Parseltongue源码剖析(上):6种文本编码算法逐行解读与缓存、防GC性能技巧

原创2026-11-16 23:45:581,736 阅读

Parseltongue源码剖析(上):6种文本编码算法逐行解读与缓存、防GC性能技巧

Parseltongue 是一款支持 leetspeak、Base64、Binary、Emoji 等多种格式的文本编码转换浏览器扩展,主打实时 Token 可视化与 Prompt 文本改写。本文作为源码剖析(上),带你逐行解读 utils.ts 中的 6 种文本编码算法,并拆解其中的 Map 缓存设计与防垃圾回收(GC)的性能技巧。

Parseltongue文本编码工具Logo:由点阵构成的绿色与红色蛇形图案

项目结构一览:核心模块都藏在哪?

Parseltongue 的代码非常精炼,核心源码都在 src/ 目录下:

模块 路径 作用
编码算法库 utils.ts 6 种文本编码算法 + 键值缓存类
侧边栏面板 sidepanel/Sidepanel.tsx 展示各编码输出、Token 可视化
弹窗设置页 popup/Popup.tsx 开关与编码器选择
类型与默认配置 types.ts initialState 定义了全部开关项

6 种算法对应的 UI 开关定义在 types.ts 中,每一项默认都是开启的(value: true),所以装上扩展后侧边栏就能看到全部 6 路输出。

编码算法 1:Leetspeak——查表法的最小实现

utils.ts 中的 toLeetspeak 是全书最短的算法:

const leetDict = { 'a': '4', 'e': '3', 'g': '6', 'i': '1',
  'o': '0', 's': '5', 't': '7', 'b': '8', 'l': '1' };

return text.toLowerCase().split('').map(
  char => leetDict[char] || char
).join('');

三个关键动作:toLowerCase() 统一小写 → split('') 拆成字符数组 → leetDict[char] || char 查表替换,查不到就保留原字符。这是典型的查表法(Lookup Table),时间复杂度 O(n),没有任何分支逻辑,适合作为理解其他算法的起点。

编码算法 2:Pig Latin——词级变换 + 尾随标点剥离

toPigLatin(utils.ts)的规则:元音开头的词加 way 后缀,辅音开头则把首段辅音移到词尾再加 ay。实现上分三步:

  1. text.split(" ").filter(...) 按空格拆词,过滤空串;
  2. 用 extractSuffixPunctation(utils.ts)把词尾标点(如 word.)剥离出来,先处理纯单词,最后再把标点贴回去——这个"剥离-还原"技巧在多个算法中复用;
  3. findIndex 定位首个元音(VOWELS 常量见 utils.ts),找不到时整词直接加 ay。

💡 注意函数注释里那句"Avoid using regex"——为什么刻意不用正则?下一节的性能技巧会揭晓。

blue-sky背景图:Popup弹窗首页使用的蓝天白云笔触背景

编码算法 3:Scramble——乱序词 + 一致性缓存

toScramble(utils.ts)模拟的是"Fyodor 算法":打乱单词内部字母,首尾字母保持不变,人类仍能读懂。逐行看几个精心设计的细节:

if (word.length <= 3) return word;
if (word[1] === word[2] && word.length === 4) return word; // 如 "food"

if (scrambleCache.has(sanitizedWord))
  return scrambleCache.get(sanitizedWord) + punctuation;

const interior = removePunctation(sanitizedWord.slice(1, -1));
const scrambled = interior.split('')
  .sort(() => Math.random() - 0.5).join('');
scrambleCache.set(sanitizedWord, scrambledWord);
  • 短路保护:3 字符以内的词打乱无意义,直接跳过;
  • 模式识别:food、keen 这类"第 2、3 字母相同"的 4 字母词,无论怎么打乱中间部分结果都一样,直接返回原词;
  • 随机洗牌:sort(() => Math.random() - 0.5) 是最常见的 Fisher-Yates 简化写法(严格意义上有偏置,但对"读得懂的乱序"场景完全够用);
  • 缓存命中优先:先查 scrambleCache,命中则直接返回——这保证同一段文字里同一个词的乱序结果始终一致,视觉上不"抖"。

