refactor: 扫描器替换部分正则并补充中文注释

将空格规则、拉丁标点转换、百分号补空格从高级正则实现改为逐字符扫描器实现，减少对 lookbehind 与 Script 正则能力的依赖。

新增 chars.ts 统一字符分类与空白处理函数，避免重复逻辑分散在多个模块。

为扫描器关键路径补充详尽中文注释，说明上下文判定、边界处理与序号恢复逻辑，降低后续维护成本。

Author: TinySnow

src/utils/chars.ts

@@ -0,0 +1,139 @@
+/**
+ * 字符分类工具：
+ * 1) 统一处理文本扫描器里“字符类型判断”的口径，避免每个规则各写一套正则。
+ * 2) 这些函数全部是 O(1) 判定，适合在逐字符扫描中高频调用。
+ */
+
+/**
+ * 需要当作“中文标点”处理的一组字符。
+ * 这里的集合对应项目现有规则范围，而不是完整 Unicode 标点全集。
+ */
+const CN_PUNC_SET = new Set<string>([
+  "，",
+  "。",
+  "；",
+  "‘",
+  "’",
+  "【",
+  "】",
+  "（",
+  "）",
+  "￥",
+  "《",
+  "》",
+  "：",
+  "“",
+  "”",
+  "…",
+  "！",
+  "？",
+  "、",
+  "~",
+  "～",
+  "·",
+]);
+
+/**
+ * 判断是否属于常用 CJK 汉字区段。
+ * 与旧版 fallback 正则范围保持一致：
+ * - CJK Ext A: 3400-4DBF
+ * - CJK Unified: 4E00-9FFF
+ * - CJK Compatibility Ideographs: F900-FAFF
+ */
+function isHan(ch: string | null): boolean {
+  if (!ch || ch.length !== 1) {
+    return false;
+  }
+
+  const code = ch.charCodeAt(0);
+  return (
+    (code >= 0x3400 && code <= 0x4dbf) ||
+    (code >= 0x4e00 && code <= 0x9fff) ||
+    (code >= 0xf900 && code <= 0xfaff)
+  );
+}
+
+/**
+ * 判断是否是 ASCII 词字符：A-Z / a-z / 0-9 / _。
+ * 用于“中英文边界插空格”等规则，保持与历史实现一致。
+ */
+function isAsciiWord(ch: string | null): boolean {
+  if (!ch || ch.length !== 1) {
+    return false;
+  }
+
+  const code = ch.charCodeAt(0);
+  return (
+    (code >= 48 && code <= 57) ||
+    (code >= 65 && code <= 90) ||
+    (code >= 97 && code <= 122) ||
+    code === 95
+  );
+}
+
+/** 判断是否属于项目定义的中文标点集合。 */
+function isCnPunc(ch: string | null): boolean {
+  if (!ch || ch.length !== 1) {
+    return false;
+  }
+  return CN_PUNC_SET.has(ch);
+}
+
+/**
+ * 空白字符判定。
+ * 特别包含了全角空格（U+3000）和 NBSP（U+00A0），
+ * 以覆盖中文文本常见输入场景。
+ */
+function isWs(ch: string | null): boolean {
+  if (!ch || ch.length !== 1) {
+    return false;
+  }
+
+  return (
+    ch === " " ||
+    ch === "\t" ||
+    ch === "\n" ||
+    ch === "\r" ||
+    ch === "\v" ||
+    ch === "\f" ||
+    ch === "\u00A0" ||
+    ch === "\u3000"
+  );
+}
+
+/**
+ * 从下标 from 开始，返回第一个非空白字符；找不到返回 null。
+ * 注意：这里只返回字符，不返回下标，适合做上下文判定。
+ */
+function nextNonWs(text: string, from: number): string | null {
+  for (let i = from; i < text.length; i += 1) {
+    if (!isWs(text[i])) {
+      return text[i];
+    }
+  }
+  return null;
+}
+
+/**
+ * 从下标 from 开始跳过连续空白，返回跳过后的下标。
+ * 常用于“替换标点后吞掉其后多余空白”的场景。
+ */
+function skipWs(text: string, from: number): number {
+  let i = from;
+  while (i < text.length && isWs(text[i])) {
+    i += 1;
+  }
+  return i;
+}
+
+/** 判断是否十进制数字字符。 */
+function isDigit(ch: string | null): boolean {
+  if (!ch || ch.length !== 1) {
+    return false;
+  }
+
+  const code = ch.charCodeAt(0);
+  return code >= 48 && code <= 57;
+}
+
+export { isHan, isAsciiWord, isCnPunc, isWs, nextNonWs, skipWs, isDigit };

src/utils/optional.ts

@@ -1,11 +1,9 @@
-import { supportsAdvancedRegex, HAN_CLASS } from "./regex-support";
-
-const useAdvancedRegex = supportsAdvancedRegex();
-const RE_SPACE_AFTER_PERCENT_ADV = useAdvancedRegex
-  ? new RegExp("(?<=%)(?=\\p{Script=Han})", "gu")
-  : null;
-const RE_SPACE_AFTER_PERCENT_FB = new RegExp(`%(${HAN_CLASS})`, "g");
+import { isHan } from "./chars";
 
+/**
+ * 可选规则：在百分号后补一个空格。
+ * 行为保持与历史版本一致：仅当下一个字符是汉字时补空格。
+ */
 function insertSpaceAfterPercentSign(
   enabled: boolean,
   origin: (string | null | undefined)[]
@@ -17,13 +15,38 @@ function insertSpaceAfterPercentSign(
   for (let i = 0; i < origin.length; i += 1) {
     const s = origin[i];
     if (s != null) {
-      origin[i] = RE_SPACE_AFTER_PERCENT_ADV
-        ? s.replaceAll(RE_SPACE_AFTER_PERCENT_ADV, " ")
-        : s.replace(RE_SPACE_AFTER_PERCENT_FB, "% $1");
+      origin[i] = insertSpaceAfterPctInLine(s);
     }
   }
 
   return origin;
 }
 
+/**
+ * 单行处理：扫描到 "%" 时，若下一个字符是汉字则插入半角空格。
+ * 例如："上涨5%利润" -> "上涨5% 利润"
+ */
+function insertSpaceAfterPctInLine(line: string): string {
+  if (!line.includes("%")) {
+    return line;
+  }
+
+  let out = "";
+  for (let i = 0; i < line.length; i += 1) {
+    const ch = line[i];
+    out += ch;
+
+    if (ch !== "%") {
+      continue;
+    }
+
+    const next = i + 1 < line.length ? line[i + 1] : null;
+    if (isHan(next)) {
+      out += " ";
+    }
+  }
+
+  return out;
+}
+
 export { insertSpaceAfterPercentSign };