#!/usr/bin/python3

from glob import glob
from lxml import etree
import re
from copy import deepcopy

class MassageLink(etree.XSLTExtension):
    def execute(self, context, self_node, input_node, output_parent):
        link = etree.Element("a")

        ref = input_node.attrib["ref"]
        term = re.match("^[^#. ]+", ref).group(0)
        if input_node.text == "ce mot":
            link.text = term.lower()
        else:
            link.text = input_node.text.lower()
        link.attrib["style"] = "font-variant: small-caps"
        link.attrib["href"] = f"q://d?&{term.upper()}"
        output_parent.append(link)

xslt_entree = etree.XSLT(etree.parse("XMLittre-entree.xslt"),
                         extensions={("xmlittre", "massagelink"): MassageLink()})

class Parser:
    def __init__(self):
        self.entrees = {}

    def parse_file(self, fname):
        fxml = etree.parse(fname)
        root = fxml.getroot()
        for entree in root.getchildren():
            assert entree.tag == "entree"
            terme = entree.attrib["terme"]
            termes, sous_titre = massage_terme(terme)

            entree_html = xslt_entree(entree)
            entree_text = str(entree_html)
            # entree_text = entree_text.replace("\n", "")
            entree_text = re.sub(r"\s+|\n", " ", entree_text)
            assert entree_text.startswith("<div>") and entree_text.endswith("</div>")
            entree_text = entree_text[5:]
            entree_text = entree_text[:-6]

            if termes not in self.entrees:
                self.entrees[termes] = []

            self.entrees[termes].append((sous_titre, entree_text))

    def writeout(self, fname):
        with open(fname, "w") as f:
            for termes in self.entrees:
                f.write(", ".join(termes))
                f.write("\t")
                if len(self.entrees[termes]) > 1:
                    for i, (sous_titre, entree) in enumerate(self.entrees[termes]):
                        if sous_titre:
                            f.write(f"<h2>{i+1}. {sous_titre}</h2>")
                        else:
                            f.write(f"<h2>{i+1}. {','.join(termes)}</h2>")
                        f.write(entree)
                else:
                    sous_titre, entree = self.entrees[termes][0]
                    if sous_titre:
                        f.write(f"<h2>{sous_titre}</h2>")
                    f.write(entree)
                f.write("\n")

def massage_terme(terme):
    vedettes = re.split(r"[ ,](?:[A-Z]?[a-zéêèàç-]+[ ,']*)+", terme)
    vedettes = list(filter(None, vedettes))
    sous_terme = None
    if len(vedettes) > 1:
        sous_terme = terme
    retval = []
    for v in vedettes:
        m = re.match(r"^(.*) \((.*)\)$", v)
        if m:
            if m.group(2)[-1] == "'":
                space = ""
            else:
                space = " "
            v = f"{m.group(2)}{space}{m.group(1)}"
            if sous_terme:
                sous_terme = sous_terme.replace(m.group(0), v)
        formes = v.split(",")
        if len(formes) > 1:
            v = formes[0]
            sous_terme = terme
        retval.append(v)
    return (tuple(retval), sous_terme)

def test_massage_terme():
    assert massage_terme("ÉTANCHE") == (("ÉTANCHE",), None)
    assert massage_terme("ÉREINTÉ, ÉE") == (("ÉREINTÉ",), "ÉREINTÉ, ÉE")
    assert massage_terme("CLÉ ou CLEF") == (("CLÉ", "CLEF"), "CLÉ ou CLEF")
    assert massage_terme("HÉMORRAGIE, suivant le dictionnaire de l'Académie, mais mieux HÉMORRHAGIE") == \
        (("HÉMORRAGIE", "HÉMORRHAGIE"), "HÉMORRAGIE, suivant le dictionnaire de l'Académie, mais mieux HÉMORRHAGIE")
    assert massage_terme("QUINDÉCEMVIRS ou mieux QUINDÉCIMVIRS puisque le latin est quindecimviri") \
        == (("QUINDÉCEMVIRS", "QUINDÉCIMVIRS"), "QUINDÉCEMVIRS ou mieux QUINDÉCIMVIRS puisque le latin est quindecimviri")
    assert massage_terme("DÉVOUEMENT, ou comme quelques-uns écrivent, dit l'Académie, DÉVOÛMENT") == (("DÉVOUEMENT", "DÉVOÛMENT"), "DÉVOUEMENT, ou comme quelques-uns écrivent, dit l'Académie, DÉVOÛMENT")
    assert massage_terme("HÉMA- ou HÉMO- ou HÉMATO-") == (("HÉMA-", "HÉMO-", "HÉMATO-"), "HÉMA- ou HÉMO- ou HÉMATO-")
    assert massage_terme("DIVINIS (A)") == (("A DIVINIS",), None)
    assert massage_terme("BORDEAUX (VIN DE) ou vulgairement et en termes de commerce BORDEAUX") == \
        (("VIN DE BORDEAUX", "BORDEAUX"), "VIN DE BORDEAUX ou vulgairement et en termes de commerce BORDEAUX")

def main():
    p = Parser()
    for fname in sorted(glob("../xmlittre-data/?.xml")):
        print(f"Running on {fname}")
        p.parse_file(fname)
    p.writeout("XMLittre.tab_separated")

if __name__ == "__main__":
    main()