package linkmeta

import (
	"bytes"
	"strings"

	"golang.org/x/text/encoding/htmlindex"
	"golang.org/x/text/transform"
)

// charset.go 负责把响应字节解成 UTF-8 字符串。
//
// 为什么必须做：老派中文站点（以及不少论坛/院校站）仍在用 GBK/GB2312/Big5，
// 直接当 UTF-8 读会得到一串替换字符，卡片标题就成了乱码。与其显示乱码，
// 不如抓对——这是纯展示层的事，不该让站主去改对方的编码。

// decode 按「HTTP 头声明 → 文档里的 <meta charset> → UTF-8」的优先级解码。
// 已经是 UTF-8/ASCII 时原样返回，不绕转换管线。
func decode(raw []byte, contentType string) string {
	raw = bytes.TrimPrefix(raw, []byte("\ufeff")) // UTF-8 BOM
	name := charsetFromHeader(contentType)
	if name == "" {
		// meta 标签本身是 ASCII（GBK/Big5 都是 ASCII 超集），
		// 所以从未解码的原始字节里嗅探是安全的，只看文档开头。
		name = charsetFromMeta(raw)
	}
	if name == "" || isUTF8(name) {
		return string(raw)
	}
	enc, err := htmlindex.Get(name)
	if err != nil {
		return string(raw) // 没见过的字符名：按 UTF-8 尽力而为
	}
	out, _, err := transform.Bytes(enc.NewDecoder(), raw)
	if err != nil && len(out) == 0 {
		return string(raw)
	}
	return string(out)
}

func charsetFromHeader(ct string) string {
	for _, part := range strings.Split(ct, ";") {
		kv := strings.SplitN(strings.TrimSpace(part), "=", 2)
		if len(kv) == 2 && strings.EqualFold(kv[0], "charset") {
			return normalizeCharset(strings.Trim(kv[1], `"'`))
		}
	}
	return ""
}

var (
	metaCharset = []byte("charset=")
)

// charsetFromMeta 在文档开头找 <meta charset="x"> 或
// <meta http-equiv="Content-Type" content="...; charset=x">。
func charsetFromMeta(raw []byte) string {
	head := raw
	if len(head) > 2048 {
		head = head[:2048] // 声明一定在前，不必扫全文
	}
	lower := bytes.ToLower(head)
	i := bytes.Index(lower, metaCharset)
	if i < 0 {
		return ""
	}
	rest := head[i+len(metaCharset):]
	if len(rest) == 0 {
		return ""
	}
	// 值可能被引号包住；带引号时以配对引号收尾，不带时到引号/空格/;/  >  为止
	// （不闭合的引号也当结束——http-equiv 写法里值是 content="...; charset=gbk"，
	// 未加引号的 charset 值正好以那个收尾引号终止）
	if q := rest[0]; q == '"' || q == '\'' {
		rest = rest[1:]
		if end := bytes.IndexByte(rest, q); end >= 0 {
			rest = rest[:end]
		}
	} else if end := bytes.IndexAny(rest, `"' ;>`); end >= 0 {
		rest = rest[:end]
	}
	return normalizeCharset(string(rest))
}

func normalizeCharset(s string) string {
	s = strings.ToLower(strings.TrimSpace(s))
	// HTML 标准与 IANA 的常见别名统一成 htmlindex 认得的名字
	switch s {
	case "gb2312", "gb_2312", "gb-2312":
		return "gbk" // GBK 是 GB2312 的超集，按声明的 GB2312 解会漏字
	case "x-sjis":
		return "shift_jis"
	case "euckr", "kr":
		return "euc-kr"
	case "utf8", "utf-8", "ascii", "us-ascii", "":
		return s
	}
	return s
}

func isUTF8(name string) bool {
	switch name {
	case "", "utf-8", "utf8", "ascii", "us-ascii":
		return true
	}
	return false
}