#!/usr/bin/env python3
"""修正 episodes.json 的廉价格式问题（会先备份原文件）。

只做安全、可逆性强的就地修正，**不臆造数据、不改正文语义**：
  1. 重算统计字段，使其与实际一致：
       meta.totalEpisodes / meta.totalActs / meta.audioActs（新增）
       episode.totalLines / episode.hasAudio
  2. 弯引号统一为直引号（“ ”→"，‘ ’→'），便于点词/分词匹配
  3. 去除 en 首尾空白

**刻意不做**（需人工/补料后另行处理）：
  - 不剥离 ep18/19 的说话人前缀（来源不一，待补音频后统一）
  - 不删除任何 act/line，不修改时间戳数值，不为无音频集补造音频

用法：
    python3 scripts/fix_episodes.py                 # 就地修正，自动备份
    python3 scripts/fix_episodes.py --dry-run       # 只报告将改什么，不写
    python3 scripts/fix_episodes.py --in X --out Y  # 指定输入/输出
    python3 scripts/fix_episodes.py --no-backup     # 跳过备份
"""
import argparse
import datetime
import json
import os
import shutil

HERE = os.path.dirname(os.path.abspath(__file__))
REPO = os.path.dirname(HERE)
DEFAULT_JSON = os.path.join(REPO, "family-album-usa", "episodes.json")

QUOTE_MAP = {"“": '"', "”": '"', "‘": "'", "’": "'"}


def normalize_quotes(s):
    for a, b in QUOTE_MAP.items():
        s = s.replace(a, b)
    return s


def fix(data):
    """就地修正 data，返回改动计数字典。"""
    changes = {"quotes": 0, "stripped": 0, "stats": 0}
    eps = data["episodes"]

    # 1. 正文：引号与空白
    for e in eps:
        for a in e.get("acts", []):
            for l in a.get("lines", []):
                en = l.get("en", "")
                new = normalize_quotes(en)
                if new != en:
                    changes["quotes"] += 1
                    en = new
                stripped = en.strip()
                if stripped != en:
                    changes["stripped"] += 1
                    en = stripped
                l["en"] = en

    # 2. 统计字段重算
    acts = [a for e in eps for a in e.get("acts", [])]
    meta = data.setdefault("meta", {})

    def set_if_diff(d, k, v):
        if d.get(k) != v:
            d[k] = v
            changes["stats"] += 1

    set_if_diff(meta, "totalEpisodes", len(eps))
    set_if_diff(meta, "totalActs", len(acts))
    set_if_diff(meta, "audioActs", sum(1 for a in acts if a.get("hasAudio")))
    for e in eps:
        set_if_diff(e, "totalLines", sum(len(a.get("lines", [])) for a in e.get("acts", [])))
        set_if_diff(e, "hasAudio", any(a.get("hasAudio") for a in e.get("acts", [])))

    return changes


def main():
    p = argparse.ArgumentParser(description="修正 episodes.json 的格式问题")
    p.add_argument("--in", dest="src", default=DEFAULT_JSON, help="输入文件")
    p.add_argument("--out", dest="dst", default=None, help="输出文件（默认覆盖输入）")
    p.add_argument("--dry-run", action="store_true", help="只报告，不写文件")
    p.add_argument("--no-backup", action="store_true", help="不生成 .bak 备份")
    args = p.parse_args()

    dst = args.dst or args.src
    with open(args.src, encoding="utf-8") as f:
        data = json.load(f)

    changes = fix(data)
    print("将进行的改动：")
    print(f"  弯引号 -> 直引号 ：{changes['quotes']} 处")
    print(f"  去首尾空白       ：{changes['stripped']} 处")
    print(f"  重算统计字段     ：{changes['stats']} 个")

    if args.dry_run:
        print("\n[dry-run] 未写入任何文件。")
        return

    # 备份（仅覆盖写时）
    if dst == args.src and not args.no_backup:
        stamp = datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
        bak = f"{args.src}.{stamp}.bak"
        shutil.copy2(args.src, bak)
        print(f"\n已备份原文件 -> {bak}")

    with open(dst, "w", encoding="utf-8") as f:
        json.dump(data, f, ensure_ascii=False, indent=2)
        f.write("\n")
    print(f"已写入 -> {dst}")
    print("建议接着运行：python3 scripts/validate_episodes.py")


if __name__ == "__main__":
    main()