# -*- coding: utf-8 -*-
"""품셈 PDF → 절별 md 도구 (규칙: `원가계산/_품셈md_작성규칙.md` · 2026-09-19).

판정 기준은 PDF 뿐 — 원가계산(B09)·공종 마스터·옛 md 는 보지 않음.

사용: python pum_md_tool.py plan <산림|건설>          차례에서 장·절 → 본문/ 빈 파일(머리만 · 상태 대기)
      python pum_md_tool.py pages <산림|건설> [쪽범위]  쪽 그림 150dpi PNG → tmp/pum_pages/ (git 밖)
      python pum_md_tool.py check <md 파일>            ① 수 대조 ② 글자 대조 → 머리 「기계검사」 칸
      python pum_md_tool.py status                     장별 대기/작성중/검증대기/확정 표

절 경계 = 시작표지·끝표지 글자가 쪽 안에서 놓인 줄(좌표로 묶은 줄의 맨 앞).
좌표로 줄 묶기는 `resources/tester/test_const_pdf_coverage.py` 의 것을 그대로 씀(그 시험은 안 고침).
"""

from __future__ import annotations

import collections
import difflib
import hashlib
import re
import sys
from dataclasses import dataclass
from pathlib import Path

ROOT = Path(__file__).resolve().parents[4]  # 저장소 뿌리
sys.path.insert(0, str(ROOT))

from resources.tester.test_const_pdf_coverage import _NUM, _page_rows  # noqa: E402

COST = ROOT / "resources/knowledge/original/원가계산"

#: 책마다 — PDF · 차례 쪽(PDF 쪽 번호) · 인쇄 1쪽이 놓인 PDF 쪽 · 머리 「문서」 칸 · 새 md 뿌리
BOOKS = {
    "산림": {
        "pdf": COST / "산림_표준품셈/첨부/(산림청고시 제2025-82호) 산림사업 표준품셈.pdf",
        "toc": (3, 12),
        "first_body": 13,
        "doc": "산림사업 표준품셈(산림청고시 제2025-82호)",
        "out": COST / "산림_표준품셈/본문",
    },
}

HEAD_KEYS = (
    "문서",
    "절",
    "PDF쪽",
    "인쇄쪽",
    "시작표지",
    "끝표지",
    "상태",
    "작성",
    "검증",
    "원천",
    "기계검사",
    "확정지문",
)
STATES = ("대기", "작성중", "검증대기", "확정")
_TOC_SKIP = {"장", "내  용", "페이지", "- 목  차 -"}
_TOC_ID = re.compile(r"제\d+장|\d+-\d+(?:-\d+)*|부록\d*")
_BAD_NAME = re.compile(r'[/:*?"<>|\\]')
_LEADER = re.compile(r"\s*[·․…]{3,}.*$")
#: 글자층이 없다고 볼 쪽 글자 수(쪽 번호만 남은 쪽)
_EMPTY_PAGE_CHARS = 20


@dataclass
class Entry:
    """차례 한 줄 — 장(`제1장`) · 절(`1-1`) · 항(`1-1-1`) · 부록."""

    ident: str
    name: str
    page: int  # 인쇄 쪽


def toc_entries(doc, first: int, last: int) -> list[Entry]:
    """차례 쪽(PDF first~last)의 줄 — 번호 줄 · 이름 줄(점선) · 쪽 줄이 차례로 옴."""
    lines = [
        line
        for number in range(first - 1, last)
        for line in doc[number].get_text().splitlines()
        if line.strip() not in _TOC_SKIP
    ]
    return parse_toc(lines)


def parse_toc(raw: list[str]) -> list[Entry]:
    lines = [
        t for t in (_LEADER.sub("", line).strip() for line in raw) if t
    ]  # 점선 뗌(「부록 ····」)
    out, i = [], 0
    while i < len(lines):
        if not _TOC_ID.fullmatch(lines[i]):
            raise ValueError(f"차례 모양이 다름: {lines[i]!r}")
        j, name = i + 1, []
        while j < len(lines) and not lines[j].isdigit():
            name.append(lines[j])
            j += 1
        if j == len(lines):
            raise ValueError(f"차례 쪽 번호 없음: {lines[i]}")
        out.append(Entry(lines[i], " ".join(name), int(lines[j])))
        i = j + 1
    return out


