jiantw83
7c963b73cf
What - 簡體字表改成優先讀 jsc-hooks 的 `hooks/simplified.txt`，讀不到才退回內建備援字表。 - 新增「亂碼」類別：U+FFFD 替代字元、雙重編碼的 `�`，以及 Latin-1 雙重編碼特徵。 - 掃描範圍加入程式碼檔（sh、js、ts、py、cs、java、go、rb、php、sql、yml、yaml、toml）。 - 檔頭註解補上分流理由，並把本檔自己加進跳過清單。 Why - 字表寫死在本檔，和 hook 端的守門字表各自維護，兩邊遲早不一致；真實來源只該有一份。 - 內建備援不能拿掉：jsc-hooks 不一定裝在這台機器上，單獨 clone plugins/meta 或 CI 只取 一個 repo 都會發生。缺基礎設施就讓簡體字檢查靜靜失效，會把「沒命中」變成假通過。 - 新規則要求所有非程式碼輸出無亂碼、無簡體字，程式碼註解也算，所以檢查得看得到程式碼檔。 How - `simplified_file()` 的搜尋路徑比照 `jsc-hooks/hooks/lib.sh` 的 `jsc_gitea_sh()`：先環境變數 `JSC_SIMPLIFIED_FILE`，再並排存取庫版面，最後已安裝的 plugin 快取版面取版本排序最後一份。 - 字表格式一行一個字，`#` 開頭與空行忽略，串成 grep -E 交替式。 - 分流：`.md` 與 `.json` 跑全部六項；程式碼檔只跑簡體字與亂碼。中國用語、半形標點、AI 套話、 並列斜線這四項在程式碼裡會被英文標點、路徑、URL、正規表示式大量誤報，留著只會讓人忽略輸出。 - 亂碼樣式一律用十六進位跳脫寫，本檔才不會存進真的亂碼字元自己打自己。 Who - 影響跑 `tools/ste100-lint.sh` 的人與 `jsc-meta:skill-check`、`jsc-meta:ste100-sync` 兩支技能。
123 lines
7.0 KiB
Bash
Executable File
123 lines
7.0 KiB
Bash
Executable File
#!/usr/bin/env sh
|
||
# ste100-lint.sh — 檢查檔案是否違反 STE100 擬人台灣感規則（可機檢的部分）。
|
||
# 用法: ste100-lint.sh <file|dir> [...]
|
||
# 檢查項目:
|
||
# 1. 中國用語（references/ste100.md 的替換表左欄）
|
||
# 2. 中文句內的半形標點（, ; ! ? 緊鄰中日韓字元）
|
||
# 3. 常見 AI 套話（總的來說、綜上所述、希望這對你有幫助 等）
|
||
# 4. 簡體字（只收沒有繁體正當用法的字，避免誤報）
|
||
# 5. 中文並列項用斜線（半形 / 或全形 ／ 夾在中日韓字元之間），應改頓號「、」
|
||
# 6. 亂碼（U+FFFD 替代字元、Latin-1 雙重編碼殘留）
|
||
# 輸出: {檔案}:{行號}:{類別}:{命中內容}；全部通過 exit 0，有命中 exit 1。
|
||
# 掃描範圍與分流:
|
||
# 文件檔（.md、.json）跑全部六項。
|
||
# 程式碼檔（.sh .js .ts .py .cs .java .go .rb .php .sql .yml .yaml .toml）只跑簡體字與亂碼。
|
||
# 理由: 程式碼註解也要繁中無亂碼，但中國用語、半形標點、AI 套話、並列斜線這四項在程式碼裡
|
||
# 誤報率太高——英文標點、檔案路徑、URL、正規表示式到處都是半形逗號與斜線，識別字也常撞到
|
||
# 替換表左欄。只留簡體字與亂碼，命中就幾乎都是真的。
|
||
# 限制: 程式碼圍欄內的內容可能誤報，人工複核。
|
||
# references/ste100.md 與本檔本身跳過——規則文件與規則實作裡的詞是被討論，不是被使用。
|
||
# 並列斜線會誤報兩類：含中文的路徑或分支名範例（例 feat/報表/P2），
|
||
# 以及英文項目並列（準則允許）。命中後先判斷是不是真的並列項。
|
||
set -u
|
||
TERMS='默認|支持某|兼容|信息|數據庫|服務器|軟件|硬件|網絡|質量|卸載|反饋|視頻|屏幕|鼠標|打印|立馬|靠譜|賦能|閉環|抓手|復盤'
|
||
CLICHES='總的來說|綜上所述|希望這對你有幫助|好問題|在當今|瞬息萬變|標誌著|奠定了基礎|體現了|不僅僅是|讓我們一起'
|
||
