#!/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 13 步（2026-09-21）
《药性探真》第 3 章 **原件标题层级就地优化**（对应第 1 章之 08_retitle_src_ch1.py、
第 2 章之 11_retitle_src_ch2.py）

背景：
  第 1 章原件曾按**用户 2026-09-17 明确指令**、第 2 章按**用户 2026-09-20 明确指令**
  就地优化标题层级（均只改井号、正文逐行校验未动，并留逐字节快照）。
  第 3 章原件标题体系：**章为「#」，节／条目／子目全部为「##」**（未分级，共 65 行）；
  另有 2 行条目题名未标井号（源行 133／311，属正文形式，**本脚本不涉及**——
  清洗版已补标为四级，源件保持原样）。
  README 归档原则为「01_来源数据 不可修改」，故本脚本**默认不做改动**，
  只备好与前两章同办的途径；是否执行**候用户指令**。
用法：
  python3 05_脚本工具/13_retitle_src_ch3.py           # 默认 dry-run：只打印将改动的行，不落盘
  python3 05_脚本工具/13_retitle_src_ch3.py --apply   # 真正就地优化（先留快照）
层级体例（同第 1／2 章，本件多一级子目）：章＝二级(##)／节＝三级(###)／条目＝四级(####)／子目＝五级(#####)
安全保障：
  ① --apply 前先写逐字节快照 《…》第3章_层级优化前快照_YYYYMMDD.md（已存在则不覆盖）
  ② 落盘前断言「去标题行后的正文逐行完全相同」（正文一字未动）
  ③ 幂等：已优化后再跑，改动 0 行
  ④ 落盘后复跑 `12_clean_ch3.py`，清洗版 md5 应**保持不变**（层级优化对清洗版零影响）
"""
import os, re, sys, hashlib, datetime

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3章.md")
SNAP_FMT = os.path.join(BASE, "01_来源数据/《辅行诀五脏用药法要 药性探真》第3章_层级优化前快照_%s.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"^\d+\.\s*"),                        5, "子目"),
]


def strip_headings(t):
    return [l for l in t.split("\n") if not l.startswith("#")]


def plan(text):
    """返回 (新文本, 改动清单)；未识别的标题直接报错。"""
    out, changes = [], []
    for i, l in enumerate(text.split("\n"), 1):
        if not l.startswith("#"):
            out.append(l)
            continue
        bare = re.sub(r"^#+\s*", "", l)
        lv = None
        for pat, L, _K in H_RULES:
            if pat.match(bare):
                lv = L
                break
        if lv is None:
            raise SystemExit(f"未识别的标题（行 {i}）：{l[:60]}")
        newh = "#" * lv + " " + bare
        if newh != l:
            changes.append((i, l, newh))
        out.append(newh)
    return "\n".join(out), changes


def main():
    apply = "--apply" in sys.argv
    raw = open(SRC, "rb").read()
    text = raw.decode("utf-8")
    md5_before = hashlib.md5(raw).hexdigest()
    new, changes = plan(text)

    assert strip_headings(text) == strip_headings(new), "正文行被改动，脚本中止"

    print(f"对象：{SRC}")
    print(f"md5（当前）：{md5_before}")
    print(f"标题行合计：{sum(1 for l in text.split(chr(10)) if l.startswith('#'))} 行；"
          f"需改动 {len(changes)} 行")
    for i, a, b in changes:
        print(f"  L{i}: {a}  ->  {b}")
    if not changes:
        print("✅ 无需改动（已是最优层级或已优化过）——幂等检查通过")
        return

    if not apply:
        print("\n（dry-run：未落盘。如需就地优化，加 --apply）")
        return

    snap = SNAP_FMT % datetime.date.today().strftime("%Y%m%d")
    if os.path.exists(snap):
        print(f"快照已存在，不覆盖：{snap}")
    else:
        with open(snap, "wb") as f:
            f.write(raw); f.flush(); os.fsync(f.fileno())
        print(f"快照（改动前逐字节副本）：{snap}（md5 {md5_before}）")
    with open(SRC, "wb") as f:
        f.write(new.encode("utf-8")); f.flush(); os.fsync(f.fileno())
    md5_after = hashlib.md5(open(SRC, "rb").read()).hexdigest()
    print(f"已就地优化标题层级：{SRC}\n  md5 {md5_before} -> {md5_after}")
    again, ch2 = plan(open(SRC, encoding="utf-8").read())
    print(f"幂等复验：再跑需改动 {len(ch2)} 行（应为 0）")
    assert not ch2


if __name__ == "__main__":
    main()