#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""交付物**用词**闸门 —— 与 ③段 `scripts/check_naming.py` 同族：那个查「文本一致性」，这个查「用词」。

为什么需要它（不是"为了严谨"，是实测过的复发事故）：
  「宿主」这个词在本工作区有两义 —— **被嵌入的目标产品**（product-planning 语境，本项目＝tiaoyue）
  与**那个程序**（机制语境，正式名 `WorkBuddy 本体`）。同形不同义 ⇒ 读者无从分辨。
  既有规矩只把「内部词须 0」查在**原型三页 HTML**上，评审产物（`产品规划复盘-*/` 这类）不受管
  ⇒ 晦涩词在交付物里复发（实测一次 48 处）。本脚本把检查面扩到**所有交付物**。

三条检查（`--paths` 指到哪就只查哪，⛔ 不隐式全盘扫）：

  ① **内部词表 0 命中** —— 除「引用」外一律 FAIL。被判为「引用」而放行的，降级为 HINT。
  ② **同一实体两种叫法同篇** —— 同一文件里两个名字都在用 ⇒ FAIL（一个东西只许一个名）。
  ③ **机制侧用词越界** —— 把 `WorkBuddy 本体` 写成「宿主」，且同句还有机制侧词 ⇒ FAIL。

判定「引用」的三条（满足任一即放行，只报 HINT）：
  · 该词被成对引号包住（`` ` `` / 「」 / 『』 / “” / ""）；
  · 同句带处置标记（旧名 / 已废 / 已改名 / 改名 / 改成 / 删掉 / 删除 / 整节 / 废止 / 历史 / 曾是 /
    原节名 / 待改 / 旧口径 / 未落地 / 并入 / 不一致）；
  · 同一行命中 **≥2 个内部词** ⇒ 判为「节序对照句」。
  ⚠️ 已知局限（如实写在这里，别当成没有）：这三条是**文本启发式**，判不出「表格里把旧名当现状陈述」
  这类用法 —— 那种句子会走第 3 条放行。⇒ 本脚本拦「新写的正文里误用旧名/内部词」，⛔ 不替代人工回读。

用法：
    python scripts/check_terms.py --paths <交付物目录或文件> [--paths …]
    python scripts/check_terms.py --paths D:/某工作区/交付物 --ext .md
退出码：0 = 全过（可能带 HINT）；1 = 有 FAIL；2 = 用法／路径错。
"""
import argparse
import os
import re
import sys

try:
    sys.stdout.reconfigure(encoding="utf-8", errors="replace")
    sys.stderr.reconfigure(encoding="utf-8", errors="replace")
except Exception:
    pass

# ── ① 内部词表。加词前先确认「它真的会误导读者」，不是「看着不顺眼」──────────────
INTERNAL = {
    "宿主": "内部词：指被嵌入的产品时写「目标产品」（首次出现写「目标产品（本项目＝tiaoyue）」）；"
            "指那个程序时写「WorkBuddy 本体」",
    "跨页与界面状态": "已废节名（2026-10-15 用户令改名为「页面导航」）",
    "待确认事项与偏离单": "已删除的节（2026-10-15 用户令整节删除，⛔ 别补回来）",
    "待确认与偏离": "已删除的节（同上）",
}

# ── ② 同一实体两种叫法。左＝正式名，右＝旧称/别名；两者同篇非引用出现 ⇒ FAIL ──────
ALIAS_PAIRS = [
    ("目标产品", "宿主", "被嵌入的那个产品（product-planning 语境）"),
    ("WorkBuddy 本体", "宿主", "那个程序（机制语境）"),
]

# ── ③ 机制侧标记。出现「宿主」且同句带这些词 ⇒ 越界（本轮旧词用的是机制义）────────
MECH_MARKERS = ("WorkBuddy 本体", "本体", "进程", "常驻", "守护", "会话机制", "机制侧",
                "manifest", "锁", "钩子", "注入面")

# 「引用」放行用的处置标记
CITE_MARKERS = ("旧名", "已废", "已改名", "改名", "改成", "删掉", "删除", "整节", "废止",
                "历史", "曾是", "原节名", "待改", "旧口径", "未落地", "并入", "不一致")

QUOTE_PAIRS = ("`", "「", "」", "『", "』")

