"""
URL 解析和数据解析工具函数
"""
import re
import json
import html
from typing import Optional, Dict, Any, List
from urllib.parse import urlparse, parse_qs
from .exceptions import ShowDocParseError
# ShowDoc API 错误码常量
ERROR_CODE_SUCCESS = 0
ERROR_CODE_PASSWORD_REQUIRED = 10303 # 不是项目创建者（需要密码）
ERROR_CODE_CAPTCHA_INCORRECT = 10206 # 验证码不正确
def parse_showdoc_url(url: str) -> Dict[str, str]:
"""
从 ShowDoc URL 中提取服务器地址和 item_id
支持的 URL 格式：
1. 标准格式：https://doc.example.com/web/#/90/
2. 登录页面：https://doc.example.com/web/#/item/password/88?page_id=4091
3. 查询参数：https://doc.example.com/web/#/90/?item_id=90
4. 路径参数：https://doc.example.com/web/90/
Args:
url: ShowDoc 文档 URL，例如 "https://doc.cqfengli.com/web/#/90/"
Returns:
包含 server_base 和 item_id 的字典
Raises:
ShowDocParseError: URL 格式不正确
"""
try:
parsed = urlparse(url)
server_base = f"{parsed.scheme}://{parsed.netloc}"
# 从 URL 中提取 item_id
# 可能的位置：
# 1. 哈希路径：/web/#/90/ -> 90
# 2. 哈希路径（登录页）：/web/#/item/password/88 -> 88
# 3. 查询参数：?item_id=90
# 4. 路径参数：/web/90/
item_id = None
extracted_page_id: Optional[str] = None
# 尝试从哈希路径提取
if parsed.fragment:
fragment = parsed.fragment
# 支持的哈希格式：
# - #/90/ 或 #/90 -> 90
# - #/item/password/88 -> 88
# - #/item/88 -> 88
# - #/94/4828 -> item_id=94, page_id=4828
# 先尝试匹配路径中的数字（如 /item/password/88 或 /item/88）
path_match = re.search(r'/(?:item|password)/(\d+)', fragment)
if path_match:
item_id = path_match.group(1)
else:
# 尝试匹配 item_id/page_id 格式（如 /94/4828）
double_match = re.search(r'^/?(\d+)/(\d+)', fragment)
if double_match:
item_id = double_match.group(1)
extracted_page_id = double_match.group(2)
else:
# 再尝试匹配开头的数字（如 /90/ 或 90）
match = re.search(r'^/?(\d+)', fragment)
if match:
item_id = match.group(1)
# 尝试从查询参数提取
if not item_id:
query_params = parse_qs(parsed.query)
if 'item_id' in query_params:
item_id = query_params['item_id'][0]
# 尝试从路径段提取（兼容 showdoc.com.cn 的分享链接）
if not item_id:
path_segments = [seg for seg in parsed.path.split("/") if seg]
if path_segments and path_segments[0].isdigit():
item_id = path_segments[0]
# 第二段如果是纯数字，视为 page_id
if len(path_segments) > 1 and path_segments[1].isdigit():
extracted_page_id = path_segments[1]
# 尝试从路径中提取
if not item_id:
path_match = re.search(r'/(\d+)/?$', parsed.path)
if path_match:
item_id = path_match.group(1)
if not item_id:
raise ShowDocParseError(f"无法从 URL 中提取 item_id: {url}")
# 提取 page_id（可能在查询参数或 redirect 参数中）
page_id = extracted_page_id
page_id_match = re.search(r'page_id=(\d+)', url)
if page_id_match:
page_id = page_id_match.group(1)
return {
"server_base": server_base,
"item_id": item_id,
"page_id": page_id or ""
}
except Exception as e:
raise ShowDocParseError(f"解析 URL 失败: {str(e)}") from e
def extract_item_id_from_url(url: str) -> str:
"""
从 URL 中提取 item_id（便捷函数）
Args:
url: ShowDoc 文档 URL
Returns:
item_id 字符串
"""
result = parse_showdoc_url(url)
return result["item_id"]
def decode_page_content(encoded_content: str) -> Dict[str, Any]:
"""
HTML 实体解码并解析 JSON
Args:
encoded_content: 经过 HTML 实体编码的 JSON 字符串
Returns:
解析后的 JSON 对象（字典）
Raises:
ShowDocParseError: 解码或解析失败
"""
try:
# 1. HTML 实体解码
decoded_content = html.unescape(encoded_content)
# 2. 解析为 JSON 对象
page_content = json.loads(decoded_content)
return page_content
except json.JSONDecodeError as e:
raise ShowDocParseError(f"JSON 解析失败: {str(e)}") from e
except Exception as e:
raise ShowDocParseError(f"解码 page_content 失败: {str(e)}") from e
def find_category_by_name(
categories: List[Dict[str, Any]],
name: str,
recursive: bool = True
) -> Optional[Dict[str, Any]]:
"""
在目录树中递归查找指定名称的分类
Args:
categories: 分类列表（从 API 返回的目录树数据）
name: 要查找的分类名称
recursive: 是否递归查找子分类
Returns:
找到的分类字典，未找到返回 None
"""
if not name or name.lower() in ("全部", "all", "all"):
return None # 表示获取全部
name = name.strip()
def search_recursive(cat_list: List[Dict[str, Any]]) -> Optional[Dict[str, Any]]:
for cat in cat_list:
# 检查当前分类名称
cat_name = cat.get("cat_name", "")
if cat_name == name:
return cat
# 递归查找子分类
if recursive:
children = cat.get("catalogs", [])
if children:
result = search_recursive(children)
if result:
return result
return None
return search_recursive(categories)
def filter_categories_by_name(
categories: List[Dict[str, Any]],
name: Optional[str]
) -> List[Dict[str, Any]]:
"""
根据节点名称筛选分类列表
Args:
categories: 完整的分类列表
name: 节点名称，None、"全部"、"all" 表示返回所有
Returns:
筛选后的分类列表
"""
if not name or name.strip().lower() in ("全部", "all"):
return categories
target_cat = find_category_by_name(categories, name)
if target_cat:
# 返回找到的分类（包含其所有子分类）
return [target_cat]
else:
# 未找到，返回空列表
return []
def build_category_tree(
category_data: Dict[str, Any],
item_id: str
) -> List[Dict[str, Any]]:
"""
将 API 返回的扁平化分类数据转换为树状结构
Args:
category_data: API 返回的目录数据
item_id: 项目 ID
Returns:
树状结构的分类列表
"""
# API 返回的数据已经是树状结构（通过 parent_cat_id 和 catalogs 字段）
# 这里主要是提取顶层分类
if isinstance(category_data, dict):
if "menu" in category_data:
menu = category_data["menu"]
if "catalogs" in menu:
return menu["catalogs"]
elif "catalogs" in category_data:
return category_data["catalogs"]
return []