diff --git a/src/chat/utils/utils.py b/src/chat/utils/utils.py index 97874b714..38205477e 100644 --- a/src/chat/utils/utils.py +++ b/src/chat/utils/utils.py @@ -930,12 +930,11 @@ def filter_system_format_content(content: str | None) -> str: 过滤系统格式化内容,移除回复、@、图片、表情包等系统生成的格式文本 此方法过滤以下类型的系统格式化内容: - 1. 回复格式:[回复xxx],说:xxx + 1. 回复格式:[回复xxx],说:xxx (包括深度嵌套) 2. 表情包格式:[表情包:xxx] 3. 图片格式:[图片:xxx] 4. @格式:@ 5. 错误格式:[表情包(...)]、[图片(...)] - 6. [回复开头的格式 Args: content: 原始内容 @@ -949,29 +948,20 @@ def filter_system_format_content(content: str | None) -> str: original_content = content cleaned_content = content.strip() - # 1. 移除回复格式:[回复xxx],说:xxx(各种变体) - # 匹配所有包含"],说:"格式的回复 - cleaned_content = re.sub(r"\[回复[^\]]*\],说:\s*", "", cleaned_content) - # 匹配 [回复],说:xxx 格式 - cleaned_content = re.sub(r"\[回复<[^>]*>\],说:\s*", "", cleaned_content) - - # 2. 处理原有的[回复开头格式(保持向后兼容) - # 注意:这步要在上面处理完成后再执行,避免冲突 + # 核心逻辑:优先处理最复杂的[回复...]格式,特别是嵌套格式。 + # 这种方法最稳健:如果以[回复开头,就找到最后一个],然后切掉之前的所有内容。 if cleaned_content.startswith("[回复"): last_bracket_index = cleaned_content.rfind("]") if last_bracket_index != -1: cleaned_content = cleaned_content[last_bracket_index + 1 :].strip() - # 3. 移除表情包格式:[表情包:xxx] + # 在处理完回复格式后,再清理其他简单的格式 + # 移除表情包格式:[表情包:xxx] cleaned_content = re.sub(r"\[表情包:[^\]]*\]", "", cleaned_content) - - # 4. 移除图片格式:[图片:xxx] + # 移除图片格式:[图片:xxx] cleaned_content = re.sub(r"\[图片:[^\]]*\]", "", cleaned_content) - - # 5. 移除@格式:@ + # 移除@格式:@ cleaned_content = re.sub(r"@<[^>]*>", "", cleaned_content) - - # 6. 移除其他可能的系统格式 # [表情包(描述生成失败)] 等错误格式 cleaned_content = re.sub(r"\[表情包\([^)]*\)\]", "", cleaned_content) # [图片(描述生成失败)] 等错误格式