<?php
/**
 * 图书解析（v24 第 14 批 用户第 5 条）：上传一本书 → 读出元数据与正文。
 *
 * 用户原话：「可以上传图书，可以解析各种格式的图书」。
 *
 * 能力边界（**页面上必须如实写出来**，别让人以为传什么都能读）：
 *   · **EPUB** —— 完整解析：元数据（书名/作者/出版社/语言/ISBN）+ 封面 + 按 spine 顺序
 *                 拆出每一章的正文。这是电子书的事实标准，优先做好。
 *   · **TXT**  —— 解析：自动认编码（UTF-8 / GBK / BIG5），按"第X章"切章；
 *                 切不出来就按 5000 字一段（否则一本 50 万字的书会变成一整页）。
 *   · **PDF**  —— **不提取正文**（服务端没有 PDF 解析扩展，硬写会错得很自信）。
 *                 文件照存，阅读页用浏览器内嵌的 PDF 阅读器看（每家浏览器都有）。
 *   · **MOBI / AZW3 / 其它** —— 不解析正文（亚马逊的私有格式，解析要一本书的成本）。
 *                 文件照存、元数据照手填，仍然能进书架、能记笔记、能统计。
 *
 * ⚠️ 解析**只做纯文本**：不保留排版、图片、脚注。
 *    这是"能读"与"原样还原"之间的取舍 —— 家庭书架要的是"随时翻两页"，
 *    不是排版引擎（那是一个独立项目的量）。
 *
 * @return array{ok:bool,error?:string,meta:array,chapters:array,cover?:array}
 *         cover = ['tmp'=>临时文件路径, 'mime'=>…]（有封面才有；调用方负责上传与删临时文件）
 */

declare(strict_types=1);

namespace App;

final class BookParser
{
    /** 单章上限（字符）：超过就截断，防止一本巨书把库撑爆 */
    private const CHAPTER_MAX = 200000;
    /** 一本书最多解析多少章 */
    private const CHAPTER_LIMIT = 600;

    /**
     * @param string $path 临时文件路径
     * @param string $ext  扩展名（小写）
     * @param string $name 原始文件名（用来兜底猜书名/作者）
     */
    public static function parse(string $path, string $ext, string $name = ''): array
    {
        if (!is_file($path)) {
            return ['ok' => false, 'error' => '文件读不到', 'meta' => [], 'chapters' => []];
        }
        $ext = strtolower($ext);
        if ($ext === '' && $name !== '') {
            $ext = strtolower((string)pathinfo($name, PATHINFO_EXTENSION));
        }
        switch ($ext) {
            case 'epub':
                return self::parseEpub($path);
            case 'txt':
            case 'text':
                return self::parseTxt($path, $name);
            case 'pdf':
                return ['ok' => true, 'error' => '', 'meta' => self::guessFromName($name),
                        'chapters' => [], 'note' => 'PDF 只存文件（服务端不提取正文），阅读时用浏览器自带的 PDF 阅读器看。'];
            default:
                return ['ok' => true, 'error' => '', 'meta' => self::guessFromName($name),
                        'chapters' => [], 'note' => self::formatWord($ext) . ' 正文解析不了，文件已经存好了，元数据请手填。'];
        }
    }

    // ---------------- EPUB ----------------

    /**
     * EPUB = 一个 zip 包：META-INF/container.xml 指路 → .opf 里放元数据与清单 →
     * spine 决定章节顺序 → 每一章是一个 XHTML 文件。
     *
     * ⚠️ 路径要**相对 opf 所在目录**拼（很多书的 OEBPS/ 与 opf 不在一起），
     *    直接用 opf 的路径当基准去拼会 404（ZipArchive::getFromName 返回 false）。
     */
    private static function parseEpub(string $path): array
    {
        if (!class_exists('ZipArchive')) {
            return ['ok' => true, 'error' => '', 'meta' => [], 'chapters' => [],
                    'note' => '服务器没有 zip 扩展，EPUB 的正文解析不了；文件已保存，元数据请手填。'];
        }
        $zip = new \ZipArchive();
        $rc = $zip->open($path);
        if ($rc !== true) {
            return ['ok' => false, 'error' => '这个 EPUB 打不开（错误码 ' . (int)$rc . '）',
                    'meta' => [], 'chapters' => []];
        }