# 亂碼特徵，全部用十六進位跳脫寫，本檔才不會存進真的亂碼字元自己打自己：
|
||
# \x{fffd} 替代字元，轉檔失敗留下的痕跡
|
||
# \x{ef}\x{bf}\x{bd} U+FFFD 本身又被雙重編碼一次（顯示成 �）
|
||
# [\x{c2}-\x{f4}][\x{80}-\x{bf}]
|
||
# 雙重編碼特徵：UTF-8 位元組被當 Latin-1 解讀再存回去，原本的前導位元組變成
|
||
# U+00C2–U+00F4 的拉丁字母（Ã、â、ä），後面緊跟著本來的續接位元組 U+0080–U+00BF。
|
||
# 兩者相連在正常文字裡幾乎不會出現，所以誤報極低；只寫 Ã 或 â 開頭會漏掉中日韓
|
||
# 字元最常見的 ä¸ 這一類。
|
||
GARBLED='\x{fffd}|\x{ef}\x{bf}\x{bd}|[\x{c2}-\x{f4}][\x{80}-\x{bf}]'
|
||
# 簡體字表的真實來源是 jsc-hooks 的 hooks/simplified.txt（ste100-guard.sh 共用同一份）。
|
||
# 讀不到就退回下面的內建備援字表。備援不能拿掉: jsc-hooks 不一定裝在這台機器上（單獨 clone
|
||
# plugins/meta、CI 只取一個 repo 都會發生），缺了基礎設施就讓簡體字檢查靜靜失效，會把「沒命中」
|
||
# 變成假通過，比不檢查更危險。
|
||
# 刻意排除繁體也在用的字（后、台、干、只、里、面、制、志），只留簡化後才出現的字形。
|
||
SIMPLIFIED_FALLBACK='应|为|这|说|发|国|过|对|开|关|问|题|东|车|马|鸟|龙|飞|见|无|产|业|务|书|写|学|习|报|纸|认|识|证|际|网|络|计|划|实|现|给|条|约|级|组|织|变|换|电|脑|两|双|单|构|价|钱|众|议|论|传|统|么|儿|们|从|来|时|间|长|门|闻|声|员|图|团|转|输|达|运|进|远|连|边|还|经|该|营|规|则|范|围|参|数|类|结|态|设|备|辑|译|码|库|档'
|
||
|
||
# 找共用字表。搜尋路徑比照 jsc-hooks/hooks/lib.sh 的 jsc_gitea_sh()：
|
||
# 先環境變數，再開發用的並排存取庫版面，最後已安裝的 plugin 快取版面。
|
||
simplified_file() {
|
||
if [ -n "${JSC_SIMPLIFIED_FILE:-}" ] && [ -f "$JSC_SIMPLIFIED_FILE" ]; then
|
||
printf '%s\n' "$JSC_SIMPLIFIED_FILE"; return 0
|
||
fi
|
||
_root="${CLAUDE_PLUGIN_ROOT:-$(dirname "$0")/..}"
|
||
# 開發用的並排存取庫版面：{workspace}/meta 旁邊就是 {workspace}/hooks
|
||
for _c in "$_root/../hooks/hooks/simplified.txt" "$_root/../jsc-hooks/hooks/simplified.txt"; do
|
||
[ -f "$_c" ] && { printf '%s\n' "$_c"; return 0; }
|
||
done
|
||
# 已安裝版面：每個 plugin 各有版本目錄，取排序最後的一份（通常即最新版）
|
||
_c=$(ls "$_root"/../../jsc-hooks/*/hooks/simplified.txt \
|
||
"$_root"/../../hooks/*/hooks/simplified.txt \
|
||
"$HOME"/.claude/plugins/cache/*/jsc-hooks/*/hooks/simplified.txt 2>/dev/null \
|
||
| sort | tail -n1)
|
||
[ -n "$_c" ] && [ -f "$_c" ] && { printf '%s\n' "$_c"; return 0; }
|
||
return 1
|
||
}
|
||
|
||
SIMPLIFIED=''
|
||
SIMPLIFIED_SRC=$(simplified_file || true)
|
||
if [ -n "$SIMPLIFIED_SRC" ]; then
|
||
# 一行一個字，# 開頭與空行忽略，行內空白去掉，再串成 grep -E 的交替式
|
