document-haness/.agents/skills/rewriting-technical-prose-naturally/scripts/style_profile.mjs

#!/usr/bin/env node
// 글의 문체를 수치로 찍는다. 우아한형제들 5편의 값이 기준선이다.
//   node scripts/style_profile.mjs <file.md ...>
//   node scripts/style_profile.mjs --baseline <ref/*.md>   기준선 범위를 다시 계산
import { readFileSync } from 'node:fs';

// 우아한형제들 5편에서 잰 값 (scripts/style_profile.mjs --baseline 으로 재계산)
// 우아한형제들 5편 실측(산문만):
//   avgLen 56.5~66.5 · longRatio 0~.05 · shortRatio .012~.136
//   enderKinds 4~6 · connPer100 7.1~25.9 · steerPer100 3.7~11.9
// 아래는 거기에 약간의 여유를 준 값이다. 규칙을 고치면 --baseline으로 다시 잰다.
const BASE = {
  avgLen:      { lo: 48, hi: 75,   label: '문장 평균 길이(자)' },
  longRatio:   { lo: 0,  hi: 0.08, label: '120자 넘는 문장 비율' },
  shortRatio:  { lo: 0.01, hi: 0.20, label: '25자 미만 문장 비율' },
  enderKinds:  { lo: 3,  hi: 8,    label: '종결어미 종류 수' },
  connPer100:  { lo: 6,  hi: 30,   label: '이유 연결어미 / 문장 100개' },
  steerPer100: { lo: 0,  hi: 16,   label: '독자 안내 표현 / 문장 100개' },  // 하한 없음: 강제하면 지도형 문장이 생긴다
  engPerSent:  { lo: 0,  hi: 3.5,  label: '문장당 맨몸 영문 낱말' },   // 기준선 0.71~3.14
  hangulRatio: { lo: 0.60, hi: 1,  label: '한글 비율(식별자 제외)' },  // 기준선 0.64~0.92
};

// 산문만 남긴다. 코드블록·표·제목·목록·링크주소·인라인코드는 문장이 아니다.
function strip(src) {
  // frontmatter 는 산문이 아니다. 빼지 않으면 그 블록 하나가 길이 398자짜리
  // 「문장」으로 세어져 avgLen · longRatio 를 통째로 흔든다 (실측)
  let t = src.replace(/^---\n[\s\S]*?\n---\n/, '');
  // 짝이 맞는 코드펜스 제거
  t = t.replace(/```[\s\S]*?```/g, '\n');
  // 짝이 안 맞는 펜스(구획을 중간에서 잘랐을 때): 남은 펜스부터 끝까지 버린다
  const stray = t.indexOf('```');
  if (stray >= 0) t = t.slice(0, stray);
  return t
    .replace(/^\s*\|.*$/gm, '')            // 표
    .replace(/^\s*#{1,6}\s.*$/gm, '')      // 제목
    .replace(/^\s*[-*+]\s.*$/gm, '')       // 목록
    .replace(/^\s*\d+[.)]\s.*$/gm, '')     // 번호 목록
    .replace(/^\s*<!--[\s\S]*?-->/gm, '')  // 주석
    .replace(/!?\[([^\]]*)\]\([^)]*\)/g, '$1')  // 링크는 글자만 남기고 주소 제거
    .replace(/`[^`\n]*`/g, 'X')            // 인라인 코드는 한 글자로
    .replace(/[*_>]/g, '');
}

export function profile(raw) {
  const _raw = raw;
  const text = strip(raw);
  const sents = text.split(/(?<=[.?!])\s+|\n{2,}/)
    .map(s => s.replace(/\s+/g, ' ').trim())
    .filter(s => s.length > 4 && /[가-힣]/.test(s));
  const n = sents.length || 1;
  const lens = sents.map(s => s.length);
  const avgLen = lens.reduce((a, b) => a + b, 0) / n;