#: 가운뎃점 여러 벌 — 차례는 「보수․복구」(U+2024) · 본문은 「보수·복구」(U+00B7). 맞대기에서만 같게 봄.
_DOTS = str.maketrans({"․": "·", "ㆍ": "·", "･": "·", "‧": "·"})


def key(text: str) -> str:
    """표지 맞대기 — 공백·대괄호를 떼고 번호 뒤 점을 뗌(`9-5. 발파암` = `9-5 발파암`)."""
    tight = re.sub(r"[\s\[\]]", "", text).translate(_DOTS)
    return re.sub(r"^(\d+(?:-\d+)*)\.", r"\1", tight)


def locate(doc, marker: str, first_pdf: int, slack: int = 3) -> tuple[int, int]:
    """표지가 줄 맨 앞에 놓인 (PDF 쪽, 그 쪽 안 줄 차례) — first_pdf 부터 slack 쪽 안에서 찾음."""
    want = key(marker)
    for number in range(first_pdf, min(first_pdf + slack, doc.page_count) + 1):
        for index, row in enumerate(_page_rows(doc[number - 1])):
            if key(row).startswith(want):
                return number, index
    raise ValueError(f"표지를 못 찾음: {marker} (PDF {first_pdf}~{first_pdf + slack})")


def heading_pattern(ident: str) -> re.Pattern:
    """본문 머리 줄 — **번호로** 찾음. 차례 이름에 오타가 있어서(「면벅」=면벽 · 「조림」=조립 …)."""
    if ident.startswith("제"):
        return re.compile(r"^제\s*" + ident[1:-1] + r"\s*장(?!\d)")
    if ident.startswith("부록"):
        return re.compile(r"^\[?" + re.escape(ident) + r"\]?(?!\d)")
    return re.compile(r"^" + re.escape(ident) + r"\.(?!\d)")


#: 글자 사이 빈칸으로 볼 틈(글자 크기 대비) — 본문 머리 실측: 빈칸 7.7pt · 붙은 글자 0.7pt(14pt 글꼴)
_GAP = 0.25


def visual_text(page, row: str) -> str:
    """쪽 그림대로 띄운 줄 — 글자층은 빈칸을 잃어서(「설계및수량」) 글자 사이 틈으로 되살림."""
    want = re.sub(r"\s", "", row)
    for block in page.get_text("rawdict")["blocks"]:
        for line in block.get("lines", []):
            chars = [c for span in line["spans"] for c in span["chars"]]
            if re.sub(r"\s", "", "".join(c["c"] for c in chars)) != want:
                continue
            size = max(span["size"] for span in line["spans"])
            out = ""
            for prev, ch in zip([None, *chars], chars):
                gap = ch["bbox"][0] - prev["bbox"][2] if prev else 0
                if prev and not prev["c"].isspace() and gap > size * _GAP:
                    out += " "
                out += ch["c"]
            return " ".join(out.split())
    return row


def find_heading(doc, ident: str, first_pdf: int, slack: int = 3) -> tuple[int, int, str]:
    """(PDF 쪽, 쪽 안 줄 차례, 머리 글자) — 머리 글자는 PDF 그대로(번호 뒤 마침표 포함) · 띄어쓰기는 쪽 그림대로."""
    pattern = heading_pattern(ident)
    for number in range(first_pdf, min(first_pdf + slack, doc.page_count) + 1):
        for index, row in enumerate(_page_rows(doc[number - 1])):
            if pattern.match(row.strip()):
                return number, index, visual_text(doc[number - 1], row.strip())
    raise ValueError(f"머리를 못 찾음: {ident} (PDF {first_pdf}~{first_pdf + slack})")


def name_of(ident: str, title: str) -> str:
    """머리 글자에서 번호를 뗀 이름(「9-5. 발파암」 → 「발파암」)."""
    return title[heading_pattern(ident).match(title).end() :].strip()