        // ① 找 OPF（书的"目录清单"）
        $opfPath = '';
        $container = $zip->getFromName('META-INF/container.xml');
        if ($container !== false && $container !== '') {
            if (preg_match('/full-path\s*=\s*["\']([^"\']+)["\']/i', $container, $m)) {
                $opfPath = trim($m[1]);
            }
        }
        if ($opfPath === '') {
            // 有些书没写 container.xml（不合规范但确实存在）→ 自己找第一个 .opf
            for ($i = 0; $i < $zip->numFiles; $i++) {
                $n = (string)$zip->getNameIndex($i);
                if (substr(strtolower($n), -4) === '.opf') {
                    $opfPath = $n;
                    break;
                }
            }
        }
        if ($opfPath === '') {
            $zip->close();
            return ['ok' => false, 'error' => '这个 EPUB 里找不到目录文件（.opf），可能已损坏',
                    'meta' => [], 'chapters' => []];
        }
        $opfDir = self::dirOf($opfPath);
        $opf = (string)$zip->getFromName($opfPath);
        $zip->close();
        if ($opf === '') {
            return ['ok' => false, 'error' => '这个 EPUB 的目录文件是空的', 'meta' => [], 'chapters' => []];
        }

        $meta = self::opfMeta($opf);
        // ② 清单：id → 文件
        $manifest = self::opfManifest($opf);
        // ③ 顺序：spine 里的 idref
        $spine = self::opfSpine($opf, $manifest);

        // ④ 封面：metadata 里的 <meta name="cover" content="id">，或 manifest 里 properties 带 cover-image
        $cover = self::epubCover($path, $opf, $opfDir, $manifest);

        $zip2 = new \ZipArchive();
        if ($zip2->open($path) !== true) {
            return ['ok' => true, 'meta' => $meta, 'chapters' => [], 'cover' => $cover,
                    'note' => '元数据读到了，正文没读出来（文件打不开第二次）。'];
        }
        $chapters = [];
        $seq = 0;
        foreach ($spine as $href) {
            if (count($chapters) >= self::CHAPTER_LIMIT) {
                break;
            }
            $full = self::joinPath($opfDir, $href);
            $raw = $zip2->getFromName($full);
            // ⚠️ 有些书的 spine 里写了 HTML 实体或大小写不一致 → 退一步按名字再试
            if ($raw === false) {
                $raw = $zip2->getFromName(ltrim($href, '/'));
            }
            if ($raw === false || $raw === '') {
                continue;
            }
            [$title, $body] = self::xhtmlToText($raw);
            if (trim($body) === '') {
                continue;
            }
            $seq++;
            $chapters[] = [
                'seq'     => $seq,
                'title'   => $title !== '' ? $title : ('第 ' . $seq . ' 章'),
                'content' => mb_substr($body, 0, self::CHAPTER_MAX, 'UTF-8'),
            ];
        }
        $zip2->close();

        return ['ok' => true, 'error' => '', 'meta' => $meta, 'chapters' => $chapters, 'cover' => $cover];
    }

    /** OPF 的 metadata：书名 / 作者 / 出版社 / 语言 / ISBN / 简介 */
    private static function opfMeta(string $opf): array
    {
        $get = static function (string $tag) use ($opf): string {
            if (preg_match_all('#<dc:' . $tag . '[^>]*>(.*?)</dc:' . $tag . '>#is', $opf, $m)) {
                foreach ($m[1] as $v) {
                    $v = trim(html_entity_decode(strip_tags($v), ENT_QUOTES | ENT_HTML5, 'UTF-8'));
                    if ($v !== '') {
                        return $v;
                    }
                }
            }
            return '';
        };
        $isbn = '';
        if (preg_match_all('#<dc:identifier[^>]*>(.*?)</dc:identifier>#is', $opf, $mm)) {
            foreach ($mm[0] as $i => $full) {
                $v = trim(strip_tags($mm[1][$i]));
                // opf:scheme="ISBN" 或 urn:isbn:xxxx
                if (stripos($full, 'ISBN') !== false || stripos($v, 'isbn') === 0) {
                    $isbn = preg_replace('/^urn:isbn:/i', '', $v) ?? '';
                    break;
                }
                if ($isbn === '' && preg_match('/^(97[89])?\d{9}[\dXx]$/', $v)) {
                    $isbn = $v;
                }
            }
        }
        $date = $get('date');
        return [
            'title'     => $get('title'),
            'subtitle'  => '',
            'author'    => $get('creator'),
            'publisher' => $get('publisher'),
            'language'  => $get('language'),
            'isbn'      => $isbn,
            'published' => $date !== '' ? substr($date, 0, 10) : '',
            'summary'   => $get('description'),
        ];
    }

