Function parse_toc_json

mainprogress/pdf_metadata_extractor.py:175–188

安全解析 LLM 输出的 JSON，剥离 Markdown 标记

(text: str)

        clean_text = re.sub(r'^```(?:json)?\s*', '', text.strip(), flags=re.MULTILINE)
        clean_text = re.sub(r'\s*```$', '', clean_text, flags=re.MULTILINE)
        data = json.loads(clean_text)
        return data.get("toc_start"), data.get("toc_end")
    except Exception as e:
        error_msg = f"解析目录 JSON 失败：{e}, 原始文本：{text}"
        logger.error(error_msg)
        write_log(error_msg)
        return None, None

def merge_continuous_ranges(page_list: list) -> tuple:
    """
    将分散的页码列表合并为最大的连续区间。
    逻辑：排序后，如果相邻页码差值 <= 1，视为连续。
    返回最大连续区间的 (start, end)。
    """
    if not page_list:
        return None, None