def claimed_elsewhere(root: Path) -> set[str]:
    """다른 창 브랜치에 이미 있는 새 md 경로 — 만들면 합칠 때 같은 자리 두 벌로 부딪힘."""
    import subprocess

    rel = root.relative_to(ROOT).as_posix()
    refs = subprocess.run(
        ["git", "-C", str(ROOT), "for-each-ref", "--format=%(refname)", "refs/remotes/origin"],
        capture_output=True,
        text=True,
        check=True,
    ).stdout.split()
    out: set[str] = set()
    for ref in refs:
        listed = subprocess.run(
            [
                "git",
                "-C",
                str(ROOT),
                "-c",
                "core.quotepath=off",
                "ls-tree",
                "-r",
                "--name-only",
                ref,
                "--",
                rel,
            ],
            capture_output=True,
            text=True,
            encoding="utf-8",
        )
        out.update(line[len(rel) + 1 :] for line in listed.stdout.splitlines() if line)
    return out  # root 아래 상대 경로


def safe(text: str) -> str:
    return _BAD_NAME.sub("", text).replace(" ", "_")


def _span(a: int, b: int) -> str:
    return str(a) if a == b else f"{a}~{b}"


def head_text(values: dict[str, str]) -> str:
    return (
        "---\n" + "".join(f"{k}: {values.get(k, '')}".rstrip() + "\n" for k in HEAD_KEYS) + "---\n"
    )


def read_head(path: Path) -> dict[str, str]:
    lines = path.read_text(encoding="utf-8").splitlines()
    if not lines or lines[0] != "---":
        raise ValueError(f"머리 없음: {path}")
    out = {}
    for line in lines[1:]:
        if line == "---":
            return out
        k, _, v = line.partition(":")
        out[k.strip()] = v.strip()
    raise ValueError(f"머리 끝 없음: {path}")


_SLOT = re.compile(r"제(\d+)장_[^/]*/(\d+-\d+)_")


def plan(book_name: str) -> list[Path]:
    """장마다 `0-00_장머리.md` + 절마다 빈 파일(머리만 · 상태 대기).

    **이미 있는 자리는 안 건드림** — 이 폴더에 있거나 다른 창 브랜치에 있는 장·절(이름이 달라도 번호로 봄).
    """
    import pymupdf

    book = BOOKS[book_name]
    out = book["out"]
    offset = book["first_body"] - 1  # 인쇄 쪽 + offset = PDF 쪽
    have = claimed_elsewhere(out) | {p.relative_to(out).as_posix() for p in out.rglob("*.md")}
    taken = {f"{int(m[1])}/{m[2]}" for m in map(_SLOT.match, have) if m}
    folders = {int(m[1]): rel.split("/")[0] for rel in have if (m := _SLOT.match(rel))}
    written = []
    with pymupdf.open(book["pdf"]) as doc:
        entries = toc_entries(doc, *book["toc"])
        # 경계가 되는 차례 줄 — 장 · 절 · 부록N(항은 절 안 · 머리 없는 「부록」 묶음 줄은 뺌)
        bounds = [e for e in entries if e.ident != "부록" and e.ident.count("-") < 2]
        chapter_no = None
        for n, entry in enumerate(bounds):
            if entry.ident.startswith("부록"):
                continue
            start_pdf, _, title = find_heading(doc, entry.ident, entry.page + offset)
            following = bounds[n + 1] if n + 1 < len(bounds) else None
            if following is None:  # 문서 맨 끝 절
                end_pdf, end_marker = doc.page_count, "끝"
            else:  # 장 마지막 절이면 다음 장 제목 · 부록 앞이면 부록 제목
                next_pdf, at, end_marker = find_heading(
                    doc, following.ident, following.page + offset
                )
                end_pdf = max(next_pdf - 1 if at == 0 else next_pdf, start_pdf)
            if entry.ident.startswith("제"):
                chapter_no = int(entry.ident[1:-1])
                folders.setdefault(
                    chapter_no, f"제{chapter_no:02d}장_{safe(name_of(entry.ident, title))}"
                )
                slot, file_name = "0-00", "0-00_장머리.md"
            else:
                major, minor = entry.ident.split("-")
                slot = f"{major}-{int(minor):02d}"
                file_name = f"{slot}_{safe(name_of(entry.ident, title))}.md"
            if chapter_no is None or f"{chapter_no}/{slot}" in taken:
                continue
            empty = any(
                len(re.sub(r"\s", "", doc[p - 1].get_text())) < _EMPTY_PAGE_CHARS
                for p in range(start_pdf, end_pdf + 1)
            )
            path = out / folders[chapter_no] / file_name
            path.parent.mkdir(parents=True, exist_ok=True)
            path.write_text(
                head_text(
                    {
                        "문서": book["doc"],
                        "절": title,
                        "PDF쪽": _span(start_pdf, end_pdf),
                        "인쇄쪽": _span(start_pdf - offset, end_pdf - offset),
                        "시작표지": title,
                        "끝표지": end_marker,
                        "상태": "대기",
                        "원천": "그림" if empty else "글자층",
                    }
                ),
                encoding="utf-8",
            )
            written.append(path)
    return written


