Enhance callout extraction in graph_extractors.py: Update regex to support nested [!edge] callouts and improve handling of indentation levels. This allows for more flexible parsing of callout structures in the input text.
Deploy mindnet to llm-node / deploy (push) Successful in 4s
Deploy mindnet to llm-node / deploy (push) Successful in 4s
This commit is contained in:
1 parent
548c503e7c
commit
d17c966301
4 files changed
+186
-12
No files matched your search
@@ -15,7 +15,8 @@ _REL_PIPE = re.compile(r"\[\[\s*rel:(?P<kind>[a-z_]+)\s*\|\s*(?P<target>[^\]]+?
|
||||
_REL_SPACE = re.compile(r"\[\[\s*rel:(?P<kind>[a-z_]+)\s+(?P<target>[^\]]+?)\s*\]\]", re.IGNORECASE)
|
||||
_REL_TEXT = re.compile(r"rel\s*:\s*(?P<kind>[a-z_]+)\s*\[\[\s*(?P<target>[^\]]+?)\s*\]\]", re.IGNORECASE)
|
||||
|
||||
_CALLOUT_START = re.compile(r"^\s*>\s*\[!edge\]\s*(.*)$", re.IGNORECASE)
|
||||
# Erkennt [!edge] Callouts mit einem oder mehreren '>' am Anfang (für verschachtelte Callouts)
|
||||
_CALLOUT_START = re.compile(r"^\s*>{1,}\s*\[!edge\]\s*(.*)$", re.IGNORECASE)
|
||||
# Erkennt "kind: targets..."
|
||||
_REL_LINE = re.compile(r"^(?P<kind>[a-z_]+)\s*:\s*(?P<targets>.+?)\s*$", re.IGNORECASE)
|
||||
# Erkennt reine Typen (z.B. "depends_on" im Header)
|
||||
@@ -43,6 +44,7 @@ def extract_callout_relations(text: str) -> Tuple[List[Tuple[str,str]], str]:
|
||||
Unterstützt zwei Formate:
|
||||
1. Explizit: "kind: [[Target]]"
|
||||
2. Implizit (Header): "> [!edge] kind" gefolgt von "[[Target]]" Zeilen
|
||||
3. Verschachtelt: ">> [!edge] kind" in verschachtelten Callouts
|
||||
"""
|
||||
if not text: return [], text
|
||||
lines = text.splitlines()
|
||||
@@ -61,17 +63,35 @@ def extract_callout_relations(text: str) -> Tuple[List[Tuple[str,str]], str]:
|
||||
# Callout-Block gefunden. Wir sammeln alle relevanten Zeilen.
|
||||
block_lines = []
|
||||
|
||||
# Header Content prüfen (z.B. "type" aus "> [!edge] type")
|
||||
# Header Content prüfen (z.B. "type" aus "> [!edge] type" oder ">> [!edge] type")
|
||||
header_raw = m.group(1).strip()
|
||||
if header_raw:
|
||||
block_lines.append(header_raw)
|
||||
|
||||
# Bestimme die Einrückungsebene (Anzahl der '>' am Anfang der ersten Zeile)
|
||||
leading_gt_count = len(line) - len(line.lstrip('>'))
|
||||
if leading_gt_count == 0:
|
||||
leading_gt_count = 1 # Fallback für den Fall, dass kein '>' gefunden wurde
|
||||
|
||||
i += 1
|
||||
while i < len(lines) and lines[i].lstrip().startswith('>'):
|
||||
# Entferne '>' und führende Leerzeichen
|
||||
content = lines[i].lstrip()[1:].lstrip()
|
||||
if content:
|
||||
block_lines.append(content)
|
||||
# Sammle alle Zeilen, die mit mindestens der gleichen Anzahl '>' beginnen
|
||||
while i < len(lines):
|
||||
next_line = lines[i]
|
||||
stripped = next_line.lstrip()
|
||||
# Prüfe, ob die Zeile mit mindestens der gleichen Anzahl '>' beginnt
|
||||
if not stripped.startswith('>'):
|
||||
break
|
||||
next_leading_gt_count = len(next_line) - len(next_line.lstrip('>'))
|
||||
# Wenn die Einrückung kleiner wird, haben wir den Block verlassen
|
||||
if next_leading_gt_count < leading_gt_count:
|
||||
break
|
||||
# Entferne genau die Anzahl der führenden '>' entsprechend der Einrückungsebene
|
||||
# und dann führende Leerzeichen
|
||||
if next_leading_gt_count >= leading_gt_count:
|
||||
# Entferne die führenden '>' (entsprechend der Einrückungsebene)
|
||||
content = stripped[leading_gt_count:].lstrip()
|
||||
if content:
|
||||
block_lines.append(content)
|
||||
i += 1
|
||||
|
||||
# Verarbeitung des Blocks
|
||||
@@ -86,6 +106,26 @@ def extract_callout_relations(text: str) -> Tuple[List[Tuple[str,str]], str]:
|
||||
current_kind = first.lower()
|
||||
|
||||
for bl in block_lines:
|
||||
# Prüfe, ob diese Zeile selbst ein neuer [!edge] Callout ist (für verschachtelte Blöcke)
|
||||
edge_match = re.match(r"^\s*\[!edge\]\s*(.*)$", bl, re.IGNORECASE)
|
||||
if edge_match:
|
||||
# Neuer Edge-Callout gefunden, setze den Typ
|
||||
edge_content = edge_match.group(1).strip()
|
||||
if edge_content:
|
||||
# Prüfe, ob es ein "kind: targets" Format ist
|
||||
mrel = _REL_LINE.match(edge_content)
|
||||
if mrel:
|
||||
current_kind = mrel.group("kind").strip().lower()
|
||||
targets = mrel.group("targets")
|
||||
# Links extrahieren
|
||||
found = _WIKILINK_RE.findall(targets)
|
||||
if found:
|
||||
for t in found: out_pairs.append((current_kind, t.strip()))
|
||||
elif _SIMPLE_KIND.match(edge_content):
|
||||
# Reiner Typ ohne Targets
|
||||
current_kind = edge_content.lower()
|
||||
continue
|
||||
|
||||
# 1. Prüfen auf explizites "Kind: Targets" (überschreibt Header-Typ für diese Zeile)
|
||||
mrel = _REL_LINE.match(bl)
|
||||
if mrel:
|
||||
@@ -101,11 +141,8 @@ def extract_callout_relations(text: str) -> Tuple[List[Tuple[str,str]], str]:
|
||||
for raw in re.split(r"[,;]", targets):
|
||||
if raw.strip(): out_pairs.append((line_kind, raw.strip()))
|
||||
|
||||
# Wenn wir eine explizite Zeile gefunden haben, aktualisieren wir NICHT
|
||||
# den current_kind für nachfolgende Zeilen (Design-Entscheidung: lokal scope),
|
||||
# oder wir machen es doch?
|
||||
# Üblicher ist: Header setzt Default, Zeile überschreibt lokal.
|
||||
# Wir lassen current_kind also unangetastet.
|
||||
# Aktualisiere current_kind für nachfolgende Zeilen
|
||||
current_kind = line_kind
|
||||
continue
|
||||
|
||||
# 2. Kein Key:Value Muster -> Prüfen auf Links, die den current_kind nutzen
|
||||
|
||||
Reference in new issue
Block a user