    /** @return array<string,array{href:string,type:string,props:string}> id => 项 */
    private static function opfManifest(string $opf): array
    {
        $out = [];
        if (!preg_match_all('#<item\s+([^>]*?)/?>#is', $opf, $m)) {
            return $out;
        }
        foreach ($m[1] as $attr) {
            $a = self::attrs($attr);
            $id = (string)($a['id'] ?? '');
            if ($id === '') {
                continue;
            }
            $out[$id] = [
                'href'  => html_entity_decode((string)($a['href'] ?? ''), ENT_QUOTES | ENT_HTML5, 'UTF-8'),
                'type'  => strtolower((string)($a['media-type'] ?? '')),
                'props' => strtolower((string)($a['properties'] ?? '')),
            ];
        }
        return $out;
    }

    /** @return string[] 按阅读顺序排的正文文件（相对 opf 目录） */
    private static function opfSpine(string $opf, array $manifest): array
    {
        $ids = [];
        if (preg_match('#<spine\b[^>]*>(.*?)</spine>#is', $opf, $m)) {
            if (preg_match_all('#<itemref\s+([^>]*?)/?>#is', $m[1], $mm)) {
                foreach ($mm[1] as $attr) {
                    $a = self::attrs($attr);
                    $id = (string)($a['idref'] ?? '');
                    if ($id !== '') {
                        $ids[] = $id;
                    }
                }
            }
        }
        $out = [];
        foreach ($ids as $id) {
            $it = $manifest[$id] ?? null;
            if (!$it) {
                continue;
            }
            $t = (string)$it['type'];
            // 只收正文档（xhtml / html / xml）；图片、css、ncx 跳过
            if ($t !== '' && strpos($t, 'html') === false && strpos($t, 'xml') === false) {
                continue;
            }
            $out[] = (string)$it['href'];
        }
        // spine 为空（不合规范）→ 退一步：按 manifest 里所有 html 收
        if (!$out) {
            foreach ($manifest as $it) {
                $t = (string)$it['type'];
                if (strpos($t, 'html') !== false) {
                    $out[] = (string)$it['href'];
                }
            }
        }
        return $out;
    }

    /** 封面：找出图并存到临时文件（调用方再交给 Upload） */
    private static function epubCover(string $path, string $opf, string $opfDir, array $manifest): ?array
    {
        $href = '';
        if (preg_match('#<meta\s+[^>]*name\s*=\s*["\']cover["\'][^>]*content\s*=\s*["\']([^"\']+)["\']#is', $opf, $m)) {
            $id = trim($m[1]);
            $href = (string)($manifest[$id]['href'] ?? '');
        }
        if ($href === '') {
            if (preg_match('#<meta\s+[^>]*content\s*=\s*["\']([^"\']+)["\'][^>]*name\s*=\s*["\']cover["\']#is', $opf, $m2)) {
                $id = trim($m2[1]);
                $href = (string)($manifest[$id]['href'] ?? '');
            }
        }
        if ($href === '') {
            foreach ($manifest as $it) {
                if (strpos((string)$it['props'], 'cover-image') !== false) {
                    $href = (string)$it['href'];
                    break;
                }
            }
        }
        if ($href === '') {
            foreach ($manifest as $it) {
                if (strpos((string)$it['type'], 'image/') === 0
                    && stripos((string)$it['href'], 'cover') !== false) {
                    $href = (string)$it['href'];
                    break;
                }
            }
        }
        if ($href === '') {
            return null;
        }
        if (!class_exists('ZipArchive')) {
            return null;
        }
        $zip = new \ZipArchive();
        if ($zip->open($path) !== true) {
            return null;
        }
        $full = self::joinPath($opfDir, $href);
        $bin = $zip->getFromName($full);
        if ($bin === false) {
            $bin = $zip->getFromName(ltrim($href, '/'));
        }
        $zip->close();
        if ($bin === false || $bin === '') {
            return null;
        }
        $tmp = tempnam(sys_get_temp_dir(), 'fbcov');
        if ($tmp === false || @file_put_contents($tmp, $bin) === false) {
            return null;
        }
        $fino = new \finfo(FILEINFO_MIME_TYPE);
        $mime = (string)$fino->file($tmp);
        if (strpos($mime, 'image/') !== 0) {
            @unlink($tmp);
            return null;
        }
        return ['tmp' => $tmp, 'mime' => $mime];
    }

