// searx_parse.go：searxng json 样本解析（RawResult.Extra → 中间条目）。
//
// 形状权威：bench/searxng-cn/samples/t1-1.excerpt.json（title/url/content/engine
// + publishedDate 可选 + unresponsive_engines）。与 dock 包的响应解码解耦：
// 模版层只认 Extra 里的 searx_results。
package scheduler

import (
	"encoding/json"
	"net/url"
	"strings"
	"time"

	"onesvm.com/onesvm/browser-server/internal/contract"
)

// searxItem 搜索条目（与 dock 侧响应形状一致；publishedDate 为引擎返回字符串）。
type searxItem struct {
	Title         string  `json:"title"`
	URL           string  `json:"url"`
	Content       string  `json:"content"`
	Engine        string  `json:"engine"`
	PublishedDate *string `json:"publishedDate"`
}

// parseSearxResults 从 RawResult.Extra 解析结果条目与 unresponsive 引擎名。
func parseSearxResults(raw *contract.RawResult) ([]searxItem, []string) {
	var items []searxItem
	if v, ok := raw.Extra["searx_results"]; ok {
		if b, err := json.Marshal(v); err == nil {
			_ = json.Unmarshal(b, &items)
		}
	}
	var unres []string
	if v, ok := raw.Extra["unresponsive_engines"]; ok {
		var pairs []json.RawMessage
		if b, err := json.Marshal(v); err == nil && json.Unmarshal(b, &pairs) == nil {
			for _, p := range pairs {
				var pair [2]string
				if json.Unmarshal(p, &pair) == nil && len(pair) == 2 {
					unres = append(unres, pair[0]+"("+pair[1]+")")
				}
			}
		}
	}
	return items, unres
}

// isJunkSearchHit 丢掉搜索引擎吸到的站点壳页（Amazon 首页/账号/影音、
// 无 snippet 的门户根路径）。先过滤再裁 max_results，避免 16 条里 10 条不可引用。
func isJunkSearchHit(rawURL, title, content string) bool {
	u, err := url.Parse(rawURL)
	if err != nil || u.Hostname() == "" {
		return true
	}
	host := strings.ToLower(u.Hostname())
	path := strings.ToLower(strings.TrimSuffix(u.Path, "/"))
	if junkSearchHosts[host] {
		return true
	}
	if isAmazonHost(host) && isAmazonShellPath(path) {
		return true
	}
	snippet := strings.TrimSpace(content)
	if snippet == "" && isBareSiteRoot(path) {
		return true
	}
	if strings.Contains(snippet, "由于此网站的设置，我们无法提供该页面的具体描述") {
		return true
	}
	if strings.TrimSpace(title) == "" {
		return true
	}
	return false
}

// junkSearchHosts 明确的导航/非内容域（搜索发现层无引用价值）。
var junkSearchHosts = map[string]bool{
	"music.amazon.com":    true,
	"www.primevideo.com":  true,
	"primevideo.com":      true,
	"pharmacy.amazon.com": true,
	"hiring.amazon.com":   true,
}

func isAmazonHost(host string) bool {
	return host == "www.amazon.com" || host == "amazon.com" ||
		host == "www.amazon.cn" || host == "amazon.cn" ||
		host == "gs.amazon.cn" || host == "globalstore.amazon.cn"
}

func isAmazonShellPath(path string) bool {
	if path == "" || path == "/-/zh" || path == "/ref=nav_logo" {
		return true
	}
	if strings.HasPrefix(path, "/your-account") || strings.HasPrefix(path, "/gp/css") ||
		strings.HasPrefix(path, "/gp/yourstore") || strings.HasPrefix(path, "/ap/signin") {
		return true
	}
	return false
}

func isBareSiteRoot(path string) bool {
	return path == "" || path == "/"
}

// publishedAtOf 引擎时间串 → 东八区 Time（多格式容错；失败给 nil 由调用方置空）。
func publishedAtOf(s string) (contract.Time, bool) {
	layouts := []string{time.RFC3339, "2006-01-02 15:04:05", "2006-01-02"}
	for _, l := range layouts {
		if t, err := time.Parse(l, s); err == nil {
			return contract.NewTime(t), true
		}
	}
	return contract.Time{}, false
}