> = STOP_WORDS.iter().copied().collect();
+                        if !stop_words.contains(lower.as_str()) && !EXCLUDED_LOWER.contains(&lower) {
+                            full_name.push_str(next_word);
+                            j += 1;
+                            continue;
+                        }
+                    }
+                    break;
+                }
+            }
+
+            candidates.push((full_name, priority));
         }
     }
 
@@ -507,6 +576,18 @@ fn extract_person_from_tags(tags: &[jieba_rs::Tag]) -> Option<String> {
     candidates.into_iter().next().map(|(name, _)| clean_name(&name))
 }
 
+/// 判断字符串是否全为标点符号（不含任何字、字母或数字）
+fn is_punctuation_only(s: &str) -> bool {
+    if s.is_empty() { return true; }
+    // 检查是否包含任意"有效字符"（中文字、字母、数字）
+    !s.chars().any(|c| {
+        c.is_ascii_alphanumeric()
+            || ('\u{4e00}'..='\u{9fff}').contains(&c)
+            || ('\u{3400}'..='\u{4dbf}').contains(&c)
+            || ('\u{f900}'..='\u{faff}').contains(&c)
+    })
+}
+
 /// 从 jieba 分词结果中提取标签（排除人名）
 fn extract_tags_from_jieba_result(
     tags: &[jieba_rs::Tag],
@@ -529,6 +610,13 @@ fn extract_tags_from_jieba_result(
             }
             if let Some(cn) = extract_cn(n) {
                 v.push(cn.to_lowercase());
+                // 中英文混合名的英文后缀也要排除（如 "水淼Aqua" → "aqua"）
+                if let Some(rest) = n.strip_prefix(&cn) {
+                    let suffix = rest.trim();
+                    if !suffix.is_empty() {
+                        v.push(suffix.to_lowercase());
+                    }
+                }
             }
             v
         })
@@ -540,6 +628,9 @@ fn extract_tags_from_jieba_result(
 
         let word_lower = word.to_lowercase();
 
+        // 纯标点/符号跳过
+        if is_punctuation_only(word) { continue; }
+
         // 纯数字跳过
         if word.chars().all(|c| c.is_ascii_digit()) { continue; }
 
@@ -558,14 +649,14 @@ fn extract_tags_from_jieba_result(
             "n" | "ng" => "noun",
             "nz" => "proper",
             "ns" => "location",
-            "nt" => "organization",
-            "vn" => "noun_verb",
-            "a" | "ad" | "an" => "adj",
-            "v" | "vd" | "vg" => "verb",
-            "eng" => "english",
+            "eng" => "other",
             "x" => "other",
-            // 排除的词性
+            // 排除的词性（这些不应该作为标签）
             "nr" | "nrfg" | "nrt" => continue, // 人名
+            "nt" => continue,       // 机构团体名（不是标签）
+            "vn" => continue,       // 名动词（分类模糊）
+            "a" | "ad" | "an" => continue, // 形容词（不是标签）
+            "v" | "vd" | "vg" => continue, // 动词（不是标签）
             "m" | "mq" => continue,
             "q" | "qv" | "qt" => continue,
             "r" | "rr" | "rz" => continue,
@@ -583,8 +674,6 @@ fn extract_tags_from_jieba_result(
             _ => continue,
         };
 
-        if category == "english" && word.len() < 3 { continue; }
-
         result.push((word.to_string(), category.to_string()));
     }
 
@@ -650,10 +739,13 @@ mod tests {
 
     #[test]
     fn test_extract_person_name() {
-        assert_eq!(extract_person_name_from_title("杨晨晨Yome 私房写真").unwrap(), "杨晨晨Yome");
-        assert_eq!(extract_person_name_from_title("王馨瑶yanni 比基尼").unwrap(), "王馨瑶yanni");
+        // 纯中文人名（中文优先级更高，英文后缀作为别名处理）
+        assert_eq!(extract_person_name_from_title("杨晨晨Yome 私房写真").unwrap(), "杨晨晨");
+        assert_eq!(extract_person_name_from_title("王馨瑶yanni 比基尼").unwrap(), "王馨瑶");
         assert_eq!(extract_person_name_from_title("[XiuRen] 杨晨晨 性感").unwrap(), "杨晨晨");
         assert_eq!(extract_person_name_from_title("美女模特 杨晨晨 私房").unwrap(), "杨晨晨");
+        // 纯英文人名也支持
+        assert!(extract_person_name_from_title("Yome sexy photos").is_some());
     }
 
     #[test]