    /**
     * XHTML → 纯文本（保留段落换行）。
     *
     * ⚠️ 不是"去标签"就完事：
     *   ① 先砍掉 script / style / head（不然 CSS 与 JS 会混进正文）；
     *   ② 块级标签换成换行（<p><div><br><h*>），否则整章粘成一团；
     *   ③ 实体还原（&nbsp; &amp; …）之后再 strip_tags；
     *   ④ 连续空行压成一个 —— 电子书的源文件里空行多到能占一半篇幅。
     */
    private static function xhtmlToText(string $html): array
    {
        $title = '';
        if (preg_match('#<title[^>]*>(.*?)</title>#is', $html, $m)) {
            $title = trim(html_entity_decode(strip_tags($m[1]), ENT_QUOTES | ENT_HTML5, 'UTF-8'));
        }
        $body = $html;
        if (preg_match('#<body\b[^>]*>(.*)</body>#is', $body, $m2)) {
            $body = $m2[1];
            if ($title === '' && preg_match('#<h[1-4][^>]*>(.*?)</h[1-4]>#is', $body, $m3)) {
                $title = trim(html_entity_decode(strip_tags($m3[1]), ENT_QUOTES | ENT_HTML5, 'UTF-8'));
            }
        }
        $body = preg_replace('#<(script|style|noscript)\b[^>]*>.*?</\1>#is', '', $body) ?? $body;
        $body = preg_replace('#<br\s*/?>#i', "\n", $body) ?? $body;
        $body = preg_replace('#</(p|div|h[1-6]|li|tr|blockquote)>#i', "\n", $body) ?? $body;
        $body = html_entity_decode(strip_tags($body), ENT_QUOTES | ENT_HTML5, 'UTF-8');
        $body = str_replace(["\r\n", "\r", "\xC2\xA0"], ["\n", "\n", ' '], $body);
        $body = preg_replace('/[ \t]+\n/', "\n", $body) ?? $body;
        $body = preg_replace('/\n{3,}/', "\n\n", $body) ?? $body;
        $body = preg_replace('/^\n+|\n+$/', '', $body) ?? $body;
        return [mb_substr($title, 0, 300, 'UTF-8'), $body];
    }

    // ---------------- TXT ----------------

    private static function parseTxt(string $path, string $name): array
    {
        $raw = (string)@file_get_contents($path);
        if ($raw === '') {
            return ['ok' => false, 'error' => '这个文本文件是空的', 'meta' => [], 'chapters' => []];
        }
        $text = self::toUtf8($raw);
        $chapters = self::splitChapters($text);
        return ['ok' => true, 'error' => '', 'meta' => self::guessFromName($name), 'chapters' => $chapters];
    }

    /**
     * 编码兜底：UTF-8 → GB18030（中文电子书最常见的老编码）→ BIG5 → Latin1。
     * ⚠️ 不认编码就硬读，中文会整页乱码 —— 那是"看起来解析了、其实全是问号"。
     */
    private static function toUtf8(string $raw): string
    {
        if (substr($raw, 0, 3) === "\xEF\xBB\xBF") {
            return substr($raw, 3);
        }
        if (mb_check_encoding($raw, 'UTF-8')) {
            return $raw;
        }
        foreach (['GB18030', 'BIG-5', 'ISO-8859-1'] as $enc) {
            $s = @iconv($enc, 'UTF-8//IGNORE', $raw);
            if ($s !== false && $s !== '') {
                return $s;
            }
        }
        return $raw;
    }

    /**
     * 切章：认"第X章/第X节/序/前言/后记/Chapter N"这类行；
     * 认不出来就按 5000 字一段（不然一本长篇会变成一整页，浏览器直接卡死）。
     */
    private static function splitChapters(string $text): array
    {
        $text = str_replace(["\r\n", "\r"], "\n", $text);
        $lines = explode("\n", $text);
        $re = '/^\s*(第\s*[0-9零一二三四五六七八九十百千万]+\s*[章节回部篇卷集]\s*'
             . '|chapter\s+[0-9ivx]+\b'
             . '|序章|序言|前言|自序|后记|附录|尾声|楔子)/iu';
        $chapters = [];
        $curTitle = '';
        $buf = '';
        $flush = static function () use (&$chapters, &$curTitle, &$buf): void {
            $body = trim($buf);
            if ($body !== '') {
                $chapters[] = ['title' => $curTitle, 'content' => mb_substr($body, 0, self::CHAPTER_MAX, 'UTF-8')];
            }
            $buf = '';
        };
        foreach ($lines as $ln) {
            $t = trim($ln);
            if ($t !== '' && mb_strlen($t, 'UTF-8') <= 60 && preg_match($re, $t)) {
                $flush();
                $curTitle = mb_substr($t, 0, 200, 'UTF-8');
                continue;
            }
            $buf .= $ln . "\n";
        }
        $flush();

