# -*- coding: utf-8 -*-
# Copyright (c) 2025 relakkes@gmail.com
#
# This file is part of MediaCrawler project.
# Repository: https://github.com/NanmiCoder/MediaCrawler/blob/main/api/monitor/covers.py
# GitHub: https://github.com/NanmiCoder
# Licensed under NON-COMMERCIAL LEARNING LICENSE 1.1
#
# 声明：本代码仅供学习和研究目的使用。使用者应遵守以下原则：
# 1. 不得用于任何商业用途。
# 2. 使用时应遵守目标平台的使用条款和robots.txt规则。
# 3. 不得进行大规模爬取或对平台造成运营干扰。
# 4. 应合理控制请求频率，避免给目标平台带来不必要的负担。
# 5. 不得用于任何非法或不当的用途。
#
# 详细许可条款请参阅项目根目录下的LICENSE文件。
# 使用本代码即表示您同意遵守上述原则和LICENSE中的所有条款。

"""作品封面本地缓存。

**为什么必须落盘**：小红书图床的地址是**带签名、会过期**的。路径里那段时间戳就是
签发时刻，实测：

    /202610080841/...   （当天签发）  → 200，且带不带 Referer 都 200
    /202610070837/...   （隔天）      → 403，且带不带 Referer 都 403

所以这是**过期**，不是防盗链 —— 改 Referer 那一类修法治不了本。图一旦下载到本地，
就与签名无关，永远可读。

下载失败**不能影响采集**：一张封面拿不到，不该让整轮数据丢失。
"""

import re
from pathlib import Path
from typing import Optional

import httpx

from .db import DATA_DIR

COVERS_DIR = DATA_DIR / "covers"

# 单张封面的上限。正常封面是几十 KB；超过这个数说明拿到的不是图，
# 或者该放弃这一张而不是把内存撑爆。
MAX_COVER_BYTES = 5 * 1024 * 1024

USER_AGENT = (
    "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 "
    "(KHTML, like Gecko) Chrome/138.0.0.0 Safari/537.36"
)

_EXTENSIONS = {
    "image/jpeg": ".jpg",
    "image/jpg": ".jpg",
    "image/png": ".png",
    "image/webp": ".webp",
    "image/gif": ".gif",
    "image/heic": ".heic",
}

# note_id 是平台的稳定标识，但仍要挡住路径穿越 —— 它会直接变成文件名。
_SAFE_ID = re.compile(r"^[A-Za-z0-9_-]{1,64}$")


def is_safe_note_id(note_id: str) -> bool:
    return bool(note_id) and bool(_SAFE_ID.match(note_id))


def cache_dir() -> Path:
    COVERS_DIR.mkdir(parents=True, exist_ok=True)
    return COVERS_DIR


def find_cached(note_id: str) -> Optional[Path]:
    """已缓存的封面文件，没有则 None。扩展名按内容类型而定，所以逐一试。"""
    if not is_safe_note_id(note_id):
        return None
    for extension in sorted(set(_EXTENSIONS.values())):
        candidate = COVERS_DIR / f"{note_id}{extension}"
        if candidate.is_file():
            return candidate
    return None


async def cache_cover(note_id: str, url: str) -> Optional[str]:
    """下载并保存一张封面，返回文件名；失败返回 None。

    **从不抛异常**：调用方是采集入库流程，一张图拿不到不该让整轮数据出问题。
    """
    if not url or not is_safe_note_id(note_id):
        return None

    existing = find_cached(note_id)
    if existing is not None:
        return existing.name

    try:
        async with httpx.AsyncClient(timeout=20, follow_redirects=True) as client:
            response = await client.get(url, headers={"user-agent": USER_AGENT})
    except Exception:
        return None

    if response.status_code != 200:
        # 403 通常意味着签名已过期 —— 这一张就没了，等下一轮采集拿到新地址。
        return None

    content = response.content
    if not content or len(content) > MAX_COVER_BYTES:
        return None

    content_type = (response.headers.get("content-type") or "").split(";")[0].strip().lower()
    extension = _EXTENSIONS.get(content_type, ".jpg")
    # 图床偶尔不报 content-type，那种情况下扩展名只能猜，但文件本身仍然是好的。
    target = cache_dir() / f"{note_id}{extension}"

    try:
        target.write_bytes(content)
    except OSError:
        return None
    return target.name


def cover_url(note_id: str, remote: str) -> str:
    """前端该用哪个地址。

    本地有缓存就用自己的接口 —— 那是唯一不会过期的地址。没有就退回远程地址，
    至少让图先显示出来（哪怕它很快会失效）。
    """
    if find_cached(note_id) is not None:
        return f"/api/monitor/covers/{note_id}"
    return remote


async def cache_pending(session, task_id: int, limit: int = 60) -> int:
    """把还没有本地副本的封面补下来，返回本次下载成功的张数。

    由 runner 在入库之后调用，**而不是在 ingest 里** —— ingest 是刻意保持离线的
    （它的文档写明 No network），往里塞网络请求会毁掉这一点。

    每轮只补一批：一次跑几百张图既慢又会给图床压力，而旧地址本来就在陆续过期，
    分摊到几轮里补完反而更稳。
    """
    from sqlalchemy import select

    from .models import MonitorNote

    notes = (
        await session.scalars(
            select(MonitorNote)
            .where(MonitorNote.task_id == task_id, MonitorNote.cover != "")
            .order_by(MonitorNote.last_seen_at.desc())
            .limit(limit)
        )
    ).all()

    saved = 0
    for note in notes:
        if find_cached(note.note_id) is not None:
            continue
        if await cache_cover(note.note_id, note.cover):
            saved += 1
    return saved