# 声明：本代码仅供学习和研究目的使用。使用者应遵守以下原则：  
# 1. 不得用于任何商业用途。  
# 2. 使用时应遵守目标平台的使用条款和robots.txt规则。  
# 3. 不得进行大规模爬取或对平台造成运营干扰。  
# 4. 应合理控制请求频率，避免给目标平台带来不必要的负担。   
# 5. 不得用于任何非法或不当的用途。
#   
# 详细许可条款请参阅项目根目录下的LICENSE文件。  
# 使用本代码即表示您同意遵守上述原则和LICENSE中的所有条款。  


import argparse
import logging
import os
import re
import sys
from logging.handlers import RotatingFileHandler
from pathlib import Path

from .crawler_util import *
from .slider_util import *
from .time_util import *


def init_loging_config():
    level = logging.INFO
    
    # 日志格式
    log_format = "%(asctime)s %(name)s %(levelname)s (%(filename)s:%(lineno)d) - %(message)s"
    date_format = '%Y-%m-%d %H:%M:%S'
    
    # 创建日志目录（项目根目录的 logs 文件夹）
    # 从当前文件位置向上查找，直到找到包含 logs 目录的项目根目录
    current_file = Path(__file__).resolve()
    project_root = None
    
    # 方法1: 向上查找直到找到 logs 目录
    for parent in current_file.parents:
        logs_dir = parent / "logs"
        if logs_dir.exists() or parent.name == "BettaFish-1.2.0":
            project_root = parent
            break
    
    # 方法2: 如果没找到，使用当前工作目录
    if project_root is None:
        project_root = Path.cwd()
        # 如果当前在 MediaCrawler 目录，向上查找
        if project_root.name == "MediaCrawler":
            project_root = project_root.parent.parent
    
    log_dir = project_root / "logs"
    log_dir.mkdir(exist_ok=True)
    
    # 日志文件路径
    log_file = log_dir / "mediacrawler.log"
    
    # 配置根日志记录器
    root_logger = logging.getLogger()
    root_logger.setLevel(level)
    
    # 清除已有的处理器，避免重复
    root_logger.handlers.clear()
    
    # 控制台处理器 - 明确使用 sys.stdout 确保输出到控制台
    console_handler = logging.StreamHandler(sys.stdout)
    console_handler.setLevel(level)
    console_formatter = logging.Formatter(log_format, datefmt=date_format)
    console_handler.setFormatter(console_formatter)
    root_logger.addHandler(console_handler)
    
    # 确保输出立即刷新
    sys.stdout.flush()
    sys.stderr.flush()
    
    # 文件处理器（带轮转，最大10MB，保留5个备份）
    try:
        file_handler = RotatingFileHandler(
            log_file,
            maxBytes=10 * 1024 * 1024,  # 10MB
            backupCount=5,
            encoding='utf-8'
        )
        file_handler.setLevel(level)
        file_formatter = logging.Formatter(log_format, datefmt=date_format)
        file_handler.setFormatter(file_formatter)
        root_logger.addHandler(file_handler)
    except Exception as e:
        # 如果文件日志初始化失败，至少保证控制台日志可用
        print(f"警告: 无法初始化文件日志: {e}")
    
    # 创建 MediaCrawler 专用日志记录器
    _logger = logging.getLogger("MediaCrawler")
    _logger.setLevel(level)
    
    # 关闭 httpx 的 INFO 日志
    logging.getLogger("httpx").setLevel(logging.WARNING)
    
    # 输出日志文件位置
    _logger.info(f"日志文件: {log_file}")
    
    return _logger


logger = init_loging_config()

def str2bool(v):
    if isinstance(v, bool):
        return v
    if v.lower() in ('yes', 'true', 't', 'y', '1'):
        return True
    elif v.lower() in ('no', 'false', 'f', 'n', '0'):
        return False
    else:
        raise argparse.ArgumentTypeError('Boolean value expected.')


def check_keyword_match_strict(content: str, keyword: str) -> bool:
    """
    严格关键词匹配：检查内容是否包含关键词（严格模式）
    
    Args:
        content: 要检查的内容文本
        keyword: 关键词（可以是单个关键词，也可以是逗号分隔的多个关键词）
    
    Returns:
        bool: 如果内容包含任意一个关键词返回True，否则返回False
    """
    if not content or not keyword:
        return False
    
    # 清理HTML标签
    clean_content = re.sub(r"<.*?>", "", content)
    # 转换为小写进行匹配
    clean_content_lower = clean_content.lower()
    
    # 支持多个关键词（逗号分隔），只要匹配任意一个即可
    keywords = [k.strip().lower() for k in keyword.split(",") if k.strip()]
    
    # 检查内容是否包含任意一个关键词
    for kw in keywords:
        if kw in clean_content_lower:
            return True
    
    return False


def check_keyword_match_fuzzy(content: str, keyword: str) -> bool:
    """
    模糊关键词匹配：检查内容是否包含关键词（模糊模式，支持部分匹配）
    
    Args:
        content: 要检查的内容文本
        keyword: 关键词（可以是单个关键词，也可以是逗号分隔的多个关键词）
    
    Returns:
        bool: 如果内容包含任意一个关键词（或关键词的部分）返回True，否则返回False
    """
    if not content or not keyword:
        return False
    
    # 清理HTML标签
    clean_content = re.sub(r"<.*?>", "", content)
    # 转换为小写进行匹配
    clean_content_lower = clean_content.lower()
    
    # 支持多个关键词（逗号分隔），只要匹配任意一个即可
    keywords = [k.strip().lower() for k in keyword.split(",") if k.strip()]
    
    # 检查内容是否包含任意一个关键词（或关键词的部分）
    for kw in keywords:
        # 精确匹配
        if kw in clean_content_lower:
            return True
        # 模糊匹配：如果关键词长度>=3，检查是否包含关键词的主要部分
        if len(kw) >= 3:
            # 去除空格后匹配
            kw_no_space = kw.replace(" ", "")
            content_no_space = clean_content_lower.replace(" ", "")
            if kw_no_space in content_no_space:
                return True
            # 检查关键词的前半部分（至少2个字符）
            if len(kw) >= 4:
                half_kw = kw[:len(kw)//2]
                if half_kw in clean_content_lower:
                    return True
    
    return False


def check_keyword_match_with_modes(content: str, strict_keywords: str = None, fuzzy_keywords: str = None) -> bool:
    """
    使用精确和模糊两种模式检查关键词匹配
    
    Args:
        content: 要检查的内容文本
        strict_keywords: 精确匹配关键词（逗号分隔）
        fuzzy_keywords: 模糊匹配关键词（逗号分隔）
    
    Returns:
        bool: 如果内容匹配任意一个关键词（精确或模糊）返回True，否则返回False
    """
    # 先检查精确匹配关键词
    if strict_keywords:
        if check_keyword_match_strict(content, strict_keywords):
            return True
    
    # 再检查模糊匹配关键词
    if fuzzy_keywords:
        if check_keyword_match_fuzzy(content, fuzzy_keywords):
            return True
    
    return False