EPUB как второй вход в конвейер; листинги кода не переводятся и не ломают приёмку

- epub2html.py: EPUB -> тот же XHTML, что pdf2html.py, только стандартная
  библиотека. Уровень глав определяется по книге, а не берётся из <h1>:
  в EPUB там обычно название и части.
- pdf2html.py: листинг узнаётся по флагу моноширинного шрифта PyMuPDF,
  переносы и отступы внутри <pre> сохраняются, де-дефисация к коду не
  применяется.
- translate.py: <pre> исключён из проверок языка (английский код утягивал
  долю кириллицы ниже порога приёмки), рабочий каталог привязан к книге,
  устаревшие главы прошлого прогона чистятся, инлайновый <code> переживает
  переводчика.
- bookhtml.py: общий каркас документа и CSS для обоих входов.
- Тесты: test_epub2html.py на собранном в памяти EPUB, четыре новых случая
  в test_translate.py.

scripts/translate.py

@@ -11,6 +11,7 @@
 поломке абзац сохраняется переведённым, но без внутренней разметки.
 """
 import argparse
+import hashlib
 import html
 import json
 import re
@@ -19,10 +20,15 @@ import sys
 from pathlib import Path
 
 BLOCK = re.compile(r"^<(p|h1|h2)([^>]*)>(.*)</\1>$")
-TAG = re.compile(r"</?([ib])>")
-MARK = re.compile(r"⟦(/?)([ib])⟧")
+INLINE = ("i", "b", "code")
+TAG = re.compile(r"</?(%s)>" % "|".join(INLINE))
+MARK = re.compile(r"⟦(/?)(%s)⟧" % "|".join(INLINE))
 # картинки и пустые блоки не переводим
 SKIP = re.compile(r"<img\b")
+# Листинги кода не переводятся вовсе: BLOCK их не узнаёт, поэтому строки <pre>
+# доходят до результата нетронутыми. Здесь <pre> вырезается только из проверок
+# языка — иначе английский код утянул бы долю кириллицы ниже порога приёмки.
+PRE = re.compile(r"<pre\b.*?</pre>", re.S)
 
 
 def detect_language(text):
@@ -44,7 +50,7 @@ def to_marks(s):
 def from_marks(s):
     """Маркеры -> теги. Возвращает (html, ok): ok=False если разметка разъехалась."""
     escaped = html.escape(s, quote=False)
-    depth = {"i": 0, "b": 0}
+    depth = dict.fromkeys(INLINE, 0)
     ok = True
     for slash, tag in MARK.findall(escaped):
         depth[tag] += -1 if slash else 1
@@ -82,6 +88,8 @@ def split_chapters(blocks):
 
 def write_input(chapters, extracted):
     extracted.mkdir(parents=True, exist_ok=True)
+    for stale in extracted.glob("chapter_*.json"):
+        stale.unlink()  # главы прошлого прогона иначе уедут в перевод
     index = []
     for n, ch in enumerate(chapters):
         paragraphs = [to_marks(b[3]) for b in ch]
@@ -109,6 +117,25 @@ def write_input(chapters, extracted):
     return index
 
 
+def claim_workdir(workdir, source, blocks):
+    """Рабочий каталог принадлежит одной книге. Имена chapter_NNN.json у всех
+    книг одинаковы, а внешний репозиторий пропускает главы, помеченные
+    готовыми, — без этой привязки вторая книга молча соберётся из перевода
+    первой."""
+    digest = hashlib.sha256(
+        "\n".join(b[3] for b in blocks).encode("utf-8")).hexdigest()[:16]
+    claim = workdir / "bridge_source.json"
+    now = {"source": source.name, "blocks": len(blocks), "sha256": digest}
+    if claim.exists():
+        was = json.loads(claim.read_text(encoding="utf-8"))
+        if was.get("sha256") != digest:
+            sys.exit("рабочий каталог занят другой книгой (%s, блоков %s). "
+                     "Возьми чистый --workdir." % (was.get("source"), was.get("blocks")))
+    else:
+        claim.write_text(json.dumps(now, ensure_ascii=False, indent=2),
+                         encoding="utf-8")
+
+
 def run_translator(repo, workdir, extracted, workers):
     script = repo / "03_translate_parallel.py"
     if not script.exists():
@@ -150,7 +177,7 @@ def verify_output(out, target):
     """Совпадение числа абзацев ещё не значит, что перевод состоялся: внешний
     скрипт при ошибке API молча подставляет оригинал. Проверяем язык результата.
     """
-    text = re.sub("<[^>]+>", "", out.read_text(encoding="utf-8"))
+    text = re.sub("<[^>]+>", "", PRE.sub(" ", out.read_text(encoding="utf-8")))
     lang, share = detect_language(text)
     stub = text.count("[UNTRANSLATED]")
     print("результат: %s (кириллица %.0f%%), заглушек [UNTRANSLATED]: %d"
@@ -186,7 +213,9 @@ def main():
     plain = " ".join(re.sub("<[^>]+>", "", b[3]) for b in blocks)
     lang, share = detect_language(plain)
     chapters = split_chapters(blocks)
-    print("блоков: %d, глав: %d, знаков: %d" % (len(blocks), len(chapters), len(plain)))
+    pre_n = len(PRE.findall(args.source.read_text(encoding="utf-8")))
+    print("блоков: %d, глав: %d, знаков: %d, листингов <pre> (не переводятся): %d"
+          % (len(blocks), len(chapters), len(plain), pre_n))
     print("язык источника: %s (кириллица %.0f%%)" % (lang, share * 100))
 
     if lang == args.target and not args.force:
@@ -199,6 +228,7 @@ def main():
         return
 
     args.workdir.mkdir(parents=True, exist_ok=True)
+    claim_workdir(args.workdir, args.source, blocks)
     extracted = (args.workdir / "extracted").resolve()
     write_input(chapters, extracted)
     run_translator(args.repo.resolve(), args.workdir.resolve(), extracted, args.workers)