import re
import time
import openpyxl
import requests
from bs4 import BeautifulSoup

# ==========================================
# [설정 항목] 파일 경로 및 기본 URL 설정
# ==========================================
INPUT_FILE_PATH = r"C:\Users\hehih\ownCloud\알바\교육부\교육부_사이트맵_완료.xlsx"       # 원본 엑셀 파일 경로
OUTPUT_FILE_PATH = r"C:\Users\hehih\ownCloud\알바\교육부\교육부_사이트맵_완료_ai.xlsx" # 결과가 저장될 엑셀 파일 경로
BASE_URL = "https://www.moe.go.kr"

# 요청 헤더 설정 (보안 방화벽 우회용 일반 User-Agent)
HEADERS = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"
}

def parse_javascript_go_view(href_text):
    """
    [이미지 반영 고도화] 
    javascript:goView('72752','104296','0','','W','','','') 형태에서
    각 매개변수를 추출하여 실제 시스템 함수와 똑같은 URL 규칙으로 조립합니다.
    """
    # 싱글 쿼테이션 안의 인자값들을 순서대로 추출
    pattern = r"goView\s*\(\s*'([^']*)'\s*,\s*'([^']*)'\s*,\s*'([^']*)'\s*,\s*'([^']*)'\s*,\s*'([^']*)'\s*,\s*'([^']*)'\s*,\s*'([^']*)'\s*,\s*'([^']*)'\s*\)"
    match = re.search(pattern, href_text)
    
    if match:
        # 이미지에 정의된 변수 순서대로 매핑
        reqBoardID   = match.group(1) # '72752'
        reqBoardSeq  = match.group(2) # '104296'
        reqLev       = match.group(3) # '0'
        reqSecYN     = match.group(4) # ''
        reqStatusYN  = match.group(5) # 'W'
        reqCurrPage  = match.group(6) # ''
        reqWriterYN  = match.group(7) # ''
        reqDept      = match.group(8) # ''
        
        # 기본 예시 주소에 있던 메뉴값(m=010609) 및 사이트구분(s=moe) 고정 반영
        # 이미지의 변수 결합 순서 완벽 재현
        detail_url = (
            f"{BASE_URL}/boardCnts/viewRenew.do?"
            f"boardID={reqBoardID}"
            f"&boardSeq={reqBoardSeq}"
            f"&lev={reqLev}"
            f"&searchType=null"
            f"&statusYN={reqStatusYN}"
            f"&page={reqCurrPage}"
            f"&s=moe&m=010609" # $("#menuVal").val() 대응 고정값
            f"&opType=N"
        )
        return detail_url
        
    # 혹시 따옴표가 없거나 형태가 살짝 다른 변칙적 케이스 방어용 서브 패턴
    fallback_pattern = r"goView\s*\(\s*'([^']*)'\s*,\s*'([^']*)'"
    fb_match = re.search(fallback_pattern, href_text)
    if fb_match:
        return f"{BASE_URL}/boardCnts/viewRenew.do?boardID={fb_match.group(1)}&boardSeq={fb_match.group(2)}&lev=0&searchType=null&statusYN=W&page=&s=moe&m=010609&opType=N"
        
    return None

def analyze_content_area(soup):
    """
    본문 영역(<div id="content">)을 분석하여 저작물 유형 8종을 판별합니다.
    """
    content_div = soup.find("div", id="content")
    if not content_div:
        return "없음"
    
    # 공공누리 마크 영역 제거 (오판 방지)
    for skip_div in content_div.find_all("div", class_="codeView01"):
        skip_div.decompose()  
        
    pure_text = content_div.get_text(strip=True)
    html_source = str(content_div)
    
    types = []
    
    # 1. 어문 판별
    if pure_text:
        types.append("어문")
        
    # 2. 이미지 판별
    has_img = False
    if content_div.find("img"):
        has_img = True
    elif "background-image" in html_source.lower():
        has_img = True
        
    if has_img:
        types.append("이미지")
        
    # 3. 영상 판별
    video_tags = content_div.find_all(["video", "iframe", "embed", "object"])
    video_extensions = [".mp4", ".avi", ".mkv", ".wmv", ".mov", ".flv"]
    has_video = len(video_tags) > 0 or "youtube.com" in html_source or "youtu.be" in html_source
    if not has_video:
        for ext in video_extensions:
            if ext in html_source.lower():
                has_video = True
                break
    if has_video:
        types.append("영상")
        
    # 4. 오디오 판별
    audio_tags = content_div.find_all("audio")
    audio_extensions = [".mp3", ".wav", ".ogg", ".wma", ".m4a"]
    has_audio = len(audio_tags) > 0
    if not has_audio:
        for ext in audio_extensions:
            if ext in html_source.lower():
                has_audio = True
                break
    if has_audio:
        types.append("오디오")
        
    # 5. 글꼴 판별
    has_font = "@font-face" in html_source.lower()
    font_extensions = [".ttf", ".woff", ".woff2", ".otf", ".eot"]
    if not has_font:
        for ext in font_extensions:
            if ext in html_source.lower():
                has_font = True
                break
    if has_font:
        types.append("글꼴")
        
