import { unified } from 'unified';
import remarkParse from 'remark-parse';
import { visit } from 'unist-util-visit';
import type { Root, Heading } from 'mdast';
/**
* 마크다운을 헤더 기준으로 청크로 분할
* @param markdown 마크다운 텍스트
* @param maxDepth 분할 기준 헤더 깊이 (기본: 2)
* @returns 청크 배열
*/
export function splitMarkdownIntoChunks(markdown: string, maxDepth: number = 2): string[] {
const tree = unified().use(remarkParse).parse(markdown) as Root;
const chunks: string[] = [];
let currentChunk: string[] = [];
let currentPosition = 0;
// 마크다운을 줄 단위로 분할
const lines = markdown.split('\n');
// AST 트리 순회하며 헤더 위치 찾기
const headerPositions: Array<{ line: number; depth: number }> = [];
visit(tree, 'heading', (node: Heading) => {
if (node.position && node.depth <= maxDepth) {
headerPositions.push({
line: node.position.start.line - 1, // 0-indexed로 변환
depth: node.depth
});
}
});
// 헤더 위치를 기준으로 청크 생성
headerPositions.forEach((header, index) => {
// 이전 청크 저장
if (currentChunk.length > 0) {
chunks.push(currentChunk.join('\n').trim());
currentChunk = [];
}
// 현재 헤더부터 다음 헤더 전까지 수집
const nextHeaderLine = index < headerPositions.length - 1
? headerPositions[index + 1].line
: lines.length;
for (let i = header.line; i < nextHeaderLine; i++) {
currentChunk.push(lines[i]);
}
});
// 마지막 청크 저장
if (currentChunk.length > 0) {
chunks.push(currentChunk.join('\n').trim());
}
// 헤더가 없는 경우 전체를 하나의 청크로
if (chunks.length === 0 && markdown.trim()) {
chunks.push(markdown.trim());
}
return chunks;
}
/**
* 작은 청크들을 병합하여 최소 단어 수 이상으로 만듦
* @param chunks 원본 청크 배열
* @param minWords 최소 단어 수 (기본: 30)
* @returns 병합된 청크 배열
*/
export function joinShortChunks(chunks: string[], minWords: number = 30): string[] {
const result: string[] = [];
let buffer = "";
let bufferWordCount = 0;
for (const chunk of chunks) {
const wordCount = chunk.split(/\s+/).filter(word => word.length > 0).length;
// 청크가 최소 단어 수보다 작으면 버퍼에 추가
if (wordCount < minWords) {
buffer += (buffer ? "\n\n" : "") + chunk;
bufferWordCount += wordCount;
continue;
}
// 버퍼에 내용이 있으면 먼저 처리
if (buffer) {
result.push(buffer.trim());
buffer = "";
bufferWordCount = 0;
}
// 충분히 큰 청크는 그대로 추가
result.push(chunk.trim());
}
// 남은 버퍼 처리
if (buffer) {
// 마지막 버퍼가 너무 작으면 이전 청크와 병합
if (bufferWordCount < minWords / 2 && result.length > 0) {
result[result.length - 1] += "\n\n" + buffer.trim();
} else {
result.push(buffer.trim());
}
}
return result;
}
/**
* 마크다운에서 메타데이터 추출
* @param markdown 마크다운 텍스트
* @returns 메타데이터 객체
*/
export function extractMetadata(markdown: string): {
title: string;
description: string;
keywords: string[];
} {
const lines = markdown.split('\n');
let title = '';
let description = '';
const keywords: string[] = [];
// 첫 번째 H1 헤더를 제목으로
const h1Match = markdown.match(/^#\s+(.+)$/m);
if (h1Match) {
title = h1Match[1].trim();
}
// 첫 번째 단락을 설명으로 (헤더 제외)
const paragraphMatch = markdown.match(/^(?!#)(?!\s*$)(.+)$/m);
if (paragraphMatch) {
description = paragraphMatch[1].trim();
}
// 코드 블록, 링크, 강조 텍스트에서 키워드 추출
const codeBlockMatches = markdown.match(/`([^`]+)`/g);
if (codeBlockMatches) {
codeBlockMatches.forEach(match => {
const keyword = match.replace(/`/g, '').trim();
if (keyword && !keywords.includes(keyword)) {
keywords.push(keyword);
}
});
}
return { title, description, keywords };
}
