import os
import re
from urllib.parse import urljoin
import requests
from bs4 import BeautifulSoup
import openpyxl

# ==========================================
# [설정 항목] 환경에 맞게 파일명을 수정하세요
# ==========================================
INPUT_EXCEL_PATH = r"C:\Users\hehih\ownCloud\알바\전라남도\전라남도_홈페이지_사이트_r4.xlsx"       # 원본 엑셀 파일 경로
OUTPUT_EXCEL_PATH = r"C:\Users\hehih\ownCloud\알바\전라남도\전라남도_홈페이지_사이트_r4_ai.xlsx"   # 결과 저장 파일 경로
BASE_DOMAIN = "https://www.jeonnam.go.kr/" # 기본 도메인 주소

# 요청 헤더 설정 (우회용 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 analyze_content(soup_element):
    """
    지정된 본문 BeautifulSoup 엘리먼트를 분석하여 저작물 유형 8종을 판별합니다.
    """
    if not soup_element:
        return "없음"

    detected_types = []
    
    # 전체 텍스트 및 HTML 소스 추출
    text_content = soup_element.get_text(strip=True)
    html_source = str(soup_element).lower()

    # 1. 어문 판별 (공백 제외 순수 텍스트 존재 여부)
    if text_content:
        detected_types.append("어문")

    # 2. 이미지 판별 (인라인 배경 이미지 또는 유효한 img 태그)
    has_valid_image = False
    # 인라인 스타일 background-image 검사
    if "background-image" in html_source:
        has_valid_image = True
    else:
        # img 태그 검사 (지정된 예외 패턴 처리)
        for img in soup_element.find_all("img"):
            src = img.get("src", "")
            if src and "/home/bbs/img/new_img_opentype" not in src:
                has_valid_image = True
                break
                
    if has_valid_image:
        detected_types.append("이미지")

    # 3. 영상 판별
    video_extensions = [".mp4", ".avi", ".mkv", ".wmv", ".mov", ".flv"]
    has_video = any(tag in html_source for tag in ["<video", "<iframe", "<embed", "<object", "youtube.com", "youtu.be"])
    if not has_video:
        # 확장자 링크 검사
        for a in soup_element.find_all("a", href=True):
            if any(a["href"].lower().endswith(ext) for ext in video_extensions):
                has_video = True
                break
    if has_video:
        detected_types.append("영상")

    # 4. 오디오 판별
    audio_extensions = [".mp3", ".wav", ".ogg", ".wma", ".m4a"]
    has_audio = "<audio" in html_source
    if not has_audio:
        for a in soup_element.find_all("a", href=True):
            if any(a["href"].lower().endswith(ext) for ext in audio_extensions):
                has_audio = True
                break
    if has_audio:
        detected_types.append("오디오")

    # 5. 글꼴 판별
    font_extensions = [".ttf", ".woff", ".woff2", ".otf", ".eot"]
    has_font = "@font-face" in html_source
    if not has_font:
        for link in soup_element.find_all(["link", "a"], href=True):
            if any(link["href"].lower().endswith(ext) for ext in font_extensions):
                has_font = True
                break
    if has_font:
        detected_types.append("글꼴")

    # 6. 3D 판별
    d_extensions = [".obj", ".gltf", ".glb", ".fbx", ".3ds"]
    has_3d = "webgl" in html_source or "<canvas" in html_source
    if not has_3d:
        for a in soup_element.find_all("a", href=True):
            if any(a["href"].lower().endswith(ext) for ext in d_extensions):
                has_3d = True
                break
    if has_3d:
        detected_types.append("3D")

    # 7. 기타 판별 (본문에 글/미디어가 없으나 문서 첨부파일만 덩그러니 있는 경우)
    if not text_content and not has_valid_image and not has_video and not has_audio and not has_font and not has_3d:
        doc_extensions = [".zip", ".pdf", ".hwp", ".docx", ".xlsx", ".pptx"]
        for a in soup_element.find_all("a", href=True):
            if any(a["href"].lower().endswith(ext) for ext in doc_extensions):
                detected_types.append("기타")
                break

    # 8. 없음 판별
    if not detected_types:
        return "없음"

    # 중복 제거 후 콤마로 연결하여 반환
    return ", ".join(dict.fromkeys(detected_types))


def main():
    if not os.path.exists(INPUT_EXCEL_PATH):
        print(f"[오류] 입력 파일 '{INPUT_EXCEL_PATH}'을 찾을 수 없습니다.")
        return