    # 6. 3D 판별
    canvas_tags = content_div.find_all("canvas")
    three_d_extensions = [".obj", ".gltf", ".glb", ".fbx", ".3ds"]
    has_3d = "webgl" in html_source.lower() or len(canvas_tags) > 0
    if not has_3d:
        for ext in three_d_extensions:
            if ext in html_source.lower():
                has_3d = True
                break
    if has_3d:
        types.append("3D")
        
    # 7. 기타 판별
    if not types:
        doc_extensions = [".zip", ".pdf", ".hwp", ".docx", ".xlsx", ".pptx"]
        has_doc = False
        for ext in doc_extensions:
            if ext in html_source.lower():
                has_doc = True
                break
        if has_doc:
            types.append("기타")
            
    # 8. 없음 판별
    if not types:
        return "없음"
        
    return ", ".join(types)

def process_audit_sheet():
    print("🚀 [시스템 연동 버전] 교육부 저작물 유형 수집 프로그램을 시작합니다.")
    
    # 엑셀 데이터 로드 (서식 완전 보존)
    wb = openpyxl.load_workbook(INPUT_FILE_PATH, data_only=False)
    sheet = wb.active
    
    max_row = sheet.max_row
    
    for row_idx in range(4, max_row + 1):
        k_val = sheet.cell(row=row_idx, column=11).value  # K열 (주소)
        l_val = sheet.cell(row=row_idx, column=12).value  # L열 (게시판형태)
        
        if not l_val or str(l_val).strip() not in ["게시판", "페이지"]:
            continue
            
        url = str(k_val).strip() if k_val else ""
        if not url.startswith("http"):
            continue
            
        l_type = str(l_val).strip()
        print(f"\n[행 {row_idx}] 형태: {l_type} | 주소: {url} 처리 중...")
        
        row_results = []
        
        try:
            time.sleep(1) # 방화벽 우회 안전 딜레이
            
            # --- L열이 '게시판' 일 때 ---
            if l_type == "게시판":
                response = requests.get(url, headers=HEADERS, timeout=10)
                if response.status_code != 200:
                    print(f"❌ 목록 페이지 접속 실패 (상태코드: {response.status_code})")
                    sheet.cell(row=row_idx, column=14).value = "목록 접속 실패"
                    continue
                    
                soup = BeautifulSoup(response.text, "html.parser")
                td_elements = soup.find_all("td", class_=lambda x: x and "title" in x and "left" in x)
                
                detail_links = []
                for td in td_elements:
                    a_tag = td.find("a")
                    if a_tag and a_tag.get("href"):
                        href = a_tag.get("href")
                        detail_url = parse_javascript_go_view(href)
                        if detail_url:
                            detail_links.append(detail_url)
                            
                # 상위 최대 5개 제한 규칙
                target_links = detail_links[:5]
                print(f"👉 발견된 상세 링크 수: {len(detail_links)}개 -> 상위 {len(target_links)}개 엔진 스캔")
                
                for d_url in target_links:
                    print(f"   └ 🔍 정밀 조립 주소 분석: {d_url}")
                    time.sleep(1)
                    
                    d_res = requests.get(d_url, headers=HEADERS, timeout=10)
                    if d_res.status_code == 200:
                        d_soup = BeautifulSoup(d_res.text, "html.parser")
                        res_type = analyze_content_area(d_soup)
                        row_results.append(res_type)
                    else:
                        print(f"   └ ❌ 상세 페이지 접속 실패 ({d_url})")
                        
            # --- L열이 '페이지' 일 때 ---
            elif l_type == "페이지":
                print(f"   └ 🔍 실시간 페이지 주소 스캔: {url}")
                response = requests.get(url, headers=HEADERS, timeout=10)
                if response.status_code == 200:
                    soup = BeautifulSoup(response.text, "html.parser")
                    res_type = analyze_content_area(soup)
                    row_results.append(res_type)
                else:
                    print(f"   └ ❌ 페이지 접속 실패 (상태코드: {response.status_code})")
                    sheet.cell(row=row_idx, column=14).value = "페이지 접속 실패"
                    continue
                    
            # --- 결과 기입 (서식 유지 및 N열 타겟팅) ---
            if row_results:
                final_types = set()
                for r in row_results:
                    if r != "없음":
                        for item in r.split(", "):
                            final_types.add(item)
                            
                result_str = ",".join(sorted(list(final_types))) if final_types else "없음"
                sheet.cell(row=row_idx, column=14).value = result_str
                print(f"🎯 [행 {row_idx}] 최종 결과 저장 완료: {result_str}")
            else:
                sheet.cell(row=row_idx, column=14).value = "분석 불가"
                
        except Exception as e:
            print(f"❌ [행 {row_idx}] 크리티컬 에러: {e}")
            sheet.cell(row=row_idx, column=14).value = "에러 발생"
            
    # 파일 최종 저장
    wb.save(OUTPUT_FILE_PATH)
    print(f"\n🎉 모든 분석이 성공적으로 끝났습니다!\n결과 경로: {OUTPUT_FILE_PATH}")

if __name__ == "__main__":
    process_audit_sheet()