"""پاک‌سازی ورودی‌های غنی در زمان ذخیره.

بدنه مقاله‌ها سند TipTap (ProseMirror) است و فرانت‌اند همان را با
renderToHTMLString به HTML تبدیل و مستقیم تزریق می‌کند؛ متن گره‌ها در آن
مسیر escape می‌شود، اما آدرس‌های href/src عیناً وارد HTML می‌شوند — پس
اسکیم‌های خطرناک (javascript: و data: و ...) باید در سمت سرور حذف شوند.
"""

from __future__ import annotations

from typing import Any
from urllib.parse import urlparse

# اسکیم‌های مجاز برای href/src — مسیرهای نسبی و لنگر هم بی‌اسکیم‌اند و می‌گذرند
SAFE_URL_SCHEMES = {"http", "https", "mailto", "tel"}
URL_ATTRS = ("href", "src")


def _clean_url(value: Any) -> str | None:
    """آدرس امن را برمی‌گرداند؛ در غیر این صورت None (مشخصه حذف می‌شود)."""
    if not isinstance(value, str):
        return value if value is not None else None
    stripped = value.strip().replace("\n", "").replace("\r", "").replace("\t", "")
    if not stripped:
        return None
    parsed = urlparse(stripped)
    if parsed.scheme and parsed.scheme.lower() not in SAFE_URL_SCHEMES:
        return None
    return stripped


def _is_junk_paragraph(node: Any) -> bool:
    """پاراگراف خالی یا فقط نویسهٔ خنثی (nbsp/فاصله) — داخل نقل‌قول حذف می‌شود."""
    if not isinstance(node, dict) or node.get("type") != "paragraph":
        return False
    content = node.get("content") or []
    if not content:
        return True
    return all(
        isinstance(item, dict)
        and item.get("type") == "text"
        and not str(item.get("text", "")).replace("\xa0", " ").strip()
        for item in content
    )


def _lift_lists_flat(node: Any) -> list[Any]:
    """گره را به دنباله‌ای از گره‌های نرمال تبدیل می‌کند — نقل‌قول‌های داخل
    آیتم فهرست به سطح خود فهرست می‌آیند تا خط مسی همهٔ نقل‌قول‌ها یک‌خط شود."""
    if not isinstance(node, dict):
        return [node]
    flat_content: list[Any] = []
    for child in node.get("content") or []:
        flat_content.extend(_lift_lists_flat(child))
    node["content"] = flat_content

    if node.get("type") not in ("bulletList", "orderedList"):
        return [node]

    rebuilt: list[Any] = []
    pending_items: list[Any] = []
    for li in node.get("content") or []:
        if not isinstance(li, dict) or li.get("type") != "listItem":
            pending_items.append(li)
            continue
        parts: list[list[Any]] = [[]]
        for child in li.get("content") or []:
            if isinstance(child, dict) and child.get("type") == "blockquote":
                parts.append(child)
                parts.append([])
            else:
                parts[-1].append(child)
        if len(parts) == 1:
            pending_items.append(li)
            continue
        if parts[0]:
            li["content"] = parts[0]
            pending_items.append(li)
        for part in parts[1:]:
            if isinstance(part, dict) and part.get("type") == "blockquote":
                if pending_items:
                    rebuilt.append({**node, "content": pending_items})
                    pending_items = []
                rebuilt.append(part)
            else:
                pending_items.extend(part)
    if pending_items:
        rebuilt.append({**node, "content": pending_items})
    return rebuilt


def _lift_doc(doc: Any) -> Any:
    lifted = _lift_lists_flat(doc)
    if len(lifted) == 1 and isinstance(lifted[0], dict) and lifted[0].get("type") == "doc":
        return lifted[0]
    content: list[Any] = []
    for part in lifted:
        if isinstance(part, dict) and part.get("type") == "doc":
            content.extend(part.get("content") or [])
        else:
            content.append(part)
    return {"type": "doc", "content": content}


def _walk(node: Any) -> Any:
    if isinstance(node, list):
        return [_walk(item) for item in node]
    if not isinstance(node, dict):
        return node
    cleaned: dict[str, Any] = {}
    for key, value in node.items():
        if key == "attrs" and isinstance(value, dict):
            attrs = dict(value)
            for attr in URL_ATTRS:
                if attr in attrs:
                    cleaned_url = _clean_url(attrs[attr])
                    if cleaned_url is None:
                        attrs.pop(attr, None)
                    else:
                        attrs[attr] = cleaned_url
            cleaned[key] = attrs
        else:
            cleaned[key] = _walk(value)
    # داخل نقل‌قول: پاراگراف‌های خالی/نویسهٔ خنثی حذف — وگرنه خط خالی اضافه رندر می‌شود
    if cleaned.get("type") == "blockquote" and isinstance(cleaned.get("content"), list):
        cleaned["content"] = [c for c in cleaned["content"] if not _is_junk_paragraph(c)]
    return cleaned


def sanitize_doc(doc: Any) -> Any:
    """سند TipTap را درجا پاک می‌کند (سایر ساختارها دست‌نخورده برمی‌گردند)."""
    if not isinstance(doc, dict):
        return doc
    walked = _walk(doc)
    return _lift_doc(walked)