#!/bin/bash
# verify_article.sh — Prüft Artikel-HTML auf Einhaltung aller redaktionellen Standards
# Usage: ./verify_article.sh <artikel_datei.html>
# Exit 0 = alle Checks bestanden, Exit 1 = Fehler gefunden
# 
# Aufruf aus Cronjobs: bash /home/hermes/workspace/verify_article.sh /home/hermes/workspace/artikel_*.html

set -euo pipefail

FILE="${1:-}"
ERRORS=0
WARNINGS=0

RED='\033[0;31m'
GREEN='\033[0;32m'
YELLOW='\033[0;33m'
NC='\033[0m' # No Color

ok()   { echo -e "${GREEN}✅ $1${NC}"; }
fail() { echo -e "${RED}❌ $1${NC}"; ERRORS=$((ERRORS+1)); }
warn() { echo -e "${YELLOW}⚠️  $1${NC}"; WARNINGS=$((WARNINGS+1)); }

if [ -z "$FILE" ] || [ ! -f "$FILE" ]; then
    echo "Usage: $0 <artikel_datei.html>"
    exit 1
fi

echo "=== Verifiziere: $FILE ==="
echo ""

# ── CHECK 1: Exactly one read-more ──────────────────────────────────
# Nur echte HTML-Tags zählen, nicht &lt;hr...&gt; Referenzen in QC-Zeilen
READMORE_COUNT=$(grep -c '<hr id="system-readmore"' "$FILE" || true)
if [ "$READMORE_COUNT" = "1" ]; then
    ok "Read-More: genau 1"
elif [ "$READMORE_COUNT" = "0" ]; then
    fail "Read-More: KEIN <hr id=\"system-readmore\" /> gefunden"
else
    fail "Read-More: $READMORE_COUNT Stück (muss genau 1 sein)"
fi

# ── CHECK 2: No <br> immediately after read-more ────────────────────
if grep -A1 'system-readmore' "$FILE" | grep -q '<br'; then
    fail "<br> direkt nach Read-More (erzeugt doppelte Linie)"
else
    ok "Kein <br> nach Read-More"
fi

# ── CHECK 3: Kein <div class="meta"> (nur <p class="meta"> erlaubt) ──
if grep -q '<div class="meta">' "$FILE"; then
    fail "<div class=\"meta\"> statt <p class=\"meta\"> (article_server regex schlägt fehl)"
else
    ok "<p class=\"meta\"> korrekt (oder nicht vorhanden — System setzt Datum)"
fi

# ── CHECK 4: No emojis in article body (QC line excluded) ──────────
# Extract body between <article> and </article>, strip everything from QC line onward
BODY=$(sed -n '/<article>/,/<\/article>/p' "$FILE" | sed '/<p class="qc">/,$d')
if echo "$BODY" | python3 -c "import sys,re; t=sys.stdin.read(); sys.exit(0 if re.search(r'[\U0001F300-\U0001F9FF\U00002600-\U000027BF\U0001F600-\U0001F64F]',t) else 1)"; then
    fail "Emojis im Artikel-Body gefunden"
else
    ok "Keine Emojis"
fi

# ── CHECK 5: File ends with </html> ─────────────────────────────────
LAST_LINE=$(tail -1 "$FILE")
if echo "$LAST_LINE" | grep -q '</html>'; then
    ok "Datei endet mit </html>"
else
    fail "Letzte Zeile ist nicht </html> (Fremd-Content nach Artikel-Ende?)"
fi

# ── CHECK 6: No meta-line in body (title, date, reading time) ───────
if echo "$BODY" | grep -qP '<p[^>]*>.*\d{1,2}\.\s+\w+\s+\d{4}.*·.*Lesezeit'; then
    fail "Meta-Zeile im Body (Datum · Lesezeit) — macht Article-Server selbst!"
fi

# ── CHECK 7: Sources heading uses span-strong, not h2 ───────────────
if echo "$BODY" | grep -q '<h2>Quellen</h2>'; then
    fail "<h2>Quellen</h2> statt <span><strong>Quellen</strong></span>"
else
    ok "Quellen-Überschrift korrekt (kein <h2>)"
fi

# ── CHECK 8: All links have target="_blank" ─────────────────────────
LINKS_TOTAL=$(echo "$BODY" | grep -o '<a ' | wc -l)
LINKS_BLANK=$(echo "$BODY" | grep -o 'target="_blank"' | wc -l)
if [ "$LINKS_TOTAL" -gt 0 ] && [ "$LINKS_TOTAL" != "$LINKS_BLANK" ]; then
    MISSING=$((LINKS_TOTAL - LINKS_BLANK))
    fail "$MISSING von $LINKS_TOTAL Links ohne target=\"_blank\""
else
    ok "Alle $LINKS_TOTAL Links mit target=\"_blank\""
fi

# ── CHECK 9: Meta description present ───────────────────────────────
if grep -q '<meta name="description" content="[^"]*[a-zA-Z]' "$FILE"; then
    ok "Meta-Description vorhanden"
else
    fail "Meta-Description fehlt oder leer"
fi

# ── CHECK 10: KEINE QC-Zeile im Artikel (AAA/AA/A-Ratings sind intern!) ──
if echo "$BODY" | grep -qP 'QC:\s*(AAA|AA|A)='; then
    fail "QC-Zeile mit Quellen-Ratings (AAA/AA/A) im Artikel — das sind interne Geschäftsgeheimnisse! Muss entfernt werden."
else
    ok "Keine QC-Ratings im Artikel"
fi