    # openpyxl로 기존 서식을 유지하며 파일 로드
    wb = openpyxl.load_workbook(INPUT_EXCEL_PATH, data_only=False)
    sheet = wb.active

    print("==================================================")
    print("🚀 웹 스크래이핑 및 저작물 유형 자동 분류를 시작합니다.")
    print("==================================================")

    # 4행부터 데이터 영역 순회
    for row_idx in range(4, sheet.max_row + 1):
        k_val = sheet.cell(row=row_idx, column=11).value  # K열: URL 주소
        l_val = sheet.cell(row=row_idx, column=12).value  # L열: 게시판형태

        # 조건 필터링: L열이 '게시판' 또는 '페이지'이고 K열에 주소가 있는 경우만 진행
        if not k_val or l_val not in ["게시판", "페이지"]:
            continue

        target_url = str(k_val).strip()
        # 상대 경로일 경우 기본 도메인과 결합
        if target_url.startswith("/"):
            target_url = urljoin(BASE_DOMAIN, target_url)

        row_results = []

        try:
            if l_val == "게시판":
                print(f"\n[행 {row_idx}] 📋 게시판 목록 스캔 중: {target_url}")
                res = requests.get(target_url, headers=HEADERS, timeout=10)
                if res.status_code != 200:
                    print(f"  └ [접속 실패] Status Code: {res.status_code}")
                    continue

                soup = BeautifulSoup(res.text, "html.parser")
                
                # 목록에서 상세 페이지로 이동하는 <a> 태그 수집
                detail_links = []
                title_tds = soup.find_all("td", class_="title")
                
                for td in title_tds:
                    a_tag = td.find("a", href=True)
                    if a_tag:
                        href = a_tag["href"]
                        full_detail_url = urljoin(BASE_DOMAIN, href)
                        detail_links.append(full_detail_url)

                # 상위 최대 5개로 제한 규칙 적용
                detail_links = detail_links[:5]
                print(f"  └ 수집된 상세글 링크 개수: {len(detail_links)}개")

                # 수집된 상세 페이지 순회 분석
                for d_url in detail_links:
                    print(f"  └ 🔍 상세 페이지 분석 중: {d_url}")
                    d_res = requests.get(d_url, headers=HEADERS, timeout=10)
                    if d_res.status_code == 200:
                        d_soup = BeautifulSoup(d_res.text, "html.parser")
                        # 사용자 지정 게시판 본문 영역 태그 탐색
                        content_area = d_soup.find(class_="bbs_view_contnet")
                        
                        if content_area:
                            res_type = analyze_content(content_area)
                            row_results.append(res_type)
                        else:
                            row_results.append("없음")
                    else:
                        print(f"    └ [상세 페이지 접속 실패] Status Code: {d_res.status_code}")

            elif l_val == "페이지":
                print(f"\n[행 {row_idx}] 🌐 페이지 다이렉트 스캔 중: {target_url}")
                res = requests.get(target_url, headers=HEADERS, timeout=10)
                if res.status_code != 200:
                    print(f"  └ [접속 실패] Status Code: {res.status_code}")
                    continue

                soup = BeautifulSoup(res.text, "html.parser")
                # 사용자 지정 일반 페이지 본문 영역 태그 탐색
                content_area = soup.find("article", class_="container")
                
                if content_area:
                    res_type = analyze_content(content_area)
                    row_results.append(res_type)
                else:
                    row_results.append("없음")

            # 행별 최종 결과 도출 (다중 상세글 결과 병합 및 중복 제거)
            if row_results:
                combined_items = []
                for res_str in row_results:
                    if res_str and res_str != "없음":
                        combined_items.extend([item.strip() for item in res_str.split(",")])
                
                final_status = ", ".join(dict.fromkeys(combined_items)) if combined_items else "없음"
            else:
                final_status = "없음"

            # 기존 스타일 유지하며 N열(14번째 열)에 데이터 기록
            sheet.cell(row=row_idx, column=14).value = final_status
            print(f"  🎯 [분류 완료] 행 {row_idx} -> N열 기입 값: {final_status}")

        except Exception as e:
            print(f"  ❌ [에러 발생] 행 {row_idx} 처리 중 오류: {e}")
            sheet.cell(row=row_idx, column=14).value = "오류 발생"

    # 기존 서식을 유지한 채 최종 파일 저장
    wb.save(OUTPUT_EXCEL_PATH)
    wb.close()
    print("\n==================================================")
    print(f"🎉 모든 작업이 완료되었습니다! 파일이 안전하게 저장되었습니다.")
    print(f"📂 결과 파일 경로: {os.path.abspath(OUTPUT_EXCEL_PATH)}")
    print("==================================================")

if __name__ == "__main__":
    main()