#!/usr/bin/env sh
# scan-repos.sh — 掃出工作目錄底下的存取庫，交出 {repo} 代入點要用的那份清單。
#
# 用法:
#   scan-repos.sh list  [--scan-root {字面絕對路徑}] [--depth {0..3}] [--root {字面絕對根目錄}]
#   scan-repos.sh paths [同上]
#
#   list   一行一個存取庫，帶工作目錄、{owner}/{repo} 與對應的 REPO_{HASH} 頁名
#   paths  只印工作目錄，一行一條。給 {repo} 代入點直接讀
#
# 環境變數:
#   JSC_ASSIST_SCAN_ROOT      掃描起點。--scan-root 優先於它
#   JSC_ASSIST_SCAN_EXCLUDE   排除清單，空白分隔，比對目錄名（不是整條路徑），可用萬用字元
#   JSC_ASSIST_HASH_ID        hash-id 路徑覆寫；找不到並排存取庫時才設
#
# 結束碼:
#   0  掃到至少一個存取庫，而且每一個都對得出 REPO_{HASH}、路徑也都送得進殼
#   1  掃到了，但有幾個對不出頁名或路徑被拒。可用的那幾個照印，被拒的逐行印在 rejected=
#      有 .git 卻不被 git 認的那幾個也算在這一碼裡，印在 not_a_repo=
#   2  用法錯誤：不認得的子命令或選項、選項缺值、--scan-root 不是絕對路徑、--depth 超出範圍
#   3  掃描起點沒設定，或那條路徑不是存在的目錄——**什麼都沒掃**，不等於「這台機器沒有存取庫」
#   4  掃過了，一個 git 存取庫都沒有
#
# --- 為什麼掃描起點不給預設值 ---
#
# 這份清單的用途是把存取庫路徑代進待辦簿的指令，然後在無人值守那一輪送進殼執行。
# 猜錯掃描起點的後果不是掃不到東西，是**在猜錯的那些目錄底下跑指令**，而那一輪沒有人
# 看得到它跑到哪裡去了。往上猜一層就從工作目錄變成家目錄，再往上就是整台機器。
# 所以沒設就回結束碼 3 並說清楚要設哪一個變數，不退回任何一條路徑。
# 排程那一輪的值由 schedule.sh install 當下從殼裡快照進條目，跟 wiki 存取庫那幾個變數同一條路。
#
# --- 為什麼預設只掃一層 ---
#
# 工作目錄的版面是「一個存取庫一個子目錄」，一層就夠。往下遞歸會踩到三種東西：
# 存取庫自己的 node_modules 與 vendor 底下的第三方存取庫、封存目錄裡的舊版存取庫、
# 還有 worktree 的複本。三種都會被當成現役存取庫盤點，而盤點結果讀起來完全正常。
# --depth 最多收到 3：真的有嵌套版面時夠用，而再深就不是「工作目錄那一層」了，
# 那種版面該把掃描起點指到那一層，不是把界線調鬆。
#
# --- 三種東西一定跳過，不看排除清單 ---
#
# 一、名稱以點開頭的目錄。快取、封存、暫存都藏在那裡，掃進去會把封存版當現役版盤點。
# 二、符號連結。連結會把掃描帶出掃描起點，而那條界線一旦被繞過就沒有第二道。
# 三、路徑裡有空白或殼層特殊字元的存取庫。執行那一支是用 `sh -c` 送出指令的，那條路徑
#     會被殼再解一次——帶空白的路徑會被切成兩個參數，帶金錢符號的會被展開成別的東西。
#     這種一律列進 rejected= 不交出去，不是靜靜跳過：那是一個真的存在的存取庫，
#     它沒有被盤點到這件事要有人知道。
set -u

usage() {
  echo 'usage: scan-repos.sh {list|paths} [--scan-root 絕對路徑] [--depth 0..3] [--root 絕對路徑]' >&2
  exit 2
}

die() { _c=$1; shift; printf '[jsc][助理掃描][ERR]：%s\n' "$*" >&2; exit "$_c"; }
# 逐項的判定行與收尾統計。paths 那個模式的標準輸出要是純路徑——呼叫端拿它當代入點來源，
# 混一行 unnamed= 進去就會被代成一條不存在的路徑然後送進殼。所以那個模式一律改走標準錯誤。
emit() { if [ "$MODE" = 'paths' ]; then printf '%s\n' "$*" >&2; else printf '%s\n' "$*"; fi; }
note() { printf '[jsc][助理掃描]：%s\n' "$*" >&2; }
warn() { printf '[jsc][助理掃描][WARN]：%s\n' "$*" >&2; }

[ "$#" -ge 1 ] || usage
MODE=$1; shift
case "$MODE" in
  list|paths) ;;
  *) usage ;;
esac