# ── check ──────────────────────────────────────────────────────────────
#: 쪽 번호 줄(「- 123 -」) — 절 글자에서 뺌
_PAGE_NO = re.compile(r"^-\s*\d+\s*-$")
#: md 문법 — 글자 대조·수 대조에서 뺌(원문 글자가 아님)
_COMMENT = re.compile(r"<!--.*?-->", re.S)
_IMAGE = re.compile(r"!\[[^\]]*\]\([^)]*\)")
_TABLE_RULE = re.compile(r"^\s*\|?\s*:?-{3,}:?\s*(\|\s*:?-{3,}:?\s*)*\|?\s*$")
#: 막음표 — 원문 글자가 md 문법으로 읽히지 않게 앞에 `\` 를 붙인 것(`\*` `\-` `\#` `\>` `\|` …)
_ESCAPED = re.compile(r"\\([\\`*_{}\[\]()#+\-.!|>~^])")
_HOLD = "\x00"


def book_of(path: Path) -> dict:
    path = path.resolve()
    for book in BOOKS.values():
        if path.is_relative_to(book["out"].resolve()):
            return book
    raise ValueError(f"본문/ 아래 파일이 아님: {path}")


def split_head(text: str) -> tuple[str, str]:
    """(머리, 몸) — 머리는 첫 `---` 부터 다음 `---` 까지."""
    lines = text.split("\n")
    end = lines.index("---", 1)
    return "\n".join(lines[: end + 1]), "\n".join(lines[end + 1 :])


def md_lines(body: str) -> list[tuple[int, str]]:
    """몸의 (줄 번호, 원문 글자) — 주석 · 그림 · 표 구분 줄 · md 문법 글자를 뺌. 줄 번호는 몸 기준 1부터."""
    body = _COMMENT.sub(lambda m: "\n" * m.group(0).count("\n"), body)
    out = []
    for number, line in enumerate(body.split("\n"), start=1):
        if _TABLE_RULE.match(line):
            continue
        line = _IMAGE.sub("", line).replace("<br>", " ")
        held = _ESCAPED.findall(line)  # 막음표 뒤 원문 글자는 아래 문법 떼기에서 지킴
        line = _ESCAPED.sub(_HOLD, line)
        line = re.sub(r"^\s*#+\s", "", line)  # 제목
        line = re.sub(r"^\s*(>\s*)+", "", line)  # 인용
        line = re.sub(r"[|^_]", " ", line)  # 표 칸 · 첨자 표시(`10^-7` · `C_m`)
        for ch in held:
            line = line.replace(_HOLD, ch, 1)
        out.append((number, line))
    return out


def pdf_lines(doc, head: dict[str, str]) -> list[tuple[int, str]]:
    """그 절 PDF 글자층의 (PDF 쪽, 줄) — 시작표지 줄부터 끝표지 줄 앞까지 · 쪽 번호 줄 뺌."""
    first, _, last = head["PDF쪽"].partition("~")
    first, last = int(first), int(last or first)
    start_page, start_row = locate(doc, head["시작표지"], first, slack=0)
    end_page, end_row = last + 1, 0
    if head["끝표지"] and head["끝표지"] != "끝":
        try:
            end_page, end_row = locate(doc, head["끝표지"], last, slack=1)
        except ValueError:
            pass
    out = []
    for number in range(start_page, min(end_page, doc.page_count) + 1):
        for index, row in enumerate(_page_rows(doc[number - 1])):
            if (number, index) < (start_page, start_row) or (number, index) >= (end_page, end_row):
                continue
            if not _PAGE_NO.match(row.strip()):
                out.append((number, row))
    return out


