SILE排版引擎中语言特定断字处理的通用化重构

在SILE排版引擎的开发过程中，团队发现需要对特定语言的断字处理(hyphenation)进行特殊处理。目前代码中存在针对土耳其语(Turkish)和加泰罗尼亚语(Catalan)的特殊处理逻辑，这些逻辑直接硬编码在核心文件中，不利于维护和扩展。

问题背景

SILE使用Liang算法进行断字处理，但某些语言存在特殊规则。例如：

1. 土耳其语有特殊的"软G"字符(ğ)处理需求
2. 加泰罗尼亚语需要处理连字符(l·l)的特殊情况

这些特殊处理目前都直接写在核心文件core/hyphenator-liang.lua中，随着支持语言的增加，这种方式会导致代码臃肿且难以维护。

技术挑战

当前实现存在几个主要问题：

1. 代码组织：语言特定逻辑与通用逻辑混杂
2. 性能问题：每次断字都重新创建处理节点，没有缓存机制
3. 语言识别：仅简单比较语言字符串，无法处理BCP47标准中的语言变体(如区分ca-ES和ca-FR)

解决方案

架构重构

建议将语言特定的断字处理逻辑抽取到独立的语言处理类中。这种设计有以下优势：

1. 遵循单一职责原则，每个语言类只负责自己的特殊规则
2. 便于扩展，新增语言支持只需添加新类而不修改核心代码
3. 提高可维护性，语言专家可以独立维护相关规则

性能优化

引入处理节点的缓存机制：

1. 避免重复创建相同节点
2. 减少内存分配和垃圾回收压力
3. 特别对于频繁使用的断字模式效果显著

语言识别增强

改进语言标签处理：

1. 支持完整的BCP47语言标签
2. 正确处理语言变体和区域差异
3. 为未来多语言混合排版奠定基础

实现考量

这种重构需要：

1. 定义清晰的接口规范，确保各语言实现一致性
2. 设计高效的缓存策略
3. 建立语言标签解析机制
4. 保持向后兼容性

总结

通过将语言特定的断字处理逻辑模块化，SILE排版引擎可以更优雅地支持多语言排版需求，同时提高性能和可维护性。这种架构也为未来支持更多语言的复杂排版规则提供了良好的扩展基础。