SCAN_ROOT=''
OPT_ROOT=''
DEPTH=1
while [ "$#" -gt 0 ]; do
  case "$1" in
    --scan-root) [ "$#" -ge 2 ] || usage; SCAN_ROOT=$2; shift 2 ;;
    --root) [ "$#" -ge 2 ] || usage; OPT_ROOT=$2; shift 2 ;;
    --depth) [ "$#" -ge 2 ] || usage; DEPTH=$2; shift 2 ;;
    *) usage ;;
  esac
done

case "$DEPTH" in
  0|1|2|3) ;;
  *) die 2 "--depth 只收 0 到 3，收到的是「$DEPTH」。0 只看掃描起點自己，1 是它底下那一層。要掃更深的版面就把掃描起點指到那一層。" ;;
esac

case "$OPT_ROOT" in
  ''|/*) ;;
  *) die 2 "--root 要給字面絕對路徑，收到的是「$OPT_ROOT」。" ;;
esac

[ -n "$SCAN_ROOT" ] || SCAN_ROOT="${JSC_ASSIST_SCAN_ROOT:-}"
if [ -z "$SCAN_ROOT" ]; then
  die 3 '掃描起點沒設定。這一支不猜：猜錯的後果是在猜錯的那些目錄底下跑指令，而無人值守那一輪沒有人看得到它跑到哪裡去了。請帶 --scan-root，或在殼裡設 JSC_ASSIST_SCAN_ROOT 之後重跑一次 schedule.sh install patrol，把值快照進排程條目。'
fi
case "$SCAN_ROOT" in
  /*) ;;
  *) die 2 "掃描起點要是字面絕對路徑，收到的是「$SCAN_ROOT」。權限層比對的是還沒展開的指令字面，帶變數或波浪號的路徑進不了允許清單。" ;;
esac
SCAN_ROOT=${SCAN_ROOT%/}
# 去掉尾斜線之後空字串就是根目錄。掃根目錄那一層等於把整台機器的第一層當成工作目錄，
# 那不是設定錯誤就是打錯字，兩種都不該照著跑。
[ -n "$SCAN_ROOT" ] || die 2 '掃描起點是根目錄。掃根目錄那一層等於把整台機器的第一層當成工作目錄，這一支不接。'
[ -d "$SCAN_ROOT" ] || die 3 "掃描起點不是存在的目錄：$SCAN_ROOT。什麼都沒掃，跟「這台機器沒有存取庫」不是同一件事——後者要回 4。"

TAB=$(printf '\t')
TMPD=$(mktemp -d 2>/dev/null) || die 3 '暫存目錄建不起來。'
trap 'rm -rf "$TMPD"' EXIT

# --- 找 hash-id ---

HERE=$(CDPATH= cd -P -- "$(dirname -- "$0")" && pwd -P)
ROOT="$OPT_ROOT"
[ -n "$ROOT" ] || ROOT=$(CDPATH= cd -- "$HERE/../.." 2>/dev/null && pwd -L) || ROOT=''

hash_id_sh() {
  if [ -n "${JSC_ASSIST_HASH_ID:-}" ] && [ -f "$JSC_ASSIST_HASH_ID" ]; then
    printf '%s' "$JSC_ASSIST_HASH_ID"; return 0
  fi
  for _d in "jsc-gitea" "gitea"; do
    [ -n "$ROOT" ] && [ -f "$ROOT/$_d/tools/hash-id" ] && { printf '%s' "$ROOT/$_d/tools/hash-id"; return 0; }
  done
  return 1
}
HASH_ID=$(hash_id_sh) || HASH_ID=''

# 頁名的雜湊規則跟 jsc-sdlc 盤點頁是同一條：對那個存取庫自己的 {owner}/{repo} 取完整四十碼
# 大寫 SHA-1。共用那一支找不到就退回本機的 sha1sum——同一條規則、同一個值，只是少一層共用。
# 兩邊都算不出來就不硬湊一個頁名：湊出來的頁名指向沒有人讀的那一頁。
#
# 用哪一種先決定好，不在每一筆裡各判一次。算雜湊那一段跑在命令替換裡，也就是子殼裡，
# 在那裡設「這一輪用了退路」的旗標，回到外面就沒了——那句提示會永遠印不出來。
HASH_MODE='none'
if [ -n "$HASH_ID" ] && [ -n "$(printf '%s' probe | "$HASH_ID" 2>/dev/null)" ]; then
  HASH_MODE='shared'
elif command -v sha1sum >/dev/null 2>&1; then
  HASH_MODE='sha1sum'
elif command -v shasum >/dev/null 2>&1; then
  HASH_MODE='shasum'
fi
hash40() { # $1=要算的字串
  case "$HASH_MODE" in
    shared) printf '%s' "$1" | "$HASH_ID" 2>/dev/null ;;
    sha1sum) printf '%s' "$1" | sha1sum | awk '{print toupper($1)}' ;;
    shasum) printf '%s' "$1" | shasum -a 1 | awk '{print toupper($1)}' ;;
    *) return 1 ;;
  esac
}