# ── CHECK 11: Autoren gegen BGG verifizieren ─────────────────────────
echo ""
echo "--- BGG Autoren-Faktencheck ---"
AUTHOR_CHECK=$(python3 /home/hermes/workspace/check_authors.py "$FILE" 2>&1)
AUTHOR_EXIT=$?
echo "$AUTHOR_CHECK"
if [ $AUTHOR_EXIT -eq 1 ]; then
    ERRORS=$((ERRORS + 1))
elif [ $AUTHOR_EXIT -eq 2 ]; then
    WARNINGS=$((WARNINGS + 1))
fi

# ── CHECK 12: Keine XML-API-Referenzen im Artikel ──────────────────
if echo "$BODY" | grep -qiP 'xml\s*api|XMLAPI|xmlapi|betriebsgeheimnis'; then
    fail "XML-API-Referenz oder 'Betriebsgeheimnis' im Artikel (nicht leser-tauglich)"
else
    ok "Keine XML-API-Referenzen"
fi

# ── CHECK 13: Quellen-Block muss klickbare Links enthalten ──────────
# Sucht Quellen-Überschrift (h2, span, strong) und prüft ob danach Links kommen
SOURCES_SECTION=$(echo "$BODY" | sed -n '/<h2>Quellen<\/h2>/,$p; /<span.*>.*Quellen.*<\/span>/,$p' || echo "")
if [ -n "$SOURCES_SECTION" ]; then
    SOURCE_LINKS=$(echo "$SOURCES_SECTION" | grep -c '<a href=' || true)
    if [ "$SOURCE_LINKS" -eq 0 ]; then
        fail "Quellen-Block ohne klickbare Links (nur Fließtext)"
    else
        ok "Quellen-Block mit $SOURCE_LINKS klickbaren Links"
    fi
else
    fail "Kein Quellen-Block gefunden (h2/span>Quellen fehlt)"
fi

# ── CHECK 14: Dachzeile vorhanden (div unter h1 mit border-bottom) ──
if echo "$BODY" | grep -qP '<div style="[^"]*border-bottom:2px solid #e0e0e0[^"]*"'; then
    ok "Dachzeile vorhanden"
else
    fail "Dachzeile fehlt (grauer Div-Balken unter h1)"
fi

# ── CHECK 15: Infobox vorhanden (f0f4f8 Hintergrund) ─────────────────
if echo "$BODY" | grep -q 'background:#f0f4f8'; then
    ok "Infobox vorhanden"
else
    fail "Infobox fehlt (Fakten-Tabelle mit #f0f4f8 Hintergrund)"
fi

# ── CHECK 16: Read-More NACH erstem Text-Absatz (Daniel 23.06.2026) ──
# NICHT "vor erstem h2" — sondern: der erste echte <p>-Absatz (nach <p class="meta">)
# MUSS VOR dem Read-More stehen. Read-More gehört ZWISCHEN Absatz 1 und Absatz 2.
READMORE_LINE=$(grep -n '<hr id="system-readmore"' "$FILE" | head -1 | cut -d: -f1)
# Finde den ersten echten <p> (nicht meta, nicht qc)
FIRST_P=$(grep -n '^<p>' "$FILE" | grep -v 'class="meta"' | grep -v 'class="qc"' | head -1 | cut -d: -f1 || echo "")
if [ -z "$FIRST_P" ]; then
    warn "Kein <p>-Absatz gefunden — Read-More-Position nicht prüfbar"
elif [ "$FIRST_P" -lt "$READMORE_LINE" ]; then
    ok "Read-More NACH Absatz 1 — korrekt (Absatz Zeile $FIRST_P, Read-More Zeile $READMORE_LINE)"
else
    fail "Read-More VOR Absatz 1 (Zeile $READMORE_LINE < $FIRST_P). Intro fehlt — Joomla zeigt leere Vorschau!"
fi

# ── CHECK 17: JEDE Quelle im Quellen-Block hat <a href> ─────────────
# Extrahiere Quellen-Block (nach "Quellen" bis </ol>)
SRC_START=$(grep -n 'Quellen' "$FILE" | tail -1 | cut -d: -f1 || echo "")
if [ -n "$SRC_START" ]; then
    SRC_LI=$(sed -n "$SRC_START,\$p" "$FILE" | grep -c '<li>' || true)
    SRC_LINKED=$(sed -n "$SRC_START,\$p" "$FILE" | grep -c '<li>.*<a href=' || true)
    if [ "$SRC_LI" -eq 0 ]; then
        fail "Keine <li> im Quellen-Block"
    elif [ "$SRC_LI" != "$SRC_LINKED" ]; then
        UNLINKED=$((SRC_LI - SRC_LINKED))
        fail "$UNLINKED von $SRC_LI Quellen ohne <a href> Link"
    else
        ok "Alle $SRC_LI Quellen verlinkt"
    fi
fi

# ── CHECK 18: Recherchestand-Zeile vorhanden (nur Datum, keine Quellen-Wiederholung) ──
if echo "$BODY" | grep -q 'Recherchestand:'; then
    ok "Recherchestand-Zeile vorhanden"
else
    fail "Recherchestand-Zeile fehlt"
fi

# ── SUMMARY ─────────────────────────────────────────────────────────
echo ""
echo "═══════════════════════════════════════"
if [ $ERRORS -eq 0 ] && [ $WARNINGS -eq 0 ]; then
    echo -e "${GREEN}✅ ALLE CHECKS BESTANDEN${NC}"
    echo "═══════════════════════════════════════"
    exit 0
elif [ $ERRORS -eq 0 ]; then
    echo -e "${YELLOW}⚠️  $WARNINGS Warnung(en) — KEINE Fehler${NC}"
    echo "═══════════════════════════════════════"
    exit 0
else
    echo -e "${RED}❌ $ERRORS Fehler, $WARNINGS Warnungen${NC}"
    echo "═══════════════════════════════════════"
    exit 1
fi