  const kinds = new Set();
  for (const s of sents) {
    if (/(습니다|았습니다|었습니다)[.!]?$/.test(s)) kinds.add('습니다');
    if (/입니다[.!]?$/.test(s)) kinds.add('입니다');
    // 한다체 안에도 어미는 여럿이다. 한 덩어리로 세면 잘 쓴 한다체 글이 1점을 받고,
    // 점수를 올릴 길이 물음·청유밖에 남지 않아 없던 화자가 생긴다. 실제로 그렇게 됐다.
    if (/(한다|된다|만든다|넘긴다|받는다)[.!]?$/.test(s)) kinds.add('한다');
    if (/(했다|였다|됐다|되었다|았다|었다)[.!]?$/.test(s)) kinds.add('했다');
    if (/(아니다|없다|같다|다르다|이다)[.!]?$/.test(s)) kinds.add('이다');
    if (/(못한다|않는다|않았다|못했다)[.!]?$/.test(s)) kinds.add('부정');
    if (/(뿐이다|때문이다|까지다|것이다)[.!]?$/.test(s)) kinds.add('설명');
    if (/(겠습니다|보겠습니다)[.!]?$/.test(s)) kinds.add('겠습니다');
    if (/\?$/.test(s)) kinds.add('물음');
    if (/(봅시다|보자|맙시다|주세요)[.!]?$/.test(s)) kinds.add('청유');
    if (/(네요|는데요|거든요|어요|아요)[.!]?$/.test(s)) kinds.add('해요체');
    if (/(합니다만|지만)[.!]?$/.test(s)) kinds.add('지만');
  }
  const conn = (text.match(/(기 때문에|다 보니|으므로|이므로|해서|어서|아서|는데|으니|니까)/g) || []).length;
  const steer = (text.match(/(살펴보|알아보|파보|확인해\s*봅|정리해\s*보|소개해\s*보|짚어\s*보|이번에는|먼저|나중에|다루겠|보겠습니다|공유)/g) || []).length;

  // 백틱 안(식별자)은 빼고, 맨몸으로 쓰인 영문만 센다
  const bare = raw
    .replace(/^---\n[\s\S]*?\n---\n/, ' ')   // frontmatter 는 산문이 아니다
    .replace(/```[\s\S]*?```/g, ' ')
    .replace(/<!--[\s\S]*?-->/g, ' ')      // HTML 주석(techviz 등)은 산문이 아니다
    .replace(/<\/?[a-zA-Z][^>]*>/g, ' ')   // <details>, <summary> 같은 태그
    .replace(/^\s*\|.*$/gm, ' ')           // 표
    .replace(/`[^`\n]*`/g, ' ')
    .replace(/!?\[([^\]]*)\]\([^)]*\)/g, '$1');
  const PROPER = /^(Redis|Nginx|Hibernate|Spring|Actuator|Keycloak|PostgreSQL|Java|Gradle|Lettuce|Kubernetes|Docker|OAuth|Sentinel|Lua|SQL|API|TTL|ACL|TLS|HTTP|JSON|YAML|CI|AI|DB|ID|URL)$/i;
  // 분자와 분모가 같은 글을 봐야 「문장당」이 뜻을 갖는다. 문장 수는 strip() 이 목록을
  // 걷어낸 `text` 에서 세는데 영문은 `bare`(목록 포함)에서 세고 있었다 — 본문이 거의
  // 목록인 Question 기록에서 이 비율이 구조적으로 부풀었다 (실측 11.94)
  const engWords = (text.match(/[A-Za-z][A-Za-z0-9_.-]{1,}/g) || []).filter(w => !PROPER.test(w));
  // 한글 비율은 글쓴이가 고를 수 있는 산문만 본다. 백틱 안 식별자는 보호 구간이라 제외한다.
  const hangul = (bare.match(/[가-힣]/g) || []).length;
  const letters = (bare.match(/[가-힣A-Za-z]/g) || []).length || 1;

  return {
    sentences: n,
    engPerSent: +(engWords.length / n).toFixed(2),
    hangulRatio: +(hangul / letters).toFixed(2),
    avgLen: +avgLen.toFixed(1),
    longRatio: +(lens.filter(l => l > 120).length / n).toFixed(3),
    shortRatio: +(lens.filter(l => l < 25).length / n).toFixed(3),
    enderKinds: kinds.size,
    connPer100: +((conn / n) * 100).toFixed(1),
    steerPer100: +((steer / n) * 100).toFixed(1),
  };
}

const args = process.argv.slice(2);
if (args[0] === '--baseline') {
  const rows = args.slice(1).map(f => ({ f: f.replace(/^.*\//, ''), p: profile(readFileSync(f, 'utf8')) }));
  for (const k of Object.keys(BASE)) {
    const vals = rows.map(r => r.p[k]);
    console.log(`${k.padEnd(12)} min=${Math.min(...vals)}  max=${Math.max(...vals)}`);
  }
  console.table(rows.map(r => ({ file: r.f, ...r.p })));
  process.exit(0);
}

let bad = 0;
const rows = [];
for (const f of args) {
  const p = profile(readFileSync(f, 'utf8'));
  const flags = [];
  for (const [k, b] of Object.entries(BASE)) {
    if (p[k] < b.lo || p[k] > b.hi) { flags.push(`${b.label}=${p[k]} (기준 ${b.lo}~${b.hi})`); bad++; }
  }
  rows.push({ file: f.replace(/^.*\//, ''), ...p, 벗어남: flags.length });
  if (flags.length) console.log(`· ${f.replace(/^.*\//, '')}\n   ` + flags.join('\n   '));
}
console.table(rows);
process.exit(bad === 0 ? 0 : 1);