1 files changed, 141 insertions, 0 deletions
diff --git a/scripts/psi-extract.py b/scripts/psi-extract.py
new file mode 100644
index 0000000..5d99dd7
--- /dev/null
+++ b/scripts/psi-extract.py
@@ -0,0 +1,141 @@
+"""PageSpeed Insights のレポートから、必要な監査項目だけを抜き出す。
+
+PSI のレポートを丸ごと読むと、それだけで会話がコンテキストオーバーになる。
+このスクリプトは、失敗・要改善の項目の見出しだけ、あるいは指定した項目の
+本文（説明と表）だけを取り出し、既定で1件1200文字に切り詰めて出力する。
+
+- 引数にレポートだけを渡すと、失敗・要改善の監査項目を見出しだけ一覧表示する
+- 見出しの一部分を続けて渡すと、その項目の本文だけを表示する（部分一致）
+- レポートは MHTML（.mhtml）でも HTML（.html）でもよい
+- PSI のレポートはモバイル版とデスクトップ版が並ぶため、同じ見出しは1件だけ出す
+- pass の項目は出力しない（コンテキスト節約のため）
+
+使い方:
+    python scripts/psi-extract.py <report.mhtml|report.html>
+    python scripts/psi-extract.py <report> 画像 DOM
+    python scripts/psi-extract.py <report> 画像 --full
+    python scripts/psi-extract.py <report> 画像 --max 3000
+"""
+import email
+import html
+import re
+import sys
+from pathlib import Path
+
+sys.stdout.reconfigure(encoding="utf-8")
+
+# 1件あたりの出力上限（文字数）。
+DEFAULT_MAX = 1200
+
+AUDIT_MARK = re.compile(r'class="lh-audit lh-audit--[a-z]+ lh-audit--(fail|average|pass)"')
+TITLE = re.compile(r'class="lh-audit__title"><span>(.*?)</span>', re.S)
+AUDIT_SPLIT = re.compile(r'<div class="lh-audit ')
+
+
+def read_html(path: Path) -> str:
+    """MHTML または HTML から HTML 本文を取り出す。"""
+    if path.suffix.lower() in {".mhtml", ".mht"}:
+        message = email.message_from_bytes(path.read_bytes())
+        for part in message.walk():
+            if part.get_content_type() == "text/html":
+                payload = part.get_payload(decode=True) or b""
+                charset = part.get_content_charset() or "utf-8"
+                return payload.decode(charset, "replace")
+        raise SystemExit(f"{path}: HTML パートが見つかりませんでした")
+    return path.read_text(encoding="utf-8", errors="replace")
+
+
+def text_of(raw: str) -> str:
+    return html.unescape(re.sub(r"<[^>]+>", "", raw)).strip()
+
+
+def audit_list(page: str) -> list[tuple[str, str]]:
+    """(種別, 見出し) を、見出しの重複を除いて返す。"""
+    rows: list[tuple[str, str]] = []
+    seen: set[str] = set()
+    for m in AUDIT_MARK.finditer(page):
+        kind = m.group(1)
+        if kind == "pass":
+            continue
+        t = TITLE.search(page, m.end())
+        if not t:
+            continue
+        name = text_of(t.group(1))
+        if name and name not in seen:
+            seen.add(name)
+            rows.append((kind, name))
+    return rows
+
+
+def audit_blocks(page: str) -> list[tuple[str, str]]:
+    """(見出し, ブロック) を、見出しの重複を除いて返す。"""
+    rows: list[tuple[str, str]] = []
+    seen: set[str] = set()
+    for block in AUDIT_SPLIT.split(page)[1:]:
+        m = TITLE.search(block)
+        if not m:
+            continue
+        name = text_of(m.group(1))
+        if name and name not in seen:
+            seen.add(name)
+            rows.append((name, block))
+    return rows
+
+
+def block_text(block: str) -> str:
+    """ブロックからタグを落とし、読みやすいテキストにする。"""
+    # AUDIT_SPLIT で分割したため、先頭に開始タグの残骸が残る。それを落とす。
+    block = re.sub(r"^[^>]*>", "", block, count=1)
+    text = re.sub(r"<(script|style)[^>]*>.*?</\1>", "", block, flags=re.S)
+    text = re.sub(r"<br\s*/?>", "\n", text)
+    text = re.sub(r"</(?:tr|p|div|li|h[1-6])>", "\n", text)
+    text = re.sub(r"</t[dh]>", " | ", text)
+    text = re.sub(r"<[^>]+>", "", text)
+    text = html.unescape(text)
+    text = re.sub(r"[ \t]+\n", "\n", text)
+    text = re.sub(r"\n{3,}", "\n\n", text)
+    return text.strip()
+
+
+def truncate(text: str, limit: int | None) -> str:
+    if limit is None or len(text) <= limit:
+        return text
+    return f"{text[:limit]}\n…（残り{len(text) - limit}文字を省略）"
+
+
+def main() -> None:
+    args = sys.argv[1:]
+    if not args or args[0] in {"-h", "--help"}:
+        print(__doc__.strip())
+        return
+
+    report = Path(args.pop(0))
+    limit = None if "--full" in args else DEFAULT_MAX
+    if "--max" in args:
+        i = args.index("--max")
+        limit = int(args[i + 1])
+        del args[i : i + 2]
+    targets = [a for a in args if not a.startswith("--")]
+
+    page = read_html(report)
+
+    if not targets:
+        print("# 失敗・要改善の監査項目")
+        for kind, name in audit_list(page):
+            print(f"[{kind}] {name}")
+        return
+
+    found = 0
+    for name, block in audit_blocks(page):
+        if not any(t in name for t in targets):
+            continue
+        print(f"\n===== {name} =====")
+        print(truncate(block_text(block), limit))
+        found += 1
+    if not found:
+        print("該当する監査項目が見つかりませんでした。", file=sys.stderr)
+        sys.exit(1)
+
+
+if __name__ == "__main__":
+    main()