#!/usr/bin/env python3
"""
构建期内容仪表盘生成器（blog-5n 后台深度优化包）

为什么需要：后台（Sveltia CMS）只管编辑不管盘点，"站上到底有多少篇可见文、
草稿积了多少、字数体量多大"每次都要手动数。本脚本在构建期扫 content/ 一次性
算好统计，产出两个静态产物挂到 dist/admin/ 下，浏览器直接打开 stats.html
即可看板（无 JS、无外部资源，纯构建期生成，不给运行时加任何负担）。

挂载位置：infra/deploy/build.sh 在 `pnpm astro build` 之后调用
`python3 scripts/build-perf/gen-admin-stats.py dist`（写不进产物树的活产物
就由构建脚本补写）。

用法：python3 scripts/build-perf/gen-admin-stats.py <dist目录>
退出码：0 成功；1 参数缺失（或 pyyaml 缺失）。单篇 frontmatter 解析失败
只告警跳过，不让整次构建失败。
"""
import html
import json
import re
import sys
import time
from datetime import date, datetime
from pathlib import Path

try:
    import yaml
except ImportError:
    print('[gen-admin-stats] 缺少 pyyaml：pip install pyyaml')
    sys.exit(1)

# 仓库根 = 本文件上三级（scripts/build-perf/ → scripts/ → 根），
# 与 config-check.py 一样假定 content/ 布局，但从脚本自身定位根目录，
# 这样 build.sh 从任意 cwd 调用都不依赖工作目录。
ROOT = Path(__file__).resolve().parent.parent.parent

POSTS_DIR = ROOT / 'content' / 'posts'
POSTS_EN_DIR = ROOT / 'content' / 'posts-en'
MOMENTS_DIR = ROOT / 'content' / 'moments'
PHOTOS_DIR = ROOT / 'content' / 'photos'

# zh_chars 的正文剥离规则（粗粒度写作量口径）：剔除代码块/图片/链接目标/HTML
# 这些"非正文"成分，保留链接文字、行内代码等文字本身，再去 markdown 标记。
# 顺序敏感：先整块删 fenced code 与图片，再做行内替换，最后删行首标记。
_MD_STRIP = [
    (re.compile(r'```.*?```', re.S), ''),                # 围栏代码块整块删（代码不是写作量）
    (re.compile(r'!\[[^\]]*\]\([^)]*\)'), ''),           # 图片（alt 不是正文）
    (re.compile(r'\[([^\]]*)\]\([^)]*\)'), r'\1'),       # 链接只留文字
    (re.compile(r'<[^>\n]+>'), ''),                      # 裸 HTML 标签（瞬间体例里常见 span）
    (re.compile(r'^\s{0,3}(?:#{1,6}|>|[-*+]|\d+[.)])\s*', re.M), ''),  # 标题/引用/列表行首标记
    (re.compile(r'[*_~]{1,3}'), ''),                     # 强调/删除线标记
    (re.compile(r'^\s*\|?[-: |]+\|?\s*$', re.M), ''),    # 表格分隔行
    (re.compile(r'\|'), ''),                             # 表格竖线
]
_WHITESPACE = re.compile(r'[\s\u3000\u00a0\ufeff]+')


def split_frontmatter(text):
    """切出 (frontmatter 文本, 正文)。无 frontmatter 时返回 (None, 全文)。"""
    if not text.startswith('---'):
        return None, text
    lines = text.splitlines(keepends=True)
    for i in range(1, len(lines)):
        if lines[i].strip() == '---':
            return ''.join(lines[1:i]), ''.join(lines[i + 1:])
    return None, text


def tag_list(frontmatter):
    """tags 归一为字符串列表（容忍单值标量写法与缺省）。"""
    tags = frontmatter.get('tags') if isinstance(frontmatter, dict) else None
    if tags is None:
        return []
    if isinstance(tags, str):
        return [tags]
    return [str(t) for t in tags]


def pubdate_iso(frontmatter):
    """pubDate 归一为可比对象；返回 (可比键, ISO 字符串) 或 (None, None)。"""
    value = frontmatter.get('pubDate') if isinstance(frontmatter, dict) else None
    if isinstance(value, (date, datetime)):
        return value, value.date().isoformat() if isinstance(value, datetime) else value.isoformat()
    if isinstance(value, str) and value:
        try:
            return date.fromisoformat(value[:10]), value[:10]
        except ValueError:
            return None, None
    return None, None