# --- 找候選目錄 ---

# 排除清單比對目錄名，不比對整條路徑：整條路徑會隨掃描起點變，同一份清單換一台機器就失效。
EXCLUDED_NAMES="${JSC_ASSIST_SCAN_EXCLUDE:-}"
excluded() { # $1=目錄名
  [ -n "$EXCLUDED_NAMES" ] || return 1
  for _pat in $EXCLUDED_NAMES; do
    # shellcheck disable=SC2254
    case "$1" in
      $_pat) return 0 ;;
    esac
  done
  return 1
}

CAND="$TMPD/cand.txt"
: >"$CAND"
LINKS="$TMPD/links.txt"
: >"$LINKS"

# find 預設不跟符號連結走，所以連結目錄不會出現在 -type d 的結果裡。這裡另外撈一次 -type l
# 是為了把它們印出來：一個被跳過的連結跟一個不存在的目錄，在報告上看起來不能是同一件事。
#
# 排除清單不寫進 find 的剪枝條件，改在下面逐個判定時濾掉。理由是剪掉的目錄就不會出現在
# 結果裡，也就報不出「這個被排除了」——而一份沒說自己排除了什麼的清單，讀起來跟沒有排除
# 清單一樣。代價是深度兩層以上時會走進被排除的目錄裡再一層，而深度上限是 3，所以最多一層。
if [ "$DEPTH" -ge 1 ]; then
  find "$SCAN_ROOT" -mindepth 1 -maxdepth "$DEPTH" \
    -name '.*' -prune -o -type l -print 2>/dev/null >"$LINKS"
  find "$SCAN_ROOT" -mindepth 1 -maxdepth "$DEPTH" \
    -name '.*' -prune -o -type d -print 2>/dev/null >"$CAND"
fi
# depth 0 與更深的版面都要把掃描起點自己算進來：工作目錄本身也可能就是一個存取庫。
printf '%s\n' "$SCAN_ROOT" >>"$CAND"
sort -u -o "$CAND" "$CAND"

# --- 逐個判定 ---

N_REPO=0; N_REJ=0; N_UNNAMED=0; N_EXCL=0; N_LINK=0; N_FAKE=0
OUT="$TMPD/out.txt"
: >"$OUT"

while IFS= read -r d; do
  [ -n "$d" ] || continue
  _name=$(basename -- "$d")
  if excluded "$_name"; then
    N_EXCL=$((N_EXCL + 1))
    emit "excluded=$d reason=在排除清單上"
    continue
  fi
  # .git 可能是目錄（一般存取庫），也可能是檔案（worktree 與子模組），所以先看它在不在，
  # 但**在不在只是初篩，不是判定**。
  [ -e "$d/.git" ] || continue

  # 判定交給 git 自己。有 .git 不等於是存取庫：實測這台機器上有一個目錄底下的 .git 只剩
  # 一個空的 info/，git 一句「not a git repository」，而只看 .git 在不在的掃描把它算成
  # 一個存取庫、印成「沒有 origin」——那個說法讀起來像「這個存取庫還沒接遠端」，
  # 不像「這裡根本不是存取庫」。兩件事的處置完全不同。
  #
  # 只問「是不是在工作樹裡」不夠：git 會從這個目錄往上找，$d/.git 壞掉時它會找到上一層的
  # 存取庫然後回答「是」。所以要再核對它認定的頂層就是 $d 自己。兩邊都解成實體路徑再比，
  # 掃描起點帶符號連結那一段時字串才對得上。
  _top=$(git -C "$d" rev-parse --show-toplevel 2>/dev/null) || _top=''
  _dreal=$(CDPATH= cd -P -- "$d" 2>/dev/null && pwd -P) || _dreal=''
  _topreal=''
  [ -n "$_top" ] && { _topreal=$(CDPATH= cd -P -- "$_top" 2>/dev/null && pwd -P) || _topreal=''; }
  if [ -z "$_topreal" ] || [ "$_topreal" != "$_dreal" ]; then
    N_FAKE=$((N_FAKE + 1))
    if [ -z "$_top" ]; then
      emit "not_a_repo=$d reason=有 .git 但 git 自己不認，多半是刪剩的殘骸"
    else
      emit "not_a_repo=$d reason=有 .git 但 git 認定的頂層是 $_top，這裡不是存取庫的根"
    fi
    continue
  fi

  case "$d" in
    *[!A-Za-z0-9/._-]*)
      N_REJ=$((N_REJ + 1))
      emit "rejected=$d reason=路徑裡有空白或殼層特殊字元，送進 sh -c 會被再解一次"
      continue ;;
  esac

