#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
辅行诀五脏用药法要-药性探真 资料库 ETL 第 8 步（2026-09-17）
**在 01_来源数据 原件中优化标题层级**（用户 2026-09-17 指令：「直接在 01 原件里改标题层级」）

对象：01_来源数据/《辅行诀五脏用药法要 药性探真》第1章.md（用户精清稿）
改动范围：**只改标题行的井号层级**，正文一字不动（逐行校验非标题行完全一致）
层级体例：章=##（二级）／节=###（三级）／条目=####（四级）／条下附=#####（五级）／附内子目=######（六级）
留痕：
  ① 变更前原件快照另存 `01_来源数据/《辅行诀五脏用药法要 药性探真》第1章_层级优化前快照_20260917.md`
     （内容 = 变更前逐字节副本，md5 与旧值一致，供随时回退）；
  ② 变更前后 md5 记入本脚本 stdout 与 `02_加工数据/药性探真_第1章_检查报告.md`（由 07 脚本刷新）。
幂等：可重复运行；已优化过的文件重跑无副作用（无标题需改时输出 0 处）。
"""
import os, re, hashlib, shutil

BASE = os.path.expanduser("~/Documents/ai_agent_scraper_study/data/辅行诀五脏用药法要-药性探真")
SRC = os.path.join(BASE, "01_来源数据/《辅行诀五脏用药法要 药性探真》第1章.md")
SNAP = os.path.join(BASE, "01_来源数据/《辅行诀五脏用药法要 药性探真》第1章_层级优化前快照_20260917.md")

H_RULES = [
    (re.compile(r"^第[一二三四五六七八九十]+章[　 ]"), 2, "章"),
    (re.compile(r"^第[一二三四五六七八九十]+节[　 ]"), 3, "节"),
    (re.compile(r"^[一二三四五六七八九十]+、"),        4, "条目"),
    (re.compile(r"^附："),                            5, "条下附"),
    (re.compile(r"^\d+\.\s*《"),                      6, "附内子目"),
]


def md5b(b):
    return hashlib.md5(b).hexdigest()


def main():
    raw = open(SRC, "rb").read()
    md5_before = md5b(raw)
    text = raw.decode("utf-8")
    lines = text.split("\n")

    # 变更前快照（仅在快照不存在时保存，避免二次运行覆盖真正的原始副本）
    if not os.path.exists(SNAP):
        shutil.copy2(SRC, SNAP)
        print("快照已存:", os.path.basename(SNAP), md5b(open(SNAP, "rb").read()))

    out, changes, unrecognized = [], [], []
    for i, l in enumerate(lines, 1):
        s = l.strip()
        if s.startswith("#"):
            bare = re.sub(r"^#+\s*", "", s)
            lv, kind = None, None
            for pat, L, K in H_RULES:
                if pat.match(bare):
                    lv, kind = L, K
                    break
            if lv is None:
                unrecognized.append((i, s[:40]))
                out.append(l)
                continue
            new = "#" * lv + " " + bare
            if new != s:
                changes.append((i, kind, s, new))
            out.append(new)
        else:
            out.append(l)
    if unrecognized:
        raise SystemExit(f"存在未识别标题，未改动任何内容：{unrecognized}")

    new_text = "\n".join(out)
    md5_after = md5b(new_text.encode("utf-8"))

    # 正文一致性校验：去掉标题井号后逐行比对
    def strip_h(t):
        return [re.sub(r"^#+\s*", "", x) for x in t.split("\n")]
    if strip_h(new_text) != strip_h(text):
        raise SystemExit("正文一致性校验失败：非标题内容被改动，已中止")
    if len(new_text) != len(text) + sum(len(n) - len(o) for _, _, o, n in changes):
        raise SystemExit("长度校验失败，已中止")

    with open(SRC, "w", encoding="utf-8") as f:
        f.write(new_text); f.flush(); os.fsync(f.fileno())

    print(f"原件标题层级：改动 {len(changes)} 行")
    for ln, kind, old, new in changes:
        print(f"  L{ln:<4} {kind:<5} {old[:24]:<26} → {new[:26]}")
    print(f"md5 变更前 {md5_before} → 变更后 {md5_after}")
    print("正文校验：非标题行逐行一致（一字未动）")


if __name__ == "__main__":
    main()