#!/usr/bin/env python3
"""
post-process-docx.py
====================

Wird auf das von Pandoc erzeugte DOCX angewendet, NACH `build.ps1`. Macht
zwei XML-Modifikationen, die ein Stil oder die `reference.docx` nicht
abbilden koennen:

1. 3-3-Regel fuer Listen-Bullets (B3.5):
   - Eine Liste ist eine Sequenz aufeinanderfolgender Absaetze mit
     <w:numPr>-Eigenschaft im Body (nicht innerhalb von Tabellen-Zellen).
   - Bei einer Liste mit weniger als 6 Bullets: alle Bullets bekommen
     <w:keepNext/> (Liste bleibt unteilbar - bei <6 ist die 3-3-Regel
     sowieso nur durch Zusammenhalten aller erfuellbar).
   - Bei einer Liste mit 6 oder mehr Bullets: die ersten 2 und die
     drittletzten und vorletzten Bullets bekommen <w:keepNext/>.
     Damit gilt: nach Bullet 1 darf nicht getrennt werden (1+2+3 zusammen),
     und nach Bullet N-3 darf nicht getrennt werden (N-2+N-1+N zusammen).
     Trennen ist erlaubt zwischen den Bullets in der Mitte.
   Bullets in Tabellen-Zellen werden uebersprungen.

2. H2-Trennlinie (S08):
   - Nach jedem H2-Absatz wird ein leerer Trenn-Absatz eingefuegt.
   - Trenn-Absatz: linksbuendige Bottom-Border, schwarz (000000),
     1,25 pt (sz=10), 8,6 cm Linienlaenge (right-Indent 4196 dxa bei
     9072 dxa Textbreite).
   - Run-Properties auf sz=2 (1 pt), damit der Absatz selbst minimale
     Hoehe hat.
   - Ein schmaler-als-Heading-Border ist ueber den Heading-Stil selbst
     nicht moeglich, weil Words right-Indent sowohl Text als auch
     Border begrenzt. Deshalb separater Trenn-Absatz.

Voraussetzungen: nur Python-Stdlib.
"""

from __future__ import annotations

import re
import sys
import zipfile
from pathlib import Path

SCRIPT_DIR = Path(__file__).resolve().parent
BASE_DIR   = SCRIPT_DIR.parent
DOCX_FILE  = BASE_DIR / "output" / "Lebenslauf_Dr-Ing_Thomas_Langer.docx"

W_NS = "http://schemas.openxmlformats.org/wordprocessingml/2006/main"

# H2-Trenn-Absatz: linksbuendige Bottom-Border, schwarz, 8,6 cm lang, 1,25 pt dick.
# Textbreite = PAGE_W - MARGIN_LEFT - MARGIN_RIGHT = 11906 - 1417 - 1417 = 9072 dxa
# 8,6 cm = 8,6 * 567 dxa/cm = 4876 dxa
# right-Indent = 9072 - 4876 = 4196 dxa
# Border sz ist in 1/8 pt: 1,25 pt * 8 = 10
H2_SEP_XML = (
    '<w:p>'
      '<w:pPr>'
        '<w:spacing w:before="0" w:after="80"/>'
        '<w:ind w:right="4196"/>'
        '<w:pBdr>'
          '<w:bottom w:val="single" w:sz="10" w:space="2" w:color="000000"/>'
        '</w:pBdr>'
        '<w:rPr><w:sz w:val="2"/><w:szCs w:val="2"/></w:rPr>'
      '</w:pPr>'
    '</w:p>'
)

H2_STYLE_RE = re.compile(r'<w:pStyle\s+w:val="Heading2"\s*/?>')

def log(msg):
    print(f"[post-process-docx] {msg}", flush=True)

def is_bullet_paragraph(p_xml):
    return "<w:numPr" in p_xml

def is_h2_paragraph(p_xml):
    return bool(H2_STYLE_RE.search(p_xml))

def has_keep_next(p_xml):
    return "<w:keepNext" in p_xml

def add_keep_next(p_xml):
    """Fuegt <w:keepNext/> in das pPr-Element ein. Falls kein pPr existiert,
    wird es angelegt. Idempotent."""
    if has_keep_next(p_xml):
        return p_xml
    if "<w:pPr>" in p_xml:
        return p_xml.replace("<w:pPr>", "<w:pPr><w:keepNext/>", 1)
    if "<w:pPr/>" in p_xml:
        return p_xml.replace("<w:pPr/>", "<w:pPr><w:keepNext/></w:pPr>", 1)
    new_ppr = "<w:pPr><w:keepNext/></w:pPr>"
    if "<w:r" in p_xml and p_xml.startswith("<w:p>"):
        return p_xml.replace("<w:p>", "<w:p>" + new_ppr, 1)
    return p_xml.replace("</w:p>", new_ppr + "</w:p>", 1)