# 扫描时跳过的目录（`assets/` 是采集来的存量资产，本工作区惯例豁免）
SKIP_DIRS = {"__pycache__", "_留痕", "归档", "assets", "node_modules", ".git", "vendor", "tmp"}


def _quoted(line, word):
    """该词在本行是否被成对引号包住（`` ` `` ｜ 「」 ｜ 『』 ｜ "" ｜ “”）。"""
    for a, b in (("`", "`"), ("「", "」"), ("『", "』"), ('"', '"'), ("“", "”")):
        if re.search(re.escape(a) + r"[^" + re.escape(a + b) + r"]*"
                     + re.escape(word) + r"[^" + re.escape(a + b) + r"]*" + re.escape(b), line):
            return True
    return False


def _citations(line, hits):
    """本行里的这些命中，哪些算「引用」（⇒ 放行，只报 HINT）。"""
    if any(m in line for m in CITE_MARKERS):
        return True
    if len(hits) >= 2:          # 同一行 ≥2 个内部词 ⇒ 判为节序对照句
        return True
    return all(_quoted(line, w) for w in hits)


def collect(paths, exts):
    files = []
    for p in paths:
        p = os.path.abspath(p)
        if os.path.isfile(p):
            files.append(p)
            continue
        if not os.path.isdir(p):
            raise SystemExit("⛔ 路径不存在：%s" % p)
        for dp, dn, fn in os.walk(p):
            dn[:] = [d for d in dn if d not in SKIP_DIRS]
            for f in fn:
                if f.startswith("_superseded"):
                    continue
                if os.path.splitext(f)[1].lower() in exts:
                    files.append(os.path.join(dp, f))
    return sorted(set(files))


def check_file(path):
    """返回 (fails, hints, passes) 三个字符串列表。"""
    fails, hints, passes = [], [], []
    with open(path, encoding="utf-8", errors="ignore") as f:
        text = f.read()
    lines = text.split("\n")
    n_cited = 0

    # ① 内部词表 + ③ 机制侧越界
    for i, line in enumerate(lines, 1):
        hits = [w for w in INTERNAL if w in line]
        if not hits:
            continue
        if _citations(line, hits):
            n_cited += len(hits)
            continue
        for w in hits:
            fails.append("① 内部词 `%s` @ 行 %d —— %s\n       %s" % (w, i, INTERNAL[w], line.strip()[:110]))
            if w == "宿主" and any(m in line for m in MECH_MARKERS):
                fails.append("③ 机制侧越界：这一句把 `WorkBuddy 本体` 写成了「宿主」@ 行 %d\n       %s"
                             % (i, line.strip()[:110]))

    # ② 同一实体两种叫法同篇（只算**非引用**命中：引号里的「待改对象」不算在用旧名）
    live = []
    for a, b, what in ALIAS_PAIRS:
        na = sum(1 for line in lines
                 if a in line and not _citations(line, [w for w in INTERNAL if w in line]))
        nb = sum(1 for line in lines
                 if b in line and not _citations(line, [w for w in INTERNAL if w in line]))
        live.append((a, b, what, na, nb))
    for a, b, what, na, nb in live:
        if na and nb:
            fails.append("② 同一实体两种叫法同篇：`%s` × %d 行 与 `%s` × %d 行 同时出现 —— %s 只许一个名"
                         % (a, na, b, nb, what))

    if n_cited:
        hints.append("引用了 %d 处内部词/旧名（判为「待改对象」，放行）" % n_cited)
    passes.append("① 内部词表（非引用命中＝0）｜② 别名同篇｜③ 机制侧越界 — 均无 FAIL")
    return fails, hints, passes


def main():
    ap = argparse.ArgumentParser(description="交付物用词闸门（内部词 / 别名 / 机制侧越界）")
    ap.add_argument("--paths", action="append", required=True,
                    help="交付物目录或文件，可重复；⛔ 不隐式全盘扫")
    ap.add_argument("--ext", default=".md,.html",
                    help="扫哪些扩展名（逗号分隔，缺省 .md,.html）")
    a = ap.parse_args()
    exts = tuple(e if e.startswith(".") else "." + e for e in a.ext.split(",") if e.strip())
    try:
        files = collect(a.paths, exts)
    except SystemExit as e:
        print(e)
        return 2
    if not files:
        print("⛔ 一个待查文件都没扫到（给了 %s，扩展名 %s）—— 检查路径与 --ext。" % (a.paths, exts))
        return 2

    all_f, all_h, n_pass = [], [], 0
    print("待查 %d 份（扩展名 %s）\n" % (len(files), "/".join(exts)))
    for p in files:
        fails, hints, passes = check_file(p)
        rel = p
        if fails:
            print("⛔ %s" % rel)
            for x in fails:
                print("   %s" % x)
        else:
            n_pass += len(passes)
            print("[过] %s" % rel)
        for x in hints:
            print("   [提示] %s" % x)
        all_f += fails
        all_h += hints

    print()
    print("小计：文件 %d ｜ 通过项 %d ｜ FAIL %d ｜ 提示 %d"
          % (len(files), n_pass, len(all_f), len(all_h)))
    if all_f:
        print("⛔ 有用词 FAIL —— 交付前必须清掉（引号里的「待改对象」不在此列）。")
        return 1
    print("✅ 用词全过。")
    if all_h:
        print("ℹ️ 提示项是「引用旧名/内部词」，人工看一眼是否确实是待改对象。")
    return 0


if __name__ == "__main__":
    sys.exit(main())