编码算法 4 & 5:Base64 与 Binary——一行 API 与位宽补齐

toBase64 只有一行:return btoa(text)(utils.ts),直接复用浏览器内置 API;注释中也坦诚说明它只处理 ASCII,Unicode 需要额外处理步骤。

toBinary(utils.ts)稍有意思:

return text.split('')
  .map(char => char.charCodeAt(0).toString(2).padStart(8, '0'))
  .join(' ');

charCodeAt(0).toString(2) 拿到二进制串后,padStart(8, '0') 补齐到 8 位——没有这一步,"A" 会变成 1000001 而不是 01000001,位宽不齐就会破坏二进制可读性。这是一个很容易被忽略、却决定输出规范性的细节。

编码算法 6:Emoji——双字典随机替换

Emoji 编码基于两份字符字典:circleEmojis 与 squareEmojis(utils.ts),把 a–z 映射到 🅐/🄰 这类 Unicode 字母块符号。toCircleEmoji 与 toSquareEmoji 都是逐字符查表;toRandomEmoji(utils.ts)则更花哨——每个字符独立掷硬币:

const useCircle = Math.random() < 0.5;
const emojiDict = useCircle ? circleEmojis : squareEmojis;

再配合 getRandomItem 在候选列表中随机取样(圆形字典中每个字母有 2 个候选),同一段文字每次转换都会得到不同的 Emoji 组合,天然适合"每次都不一样的 Prompt 变体"。

性能技巧 1:手写 KeyValueCache——为什么不用 Map 裸用?

utils.ts 顶部定义了一个 60 行的 KeyValueCache 泛型类,内部就是一个 Map,包了 set / get / has / delete / clear / size 六个方法。看似啰嗦,实则有三层考量:

  • 语义封装:调用方看到的是"缓存"而非"字典",scrambleCache.has(key) 的意图一目了然;
  • 单一职责:缓存策略(未来加容量上限、LRU 淘汰)只需改这一处,业务算法代码零改动;
  • 模块级单例:const scrambleCache = new KeyValueCache<string, string>()(utils.ts)声明在模块作用域,整个面板生命周期共享,无需通过 props 层层传递。

这个"小而美"的缓存正是 Scramble 算法一致性输出的保证,也是全文最值得抄进自己项目的一个模式。

性能技巧 2:防 GC——为什么 Pig Latin 刻意不用正则?

toPigLatin 的注释(utils.ts)是全文最硬核的性能注记:

Memory reclamation eligibility from dereferenced regex objects can trigger garbage collection. That interruption can really fuck up performance when mapping large arrays.

翻译成大白话:正则对象在被引用释放后会进入可回收状态,可能触发 GC;GC 的 STW(Stop The World)停顿恰好在 map 遍历大数组时发生,会把界面卡出肉眼可见的卡顿。因此作者用 findIndex 线性扫描 + VOWELS.includes 判断首元音,替代了最直觉的 /[aeiou]/.exec(word) 写法。

这对浏览器扩展开发是很好的警示:扩展脚本跑在浏览器主线程旁边,任何 GC 停顿都会直接反映为 UI 掉帧。可复用的经验清单:

技巧 出处 收益
模块级 Map 缓存随机结果 utils.ts 去重计算、输出一致
热路径避免正则对象 utils.ts 降低 GC 触发概率
短词 / 重复模式短路返回 utils.ts 减少无效 shuffle
padStart 固定位宽 utils.ts 输出规范、无二次处理

总结与(下)篇预告

本篇完成了 6 种文本编码算法的逐行解读:Leetspeak 查表、Pig Latin 词级变换、Scramble 乱序加缓存、Base64/Binary 的 API 复用,以及 Emoji 双字典随机替换;并拆解了 utils.ts 中 KeyValueCache 的设计动机与防 GC 的正则规避策略。

这些算法如何接入 UI?Sidepanel.tsx 中通过 browser.runtime.onMessage 监听消息后一次性调用全部 6 个转换函数,再用 js-tiktoken 做彩色 Token 高亮——下一篇文章《Parseltongue源码剖析(下)》将深入 Tokenizer 可视化与扩展消息通信机制,我们下篇见。

登录后查看全文
parseltongue