def count_body_chars(body):
    """正文剥离 markdown 标记与空白后的字符数（粗粒度）。"""
    text = body
    for pattern, repl in _MD_STRIP:
        text = pattern.sub(repl, text)
    return len(_WHITESPACE.sub('', text))


def scan_posts():
    """扫 content/posts/，按站点可见性契约分类计数。

    口径与 src/lib/post-visibility.ts 单一事实源对齐：可见 = 无 draft、无
    hidden、tags 不含 'hidden'（hidden 两个字段都认，与站点过滤一致）。
    三类互斥、draft 优先：draft 构建期连页面都不生成，hidden 标记对它无意义。
    pinned 只从可见集取——站点上隐藏与置顶同开以隐藏为准
    （src/components/PostList.astro 也是先 filter visible 再取 pinned）。
    """
    stats = {
        'posts_visible': 0,
        'posts_draft': 0,
        'posts_hidden': 0,
        'zh_chars': 0,
        'pinned': [],
    }
    tag_counter = {}
    newest = None  # (date/datetime 键, ISO 字符串)

    for path in sorted(POSTS_DIR.glob('*.md')):
        try:
            fm_text, body = split_frontmatter(path.read_text(encoding='utf-8'))
            # 无 frontmatter（或没闭合）的文章连站点 schema 都过不了，
            # 与解析失败同待遇：跳过告警，不计入任何一类
            if fm_text is None:
                raise yaml.YAMLError('missing or unterminated frontmatter')
            fm = yaml.safe_load(fm_text) if fm_text else {}
            if not isinstance(fm, dict):
                fm = {}
        except (OSError, yaml.YAMLError, UnicodeDecodeError) as exc:
            print(f'[gen-admin-stats] SKIP {path.name}（frontmatter 解析失败：{exc}）')
            continue

        tags = tag_list(fm)
        if fm.get('draft'):
            stats['posts_draft'] += 1
            continue
        if fm.get('hidden') or 'hidden' in tags:
            stats['posts_hidden'] += 1
            continue

        stats['posts_visible'] += 1
        stats['zh_chars'] += count_body_chars(body)
        for tag in tags:
            tag_counter[tag] = tag_counter.get(tag, 0) + 1
        if fm.get('pinned'):
            title = str(fm.get('title') or path.stem)
            stats['pinned'].append(title)
        key, iso = pubdate_iso(fm)
        if key is not None and (newest is None or key > newest[0]):
            newest = (key, iso)

    # 计数降序、同数按标签名排，保证产物可 diff、跨机器可复现
    stats['top_tags'] = [
        [tag, n]
        for tag, n in sorted(tag_counter.items(), key=lambda kv: (-kv[1], kv[0]))[:10]
    ]
    stats['newest_pubdate'] = newest[1] if newest else None
    return stats


