fix: perte de chevauchements entiers à l'import HTML noScribe

Les noms d'ancre ts_ dont le suffixe locuteur contient des caractères
hors \w (ex. "//S01" quand une annotation de chevauchement est tapée
juste avant une coupure de segment) étaient rejetés par TS_NAME_RE,
faisant disparaître silencieusement tout le texte de l'ancre.

CHANGELOG.fr.md

@@ -1,5 +1,10 @@
 # Changelog
 
+## [prod] v0.1.8 — 9 juillet 2026
+
+### Corrections
+- `NoScribeHtmlParser` — les noms d'ancre dont le suffixe contient des caractères hors `\w` (ex. `ts_95480_96512_//S01`, produit quand une annotation de chevauchement `//S01:` est tapée juste avant une coupure de segment noScribe) étaient rejetés par `TS_NAME_RE` (`\w*`), faisant disparaître silencieusement tout le texte de l'ancre. Des chevauchements entiers pouvaient ainsi disparaître à l'import HTML. Le suffixe est désormais accepté tel quel.
+
 ## [prod] v0.1.7 — 10 juin 2026
 
 ### Nouvelles fonctionnalités

CHANGELOG.md

@@ -2,6 +2,11 @@
 
 > Previous entries in French: [CHANGELOG.fr.md](CHANGELOG.fr.md)
 
+## [prod] v0.1.8 — 9 July 2026
+
+### Fixes
+- `NoScribeHtmlParser` — anchor names with a suffix containing non-word characters (e.g. `ts_95480_96512_//S01`, produced when an overlap annotation like `//S01:` is typed right before a noScribe segment break) were rejected by `TS_NAME_RE` (`\w*`), silently dropping the entire anchor's text. Whole overlapping-speech segments could disappear on HTML import. The suffix is now accepted as-is.
+
 ## [prod] v0.1.7 — 10 June 2026
 
 ### New features

main.js

@@ -36562,7 +36562,7 @@ var VttParser = class {
 // src/parsers/NoScribeHtmlParser.ts
 var PARA_RE = /<p(?:\s[^>]*)?>(?<content>.*?)<\/p>/gs;
 var ANCHOR_RE = /<a\s+name="(ts_[^"]+)"[^>]*>(.*?)<\/a>/gs;
-var TS_NAME_RE = /^ts_(\d+)_(\d+)_(\w*)$/;
+var TS_NAME_RE = /^ts_(\d+)_(\d+)_(.*)$/;
 var DISPLAY_TS_RE = /^\[\d{2}:\d{2}:\d{2}\]$/;
 var SPEAKER_RE = /^(.+?)\s*:\s*/;
 var ALL_TAGS_RE2 = /<[^>]+>/g;

manifest.json

@@ -1,7 +1,7 @@
 {
   "id": "pseudonymizer-tool",
   "name": "Pseudonymizer Tool",
-  "version": "0.1.7",
+  "version": "0.1.8",
   "minAppVersion": "1.13.0",
   "description": "Pseudonymize and correct interactional transcripts (Jefferson, ICOR, SRT, CHAT/CHA). Designed for qualitative researchers in linguistics and conversation analysis.",
   "author": "Axelle Abbadie",

package.json

@@ -1,6 +1,6 @@
 {
   "name": "pseudonymizer-tool",
-  "version": "0.1.7",
+  "version": "0.1.8",
   "description": "Obsidian plugin for pseudonymizing and correcting interactional transcripts (Jefferson, ICOR, SRT, CHAT/CHA).",
   "author": "Axelle Abbadie",
   "homepage": "https://cv.hal.science/axelle-abbadie/",

src/parsers/NoScribeHtmlParser.ts

@@ -16,7 +16,11 @@ import type { VttDocument, VttCue, VttWord } from './VttParser';
 
