import regex # pour le support de "\p{}" # ESPACE_FINE_INSECABLE = unicodedata.lookup("NARROW NO-BREAK SPACE") # ESPACE_INSECABLE = unicodedata.lookup("NO-BREAK SPACE") # Pour distinguer dans le HTML produit plus facilement. ESPACE_FINE_INSECABLE = " " ESPACE_INSECABLE = " " def assemble_regexes(*regexes): return "|".join(regexes) def build_regex(avant, apres): # \p{} permet de reconnaître un caractère par sa catégorie Unicode # "Zs" est la catégorie "Separator, space". return ( rf"((?P{avant})" + rf"(\p{{Zs}}|{ESPACE_INSECABLE})" + rf"(?P{apres}))" ) RE_ESPACE_FINE_INSECABLE = regex.compile( assemble_regexes( build_regex(r"\w?", r"[;\?!]"), # Ponctuations doubles. build_regex( r"\d", r"([ghj]|min|sec|images|mm|hab|kg|mg|L|km|°C|GHz)(\b|$)" ), # Unités. build_regex(r"\d", r"(Mo|Ko|Go|Mb|Kb|Gb)(\b|$)"), # Tailles de fichiers. build_regex(r"\d", r"%"), # Pourcentages. build_regex(r"\d", r"€"), # Symboles monétaires. build_regex(r"\d", r"\d"), # Séparateurs de milliers. ) ) def insere_espaces_fines_insecables(texte): return RE_ESPACE_FINE_INSECABLE.sub( r"\g" + ESPACE_FINE_INSECABLE + r"\g", texte ) RE_ESPACE_INSECABLE = regex.compile( assemble_regexes( build_regex(r"\w?", r":"), # Deux points. build_regex(r"«", ""), # Guillemets en chevrons. # "Po" est la catégorie "Punctuation, other". build_regex("", r"»"), # Guillemets en chevrons. build_regex(r"\d", r"(?!\d)\w"), # Chiffre suivi de lettres. build_regex(r"(M\.|Mme)", r"\w"), # Titres (Monsieur, Madame). ) ) def insere_espaces_insecables(texte): return RE_ESPACE_INSECABLE.sub( r"\g" + ESPACE_INSECABLE + r"\g", texte ) def typographie(texte): """ Utilise les espaces insécables fines ou normales lorsque c’est approprié https://fr.wikipedia.org/wiki/Espace_ins%C3%A9cable#En_France """ return insere_espaces_fines_insecables(insere_espaces_insecables(texte))