def _tight(lines: list[tuple[int, str]]) -> tuple[str, list[int]]:
    """공백 뗀 글자 줄 + 글자마다 어디서 왔나(쪽 또는 md 줄)."""
    text, where = [], []
    for at, line in lines:
        for ch in re.sub(r"\s", "", line):
            text.append(ch)
            where.append(at)
    return "".join(text), where


def _numbers(lines: list[tuple[int, str]]) -> tuple[collections.Counter, dict[str, list[int]]]:
    counts, where = collections.Counter(), collections.defaultdict(list)
    for at, line in lines:
        for token in _NUM.findall(line):
            counts[token] += 1
            where[token].append(at)
    return counts, where


def compare(pdf: list[tuple[int, str]], md: list[tuple[int, str]]) -> dict:
    """① 수(갯수까지) ② 글자(공백 뗌 · 갯수까지) — 양방향."""
    pdf_n, pdf_at = _numbers(pdf)
    md_n, md_at = _numbers(md)
    pdf_t, pdf_where = _tight(pdf)
    md_t, md_where = _tight(md)
    missing_c = collections.Counter(pdf_t) - collections.Counter(md_t)
    extra_c = collections.Counter(md_t) - collections.Counter(pdf_t)
    spots = []
    if missing_c or extra_c:  # 자리 — 차례대로 맞대 어긋난 토막(갯수 차가 난 글자가 든 것만)
        matcher = difflib.SequenceMatcher(None, pdf_t, md_t, autojunk=False)
        for op, i1, i2, j1, j2 in matcher.get_opcodes():
            gone, added = pdf_t[i1:i2], md_t[j1:j2]
            if op == "equal" or not (set(gone) & set(missing_c) or set(added) & set(extra_c)):
                continue
            spots.append(
                {
                    "pdf": pdf_where[min(i1, len(pdf_where) - 1)] if pdf_where else None,
                    "md": md_where[min(j1, len(md_where) - 1)] if md_where else None,
                    "context": pdf_t[max(0, i1 - 8) : i1],
                    "pdf_only": gone,
                    "md_only": added,
                }
            )
    return {
        "num_missing": {k: (v, pdf_at[k][:v]) for k, v in (pdf_n - md_n).items()},
        "num_extra": {k: (v, md_at[k][:v]) for k, v in (md_n - pdf_n).items()},
        "char_missing": missing_c,
        "char_extra": extra_c,
        "spots": spots,
    }


def verdict(result: dict) -> str:
    counts = (
        sum(v for v, _ in result["num_missing"].values()),
        sum(v for v, _ in result["num_extra"].values()),
        sum(result["char_missing"].values()),
        sum(result["char_extra"].values()),
    )
    word = "통과" if not any(counts) else "불통"
    return (
        f"{word} · ①수 결손 {counts[0]} 허구 {counts[1]} · ②글자 빠짐 {counts[2]} 더함 {counts[3]}"
    )


def fingerprint(text: str) -> str:
    """확정지문 — 줄끝을 LF 로 고쳐 셈(git 이 CRLF 로 풀어도 같게) · 도구가 적는 두 칸(기계검사·확정지문)은 뺌."""
    lines = text.replace("\r\n", "\n").split("\n")
    kept = [ln for ln in lines if not ln.startswith(("기계검사:", "확정지문:"))]
    return hashlib.sha256("\n".join(kept).encode("utf-8")).hexdigest()


def set_head(text: str, field: str, value: str) -> str:
    head, body = split_head(text)
    head = re.sub(rf"(?m)^{field}:.*$", f"{field}: {value}".rstrip(), head, count=1)
    return head + "\n" + body


def check_file(path: Path) -> tuple[dict, str]:
    """(대조 결과, 한 줄 판정) — 파일은 안 고침."""
    import pymupdf

    _, body = split_head(path.read_text(encoding="utf-8").replace("\r\n", "\n"))
    with pymupdf.open(book_of(path)["pdf"]) as doc:
        result = compare(pdf_lines(doc, read_head(path)), md_lines(body))
    return result, verdict(result)


def check(path: Path) -> int:
    """검사하고 머리 「기계검사」 칸에 적음 · 상태 `확정` 이고 통과인데 확정지문이 비었으면 지문도 적음.

