Aislo/resources/knowledge/original/_pipeline/verify_structure.py

# -*- coding: utf-8 -*-
"""법령 XML ↔ md 구조 회귀검사 (네트워크 미사용).

과거 3결함(부칙 [:20] 절단·목(가나다) 누락·별표 80건 상한)과 CHANGELOG [:40]
절단의 재발을 잡는다. 수집·보정 후 반드시 실행 (README W5).

검사 항목 (원본 XML 이 있는 모든 판본 md 대상):
  1. 부칙  — XML 부칙단위 각 건의 앞부분이 md에 존재하는가
  2. 목    — XML 목내용 각 건의 앞부분이 md에 존재하는가
  3. 별표  — XML 다운로드 대상(삭제 제외·PDF 링크 보유) 수 ≤ 별표/ PDF 파일 수
  4. 변경이력 — CHANGELOG.md 헤더 "개정 N회" == 표 행 수

사용: python verify_structure.py        # 전수 검사, 결함 있으면 exit 1
      python verify_structure.py -v     # 통과 항목도 출력
"""

import re
import sys
import glob
import os
import xml.etree.ElementTree as ET
from pathlib import Path

ROOT = Path(__file__).resolve().parent.parent  # ...\original

# md 대조는 공백·인용부호 제거 후 앞 30자 포함 여부로 판정.
# '>' 도 제거 — 부칙은 인용블록이라 빈 줄이 '>' 로 남아 공백만 제거하면 키가 어긋난다.
KEY_LEN = 30


def norm(s):
    return re.sub(r"[\s>*`]+", "", s)


def check_pair(xml_path, errors, verbose):
    md_path = xml_path.with_suffix(".md")
    if not md_path.exists():
        errors.append(f"{md_path}: md 판본 없음 (xml만 존재)")
        return
    md_norm = norm(md_path.read_text(encoding="utf-8"))
    try:
        root = ET.parse(xml_path).getroot()
    except ET.ParseError as e:
        errors.append(f"{xml_path}: XML 파싱 실패 — {e}")
        return

    for tag, label in (("부칙내용", "부칙"), ("목내용", "목")):
        total = miss = 0
        for e in root.iter(tag):
            body = "".join(e.itertext()).strip()
            if not body:
                continue
            total += 1
            if norm(body)[:KEY_LEN] not in md_norm:
                miss += 1
        if miss:
            errors.append(f"{md_path}: {label} {total}건 중 {miss}건 md 누락")
        elif verbose and total:
            print(f"  OK {md_path.name}: {label} {total}건 전건 존재")


def check_별표(folder, root, errors, verbose):
    별표 = root.find("별표")
    if 별표 is None or not len(별표):
        return
    targets = 0
    for b in 별표.findall("별표단위"):
        title = (b.findtext("별표제목") or "").strip()
        link = (b.findtext("별표서식PDF파일링크") or "").strip()
        if title.startswith("삭제") or not link:
            continue
        targets += 1
    saved = len(list((folder / "별표").glob("*.pdf"))) if (folder / "별표").is_dir() else 0
    if saved < targets:
        errors.append(
            f"{folder}: 별표 PDF {targets}건 대상 중 {saved}건만 저장 (미수집 {targets - saved})"
        )
    elif verbose and targets:
        print(f"  OK {folder.name}: 별표 PDF {saved}/{targets}")


def check_changelog(folder, errors, verbose):
    ch = folder / "CHANGELOG.md"
    if not ch.exists():
        return
    text = ch.read_text(encoding="utf-8")
    m = re.search(r"교본 이후 개정 (\d+)회", text)
    if not m:
        return
    declared = int(m.group(1))
    # 날짜는 점 구분(2026.02.01) — collect_law.py ymd() 출력 형식
    rows = len(re.findall(r"^\| \d{4}[.\-]\d{2}[.\-]\d{2} \|", text, re.M))
    if declared and rows != declared:
        errors.append(f"{ch}: 헤더 개정 {declared}회 vs 표 {rows}행 — 이력 절단")
    elif verbose and declared:
        print(f"  OK {ch.parent.name}: 변경이력 {rows}/{declared}")


def main():
    verbose = "-v" in sys.argv
    errors = []
    folders = set()
    for pat in ("**/현행_*.xml", "**/교본시점_*.xml"):
        for x in glob.glob(str(ROOT / pat), recursive=True):
            xp = Path(x)
            check_pair(xp, errors, verbose)
            folders.add(xp.parent)
    for folder in sorted(folders):
        # 별표 대상 수는 현행본 XML 기준 (최신 별표 구성)
        curs = sorted(folder.glob("현행_*.xml"))
        if curs:
            try:
                check_별표(folder, ET.parse(curs[-1]).getroot(), errors, verbose)
            except ET.ParseError:
                pass  # check_pair 에서 이미 보고
        check_changelog(folder, errors, verbose)

    print(f"검사 폴더 {len(folders)}곳")
    if errors:
        print(f"결함 {len(errors)}건:")
        for e in errors:
            print(" ✗", e)
        sys.exit(1)
    print("결함 0건 — 구조 보존 확인")


if __name__ == "__main__":
    main()