 const PARA_RE = /<p(?:\s[^>]*)?>(?<content>.*?)<\/p>/gs;
 const ANCHOR_RE = /<a\s+name="(ts_[^"]+)"[^>]*>(.*?)<\/a>/gs;
-const TS_NAME_RE = /^ts_(\d+)_(\d+)_(\w*)$/;
+// Le suffixe après START_END est censé être l'id de locuteur (S00, S01...), mais
+// noScribe peut y injecter des caractères arbitraires si l'utilisateur a tapé une
+// annotation de chevauchement (ex. "//S01:") juste avant une coupure de segment —
+// accepter n'importe quel caractère pour ne pas perdre le segment (cf. bug import HTML).
+const TS_NAME_RE = /^ts_(\d+)_(\d+)_(.*)$/;
 // Timestamps d'affichage [HH:MM:SS] générés par noScribe pour l'interface — ignorer
 const DISPLAY_TS_RE = /^\[\d{2}:\d{2}:\d{2}\]$/;
 // Locuteur suivi de " :" en début de texte

tests/unit/NoScribeHtmlParser.test.ts

@@ -102,3 +102,40 @@ describe('NoScribeHtmlParser — parse', () => {
     expect(turn.text).not.toMatch(/\[\d{2}:\d{2}:\d{2}\]/);
   });
 });
+
+// ---- Régression : ancres avec suffixe de locuteur non standard --------------
+// Quand l'utilisatrice tape une annotation de chevauchement ("//S01: ...") juste
+// avant une coupure de segment noScribe, le nom d'ancre généré peut contenir ce
+// texte dans le suffixe (ex. "ts_95480_96512_//S01" au lieu de "ts_95480_96512_S01").
+// Avant le correctif, TS_NAME_RE (`\w*`) rejetait ces ancres et le texte entier
+// du segment disparaissait silencieusement.
+
+const NOSCRIBE_HTML_OVERLAP = `<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0//EN">
+<html><head><meta name="qrichtext" content="1" />
+<meta charset="UTF-8" />
+<meta name="audio_source" content="/Corpus/entretien_02.m4a" />
+</head><body>
+<div class="WordSection1">
+
+<p><a name="ts_90660_95140_S00" ><span style="color: #000000">Expérimentateur : qu'on m'a dit pendant très très longtemps qu'il fallait se brosser des dents.</span></a><a name="ts_95480_96512_//S01" ><span style="color: #000000"> Bon, maintenant, je le fais." //S01:</span></a><a name="ts_96512_105792_//S03" ><span style="color: #000000"> C'était par flemme la vérité mais si je me brossais les dents.</span></a><a name="ts_105792_107904_S00" ><span style="color: #000000">// Ça a été, vous y arrivez de mieux en mieux, quand même.</span></a></p>
+
+</div>
+</body></html>`;
+
+describe('NoScribeHtmlParser — ancres avec suffixe non standard (chevauchements)', () => {
+  test('ne perd pas le texte des ancres dont le suffixe contient des caractères hors \\w', () => {
+    const doc = parser.parse(NOSCRIBE_HTML_OVERLAP);
+    expect(doc.cues.length).toBe(1);
+    const turn = doc.cues[0];
+    expect(turn.text).toContain('Bon, maintenant, je le fais');
+    expect(turn.text).toContain("C'était par flemme");
+    expect(turn.text).toContain('Ça a été, vous y arrivez');
+  });
+
+  test('conserve le timing correct malgré le suffixe non standard', () => {
+    const doc = parser.parse(NOSCRIBE_HTML_OVERLAP);
+    const turn = doc.cues[0];
+    expect(turn.startTime).toBe('00:01:30.660');
+    expect(turn.endTime).toBe('00:01:47.904');
+  });
+});

versions.json

@@ -12,5 +12,6 @@
   "0.1.4": "1.7.2",
   "0.1.5": "1.7.2",
   "0.1.6": "1.7.2",
-  "0.1.7": "1.13.0"
+  "0.1.7": "1.13.0",
+  "0.1.8": "1.13.0"
 }