  _url=$(git -C "$d" remote get-url origin 2>/dev/null) || _url=''
  _slug=''
  if [ -n "$_url" ]; then
    # 兩種形狀：git@host:owner/repo.git 與 https://host/owner/repo.git。都只取最後兩段。
    _s=${_url%.git}
    _s=${_s#*://}
    _s=${_s#*@}
    case "$_s" in
      *:*) _s=${_s#*:} ;;
    esac
    _s=${_s#/}
    _owner=''
    _repo=${_s##*/}
    _rest=${_s%/*}
    [ "$_rest" != "$_s" ] && _owner=${_rest##*/}
    [ -n "$_owner" ] && [ -n "$_repo" ] && _slug="$_owner/$_repo"
  fi

  _page='-'
  if [ -n "$_slug" ]; then
    _h=$(hash40 "$_slug") || _h=''
    [ -n "$_h" ] && _page="REPO_$_h"
  fi
  if [ "$_page" = '-' ]; then
    N_UNNAMED=$((N_UNNAMED + 1))
    if [ -z "$_slug" ]; then
      emit "unnamed=$d reason=沒有 origin 遠端，或網址對不出 {owner}/{repo}，算不出盤點頁頁名"
    else
      emit "unnamed=$d slug=$_slug reason=這台機器算不出 SHA-1，算不出盤點頁頁名"
    fi
  fi

  N_REPO=$((N_REPO + 1))
  printf '%s%s%s%s%s\n' "$d" "$TAB" "${_slug:--}" "$TAB" "$_page" >>"$OUT"
done <"$CAND"

while IFS= read -r l; do
  [ -n "$l" ] || continue
  N_LINK=$((N_LINK + 1))
  emit "skipped_link=$l reason=符號連結，跟著走會把掃描帶出掃描起點"
done <"$LINKS"

if [ "$MODE" = 'paths' ]; then
  cut -f1 "$OUT"
else
  while IFS="$TAB" read -r p s g; do
    printf 'repo=%s slug=%s page=%s\n' "$p" "$s" "$g"
  done <"$OUT"
fi

emit "scan_root=$SCAN_ROOT depth=$DEPTH repos=$N_REPO unnamed=$N_UNNAMED rejected=$N_REJ excluded=$N_EXCL skipped_links=$N_LINK not_a_repo=$N_FAKE"

case "$HASH_MODE" in
  sha1sum|shasum) note '找不到共用那一支 hash-id（jsc-gitea 的 tools/hash-id），這一輪的頁名改用本機的 SHA-1 算。兩者是同一條規則、值相同，只是少了一層共用；--root 餵對就會用共用那一支。' ;;
  none) warn '這台機器既沒有共用那一支 hash-id，也沒有 sha1sum 與 shasum，這一輪一個盤點頁頁名都算不出來。存取庫路徑照樣交出去代 {repo}，唯讀盤點跑得動；盤點結果沒有頁可以寫回去。' ;;
esac
[ "$N_REJ" -gt 0 ] && warn "有 $N_REJ 個存取庫的路徑送不進殼，這一份清單裡沒有它們，逐個印在上面的 rejected= 那幾行。那幾個是真的存在的存取庫，只是路徑帶了空白或殼層特殊字元——要盤點得到就得換路徑。"
[ "$N_UNNAMED" -gt 0 ] && warn "有 $N_UNNAMED 個存取庫對不出 REPO_{HASH} 盤點頁頁名，逐個印在上面的 unnamed= 那幾行。它們的路徑照樣交出去代 {repo}，唯讀盤點跑得動；但盤點結果沒有頁可以寫回去。"

if [ "$N_REPO" -eq 0 ]; then
  die 4 "掃過 $SCAN_ROOT 底下 $DEPTH 層，一個 git 存取庫都沒有。掃描起點指錯一層就會長這樣——工作目錄的版面是「一個存取庫一個子目錄」，指到某一個存取庫裡面就只剩它自己那一個，指到家目錄就一個都沒有。"
fi
[ "$N_FAKE" -gt 0 ] && warn "有 $N_FAKE 個目錄底下有 .git 卻不被 git 認，逐個印在上面的 not_a_repo= 那幾行。那不是「還沒接遠端的存取庫」，是刪剩的殘骸或者不是存取庫的根——只看 .git 在不在的掃描會把它算成一個存取庫。"

if [ "$N_REJ" -gt 0 ] || [ "$N_UNNAMED" -gt 0 ] || [ "$N_FAKE" -gt 0 ]; then
  exit 1
fi
exit 0