        if (count($chapters) <= 1) {
            // 没切出来 → 按字数均分
            $chapters = [];
            $n = mb_strlen($text, 'UTF-8');
            $size = 5000;
            $parts = (int)max(1, ceil($n / $size));
            for ($i = 0; $i < $parts; $i++) {
                $seg = mb_substr($text, $i * $size, $size, 'UTF-8');
                if (trim($seg) === '') {
                    continue;
                }
                $chapters[] = ['title' => '第 ' . ($i + 1) . ' 段', 'content' => $seg];
            }
        }
        $out = [];
        $seq = 0;
        foreach ($chapters as $c) {
            if (count($out) >= self::CHAPTER_LIMIT) {
                break;
            }
            $seq++;
            $out[] = ['seq' => $seq, 'title' => (string)$c['title'], 'content' => (string)$c['content']];
        }
        return $out;
    }

    // ---------------- 文件名猜书名 / 作者 ----------------

    /**
     * 从 "三体（全三册）- 刘慈欣.epub" 这类文件名里猜。
     * ⚠️ 只是**兜底**：猜错了用户一眼能改，比空着强（空着要一个字一个字敲）。
     */
    private static function guessFromName(string $name): array
    {
        $base = pathinfo((string)$name, PATHINFO_FILENAME);
        $base = trim(preg_replace('/[\[\(（【].*?[\]\)）】]/u', '', $base) ?? $base);
        $author = '';
        $title = $base;
        foreach ([' - ', '—', '－', '_'] as $sep) {
            if (strpos($base, $sep) !== false) {
                $parts = explode($sep, $base);
                $title = trim((string)array_pop($parts));
                $author = trim(implode(' ', $parts));
                break;
            }
        }
        // "作者 书名" 反过来也常见：名字很短的那一段更像作者
        if ($author === '' && preg_match('/^(.+?)\s{1}(.+)$/u', $base, $m)) {
            $author = trim($m[1]);
            $title = trim($m[2]);
        }
        $title = trim(preg_replace('/\.(epub|txt|pdf|mobi|azw3?)$/i', '', $title) ?? $title);
        return [
            'title'     => mb_substr($title, 0, 300, 'UTF-8'),
            'subtitle'  => '',
            'author'    => mb_substr($author, 0, 200, 'UTF-8'),
            'publisher' => '',
            'language'  => '',
            'isbn'      => '',
            'published' => '',
            'summary'   => '',
        ];
    }

    public static function formatWord(string $ext): string
    {
        $map = ['epub' => 'EPUB', 'txt' => 'TXT', 'pdf' => 'PDF', 'mobi' => 'MOBI',
                'azw' => 'AZW', 'azw3' => 'AZW3', 'doc' => 'DOC', 'docx' => 'DOCX'];
        return $map[strtolower($ext)] ?? strtoupper($ext);
    }

    /** 这个文件能不能直接放进浏览器内嵌阅读（PDF 就是） */
    public static function inlinable(?string $fmt): bool
    {
        return strtolower((string)$fmt) === 'pdf';
    }

    // ---------------- 小工具 ----------------

    /** @return array<string,string> */
    private static function attrs(string $s): array
    {
        $out = [];
        if (preg_match_all('/([a-zA-Z_:][-a-zA-Z0-9_:.]*)\s*=\s*(["\'])(.*?)\2/s', $s, $m, PREG_SET_ORDER)) {
            foreach ($m as $x) {
                $out[strtolower($x[1])] = $x[3];
            }
        }
        return $out;
    }

    private static function dirOf(string $p): string
    {
        $p = str_replace('\\', '/', $p);
        $i = strrpos($p, '/');
        return $i === false ? '' : substr($p, 0, $i + 1);
    }

    /** 把 opf 目录与 href 拼成 zip 内的完整路径（顺手去掉 ../ 与锚点） */
    private static function joinPath(string $dir, string $href): string
    {
        $href = preg_replace('/#.*$/', '', $href) ?? $href;
        $href = str_replace('\\', '/', trim(urldecode($href)));
        $full = $dir . $href;
        // 消掉 a/b/../c
        $parts = [];
        foreach (explode('/', str_replace('\\', '/', $full)) as $seg) {
            if ($seg === '' || $seg === '.') {
                continue;
            }
            if ($seg === '..') {
                array_pop($parts);
                continue;
            }
            $parts[] = $seg;
        }
        return implode('/', $parts);
    }
}