"""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()