||
SIMPLIFIED=$(sed 's/#.*//; s/[[:space:]]//g' "$SIMPLIFIED_SRC" \
|
||
| grep -v '^$' | tr '\n' '|' | sed 's/|$//')
|
||
fi
|
||
[ -n "$SIMPLIFIED" ] || SIMPLIFIED=$SIMPLIFIED_FALLBACK
|
||
|
||
hit=0
|
||
# 不帶參數會空跑並回 0，看起來像「全部通過」。這種假通過比不檢查更危險，所以擋掉。
|
||
if [ "$#" -eq 0 ]; then
|
||
echo '用法: ste100-lint.sh <file|dir> [...]' >&2
|
||
echo '沒有給檢查對象。空跑會回 0，看起來像通過，所以這裡直接視為錯誤。' >&2
|
||
exit 2
|
||
fi
|
||
skip() { # $1=路徑；規則文件與規則實作本身不掃
|
||
case "$1" in
|
||
*/references/ste100.md|references/ste100.md) return 0 ;;
|
||
*/tools/ste100-lint.sh|tools/ste100-lint.sh) return 0 ;;
|
||
*) return 1 ;;
|
||
esac
|
||
}
|
||
kind() { # $1=路徑；輸出 doc（跑全部六項）或 code（只跑簡體字與亂碼），其餘不掃
|
||
case "$1" in
|
||
*.md|*.json) printf 'doc' ;;
|
||
*.sh|*.js|*.ts|*.py|*.cs|*.java|*.go|*.rb|*.php|*.sql|*.yml|*.yaml|*.toml) printf 'code' ;;
|
||
*) printf '' ;;
|
||
esac
|
||
}
|
||
files() {
|
||
for p in "$@"; do
|
||
if [ -d "$p" ]; then
|
||
find "$p" \( \
|
||
-name '*.md' -o -name '*.json' \
|
||
-o -name '*.sh' -o -name '*.js' -o -name '*.ts' -o -name '*.py' \
|
||
-o -name '*.cs' -o -name '*.java' -o -name '*.go' -o -name '*.rb' \
|
||
-o -name '*.php' -o -name '*.sql' -o -name '*.yml' -o -name '*.yaml' \
|
||
-o -name '*.toml' \) -not -path '*/.git/*'
|
||
else
|
||
echo "$p"
|
||
fi
|
||
done
|
||
}
|
||
check() { # $1=檔案 $2=類別 $3=grep 模式 $4=grep 旗標
|
||
out=$(grep -n"$4" "$3" "$1" 2>/dev/null | sed "s|^|$1:|;s|:\([0-9]*\):|:\1:$2:|")
|
||
if [ -n "$out" ]; then printf '%s\n' "$out"; hit=1; fi
|
||
}
|
||
for f in $(files "$@"); do
|
||
skip "$f" && continue
|
||
k=$(kind "$f")
|
||
[ -n "$k" ] || continue
|
||
if [ "$k" = doc ]; then
|
||
check "$f" "中國用語" "$TERMS" E
|
||
check "$f" "半形標點" '[\x{4e00}-\x{9fff}][,;!?]|[,;][\x{4e00}-\x{9fff}]' P
|
||
check "$f" "AI 套話" "$CLICHES" E
|
||
check "$f" "並列斜線" '[\x{4e00}-\x{9fff}][ ]?[/／][ ]?[\x{4e00}-\x{9fff}]' P
|
||
fi
|
||
check "$f" "簡體字" "$SIMPLIFIED" E
|
||
check "$f" "亂碼" "$GARBLED" P
|
||
done
|
||
exit $hit
|