    ⚠ 있는 확정지문은 안 고침 — 확정 뒤 바뀐 파일을 지문을 다시 적어 덮으면 시험이 못 잡음.
    """
    result, line = check_file(path)
    print(f"{path.name}: {line}")
    for token, (count, at) in sorted(result["num_missing"].items()):
        print(f"  ① 결손 {token} ×{count} (PDF {', '.join(map(str, at))}쪽)")
    for token, (count, at) in sorted(result["num_extra"].items()):
        print(f"  ① 허구 {token} ×{count} (md 몸 {', '.join(map(str, at))}줄)")
    for spot in result["spots"][:40]:
        print(
            f"  ② PDF {spot['pdf']}쪽 · md 몸 {spot['md']}줄 · …{spot['context']}"
            f" [PDF만 「{spot['pdf_only']}」 · md만 「{spot['md_only']}」]"
        )
    text = set_head(path.read_text(encoding="utf-8").replace("\r\n", "\n"), "기계검사", line)
    head = read_head(path)
    if head.get("상태") == "확정" and line.startswith("통과") and not head.get("확정지문"):
        text = set_head(text, "확정지문", fingerprint(text))
    path.write_text(text, encoding="utf-8", newline="\n")
    return 0 if line.startswith("통과") else 1


# ── pages · status ─────────────────────────────────────────────────────
PAGES_DIR = ROOT / "tmp/pum_pages"


def pages(book_name: str, span: str = "") -> list[Path]:
    """쪽 그림 150dpi PNG — `tmp/pum_pages/<책>/p0135.png`(git 밖)."""
    import pymupdf

    out = PAGES_DIR / book_name
    out.mkdir(parents=True, exist_ok=True)
    made = []
    with pymupdf.open(BOOKS[book_name]["pdf"]) as doc:
        first, _, last = (span or f"1~{doc.page_count}").replace("-", "~").partition("~")
        for number in range(int(first), int(last or first) + 1):
            path = out / f"p{number:04d}.png"
            doc[number - 1].get_pixmap(dpi=150).save(path)
            made.append(path)
    return made


def status() -> str:
    """장별 상태 표(md) — 머리 「상태」 칸을 모음."""
    rows = [
        "| 책 | 장 | " + " | ".join(STATES) + " | 계 |",
        "|---|---|" + "---|" * (len(STATES) + 1),
    ]
    for name, book in BOOKS.items():
        by_chapter: dict[str, collections.Counter] = {}
        for path in sorted(book["out"].rglob("*.md")):
            chapter = path.relative_to(book["out"]).parts[0]
            by_chapter.setdefault(chapter, collections.Counter())[
                read_head(path).get("상태", "")
            ] += 1
        for chapter, counts in by_chapter.items():
            cells = " | ".join(str(counts[s]) for s in STATES)
            rows.append(f"| {name} | {chapter} | {cells} | {sum(counts.values())} |")
    return "\n".join(rows)


def main(argv: list[str]) -> int:
    command, args = (argv[0], argv[1:]) if argv else ("", [])
    if command == "plan" and args:
        print(f"새 파일 {len(plan(args[0]))}")
        return 0
    if command == "pages" and args:
        made = pages(args[0], args[1] if len(args) > 1 else "")
        print(f"쪽 그림 {len(made)} → {PAGES_DIR / args[0]}")
        return 0
    if command == "check" and args:
        return max(check(Path(a)) for a in args)
    if command == "status":
        print(status())
        return 0
    print(__doc__)
    return 2


if __name__ == "__main__":
    sys.exit(main(sys.argv[1:]))