P_RE      = re.compile(r"<w:p\b[^>]*>.*?</w:p>", re.DOTALL)
TBL_OPEN  = "<w:tbl>"
TBL_CLOSE = "</w:tbl>"

def process_document_xml(xml):
    """Tokenisiert den Body, wendet 3-3-Regel auf Bullet-Listen an und
    fuegt nach jedem H2-Heading einen Trenn-Absatz ein."""
    out = []
    bullet_run = []
    table_depth = 0
    stats = {"lists": 0, "bullets_in_lists": 0, "bullets_keepnext": 0,
             "skipped_in_tables": 0, "h2_headings": 0, "separators_added": 0}

    def flush_run():
        if not bullet_run:
            return
        n = len(bullet_run)
        stats["lists"] += 1
        stats["bullets_in_lists"] += n
        if n < 6:
            indices_keep = list(range(n))
        else:
            indices_keep = [0, 1, n-3, n-2]
        for k in indices_keep:
            idx, p_xml = bullet_run[k]
            new_xml = add_keep_next(p_xml)
            if new_xml != p_xml:
                out[idx] = new_xml
                stats["bullets_keepnext"] += 1
        bullet_run.clear()

    token_re = re.compile(
        r"(?P<tblopen>" + re.escape(TBL_OPEN) + r")"
        r"|(?P<tblclose>" + re.escape(TBL_CLOSE) + r")"
        r"|(?P<para><w:p\b[^>]*>.*?</w:p>)",
        re.DOTALL,
    )
    last_end = 0
    for m in token_re.finditer(xml):
        if m.start() > last_end:
            out.append(xml[last_end:m.start()])
        last_end = m.end()

        if m.group("tblopen"):
            flush_run()
            table_depth += 1
            out.append(m.group())
        elif m.group("tblclose"):
            flush_run()
            table_depth -= 1
            out.append(m.group())
        else:
            p_xml = m.group("para")
            out.append(p_xml)
            if table_depth > 0:
                if is_bullet_paragraph(p_xml):
                    stats["skipped_in_tables"] += 1
                continue
            if is_bullet_paragraph(p_xml):
                bullet_run.append((len(out) - 1, p_xml))
                continue
            flush_run()
            if is_h2_paragraph(p_xml):
                out.append(H2_SEP_XML)
                stats["h2_headings"] += 1
                stats["separators_added"] += 1

    if last_end < len(xml):
        out.append(xml[last_end:])
    flush_run()
    return "".join(out), stats

def main():
    if not DOCX_FILE.exists():
        sys.stderr.write(f"FEHLER: {DOCX_FILE} existiert nicht. "
                         f"Erst build.ps1 laufen lassen.\n")
        return 1
    log(f"Verarbeite: {DOCX_FILE}")

    with zipfile.ZipFile(DOCX_FILE, "r") as z:
        members = {name: z.read(name) for name in z.namelist()}

    doc_xml = members["word/document.xml"].decode("utf-8")
    new_xml, stats = process_document_xml(doc_xml)

    if new_xml == doc_xml:
        log("  keine Aenderung")
    members["word/document.xml"] = new_xml.encode("utf-8")

    with zipfile.ZipFile(DOCX_FILE, "w", zipfile.ZIP_DEFLATED) as z:
        order = sorted(members.keys(),
                       key=lambda n: (0 if n == "[Content_Types].xml" else 1, n))
        for name in order:
            z.writestr(name, members[name])

    log(f"  Listen gefunden: {stats['lists']}")
    log(f"  Bullets in Listen: {stats['bullets_in_lists']}")
    log(f"  keepNext gesetzt: {stats['bullets_keepnext']}")
    log(f"  Bullets in Tabellen uebersprungen: {stats['skipped_in_tables']}")
    log(f"  H2-Headings gefunden: {stats['h2_headings']}")
    log(f"  H2-Trenn-Absaetze eingefuegt: {stats['separators_added']}")
    log("Fertig.")
    return 0

if __name__ == "__main__":
    sys.exit(main())