def render_html(stats, generated_at):
    """自包含浅色看板页：内联 CSS、无 JS、无外部资源、数字大字卡片网格。"""
    cards = [
        ('可见文章', stats['posts_visible']),
        ('草稿', stats['posts_draft']),
        ('隐藏', stats['posts_hidden']),
        ('英文文章', stats['posts_en']),
        ('瞬间', stats['moments']),
        ('照片', stats['photos']),
        ('正文总字数', stats['zh_chars']),
        ('最新发布', stats['newest_pubdate'] or '—'),
    ]
    card_html = ''.join(
        f'<div class="card"><div class="num">{html.escape(str(value))}</div>'
        f'<div class="label">{label}</div></div>'
        for label, value in cards
    )
    tag_rows = ''.join(
        f'<li><span class="tag">{html.escape(tag)}</span>'
        f'<span class="count">×{n}</span></li>'
        for tag, n in stats['top_tags']
    ) or '<li class="empty">（无）</li>'
    pinned_rows = ''.join(
        f'<li>{html.escape(title)}</li>' for title in stats['pinned']
    ) or '<li class="empty">（无）</li>'
    return f"""<!DOCTYPE html>
<html lang="zh-CN">
<head>
<meta charset="utf-8">
<meta name="viewport" content="width=device-width, initial-scale=1">
<title>内容仪表盘 · 构建期生成</title>
<style>
  :root {{
    color-scheme: light;
  }}
  * {{ box-sizing: border-box; margin: 0; padding: 0; }}
  body {{
    font-family: system-ui, -apple-system, 'Segoe UI', 'PingFang SC',
                 'Hiragino Sans GB', 'Microsoft YaHei', sans-serif;
    background: #f6f7f9; color: #1f2328;
    line-height: 1.6; padding: 32px 20px 48px;
  }}
  .wrap {{ max-width: 920px; margin: 0 auto; }}
  header {{ margin-bottom: 28px; }}
  h1 {{ font-size: 22px; font-weight: 600; }}
  .meta {{ margin-top: 6px; font-size: 13px; color: #6a737d; }}
  .cards {{
    display: grid;
    grid-template-columns: repeat(auto-fill, minmax(180px, 1fr));
    gap: 14px; margin-bottom: 28px;
  }}
  .card {{
    background: #fff; border: 1px solid #e4e7eb; border-radius: 10px;
    padding: 18px 16px 14px;
  }}
  .num {{ font-size: 34px; font-weight: 700; letter-spacing: -0.5px;
          font-variant-numeric: tabular-nums; }}
  .label {{ margin-top: 4px; font-size: 13px; color: #6a737d; }}
  .panels {{ display: grid; grid-template-columns: 1fr 1fr; gap: 14px; }}
  @media (max-width: 640px) {{ .panels {{ grid-template-columns: 1fr; }} }}
  .panel {{
    background: #fff; border: 1px solid #e4e7eb; border-radius: 10px;
    padding: 16px 18px;
  }}
  .panel h2 {{ font-size: 15px; font-weight: 600; margin-bottom: 10px; }}
  .panel ol, .panel ul {{ padding-left: 20px; }}
  .panel li {{ font-size: 14px; padding: 3px 0; }}
  .panel li .count {{ color: #6a737d; font-size: 13px; margin-left: 8px; }}
  .empty {{ color: #6a737d; list-style: none; margin-left: -20px; }}
  footer {{ margin-top: 24px; font-size: 12px; color: #8b949e; }}
</style>
</head>
<body>
<div class="wrap">
  <header>
    <h1>内容仪表盘 · 构建期生成</h1>
    <p class="meta">生成时间 {html.escape(generated_at)}</p>
  </header>
  <section class="cards">{card_html}</section>
  <section class="panels">
    <div class="panel">
      <h2>标签 TOP 10（可见文章）</h2>
      <ol>{tag_rows}</ol>
    </div>
    <div class="panel">
      <h2>置顶文章</h2>
      <ul>{pinned_rows}</ul>
    </div>
  </section>
  <footer>口径：可见 = 无 draft、无 hidden、tags 不含 hidden（与站点过滤一致）；字数 = 可见文章正文剥离 markdown 标记与空白后的字符数。</footer>
</div>
</body>
</html>
"""


def main() -> int:
    if len(sys.argv) != 2 or not sys.argv[1]:
        print('用法: python3 scripts/build-perf/gen-admin-stats.py <dist目录>', file=sys.stderr)
        return 1
    dist = Path(sys.argv[1])
    out_dir = dist / 'admin'
    out_dir.mkdir(parents=True, exist_ok=True)

    counted = scan_posts()
    # 键序固定为文档口径顺序，方便人工核对与 diff
    stats = {
        'posts_visible': counted['posts_visible'],
        'posts_draft': counted['posts_draft'],
        'posts_hidden': counted['posts_hidden'],
        'moments': len(list(MOMENTS_DIR.glob('*.md'))),
        'photos': len(list(PHOTOS_DIR.glob('*.jpg'))),
        'posts_en': len(list(POSTS_EN_DIR.glob('*.md'))),
        'zh_chars': counted['zh_chars'],
        'top_tags': counted['top_tags'],
        'pinned': counted['pinned'],
        'newest_pubdate': counted['newest_pubdate'],
    }

    generated_at = time.strftime('%Y-%m-%d %H:%M:%S %z')
    (out_dir / 'stats.json').write_text(
        json.dumps(stats, ensure_ascii=False, indent=2) + '\n', encoding='utf-8'
    )
    (out_dir / 'stats.html').write_text(render_html(stats, generated_at), encoding='utf-8')

    print(
        f"[gen-admin-stats] 可见 {stats['posts_visible']} / 草稿 {stats['posts_draft']}"
        f" / 隐藏 {stats['posts_hidden']} / 瞬间 {stats['moments']} / 照片 {stats['photos']}"
        f" / 英文 {stats['posts_en']} → {out_dir}/stats.{{json,html}}"
    )
    return 0


if __name__ == '__main__':
    raise SystemExit(main())