#!/usr/bin/env sh
# link-check.sh — 連結可達性檢查（連結寫進任何文件之前先跑這一支）。
# 用法:
#   link-check.sh <網址>...
#   printf '%s\n' <網址>... | link-check.sh          # 沒給參數就從標準輸入一行一個讀
#
# 輸出: 每個網址一行，三欄以 TAB 分隔
#   {OK|DEAD|SKIP}<TAB>{網址}<TAB>{說明}
#   OK   = 連得到
#   DEAD = 連不到，呼叫端不得把它寫進文件
#   SKIP = 沒有可查的端點（mailto:、錨點、相對路徑），不影響結束碼
#
# 驗證方式依網址種類分流:
#   Gitea wiki 頁（<GITEA_HOST>/<owner>/<repo>/wiki/<頁名>）  -> API /repos/<owner>/<repo>/wiki/page/<頁名>
#   Gitea 議題（…/issues/<編號>）                             -> API /repos/<owner>/<repo>/issues/<編號>
#   其他 Gitea 網址                                           -> HTTP HEAD，帶金鑰
#   非 Gitea 的外部網址                                       -> HTTP HEAD，不帶金鑰
#
# 規則:
#   - Gitea 一律走 API，不看網頁狀態碼。私有存取庫的網頁網址對未登入請求一律回 404，
#     用網頁狀態碼判斷會把好連結判成壞連結，接著整批砍掉還在的頁。
#   - 外部網址不帶金鑰。金鑰是這個站台的憑證，送去別的主機就是憑證外洩。
#   - 這支只回報，不改任何檔案。呼叫端拿到結束碼 0 才可以把連結寫進文件。
#
# 環境變數: GITEA_HOST（例 https://gitea.jsc.idv.tw）、GITEA_TOKEN
#   GITEA_TOKEN 未設定時退回 tea CLI 的登入金鑰（~/.config/tea/config.yml）。
#   優先取 url 與 GITEA_HOST 同主機的登入：tea 可以同時登入多個站台，只看 default
#   會把 A 站的金鑰送去 B 站，那是憑證外洩，不是單純取錯值。
#
# 結束碼: 0=全部連得到 1=至少一筆連不到 2=用法錯誤（一個網址都沒給）
#         3=清單裡有 Gitea 網址，但 GITEA_HOST 未設定 7=Gitea 認證失敗（HTTP 401、403）
#   7 一定要與 1 分開：金鑰失效時，Gitea 對私有存取庫的回應與「頁不存在」難以分辨。
#   兩者混用，一次金鑰過期就把整批還在的頁判成死連結，接著這些頁會被當成壞連結刪掉或改寫。
set -eu

TAB=$(printf '\t')

emit() { # <狀態> <網址> <說明>
  printf '%s%s%s%s%s\n' "$1" "$TAB" "$2" "$TAB" "$3"
}

host_of() { # <網址> -> 只留主機名，轉小寫
  printf '%s' "$1" | sed 's#^[a-zA-Z]*://##; s#/.*##; s#^.*@##; s#:[0-9]*$##' | tr 'A-Z' 'a-z'
}

path_of() { # <網址> -> 去掉協定、主機、查詢字串與錨點之後的路徑，頭尾不留斜線
  printf '%s' "$1" | sed 's#^[a-zA-Z]*://[^/]*##; s/[?#].*$//; s#^/##; s#/$##'
}

seg() { # <路徑> <序號> -> 第 n 段
  printf '%s' "$1" | cut -d/ -f"$2"
}

nseg() { # <路徑> -> 段數
  printf '%s' "$1" | awk -F/ '{print NF}'
}

looks_like_gitea_path() { # <路徑> -> 形狀像 wiki 頁或議題就回 0
  _p="$1"
  [ "$(nseg "$_p")" -ge 4 ] || return 1
  case "$(seg "$_p" 3)" in
    wiki|issues) return 0 ;;
    *) return 1 ;;
  esac
}

resolve_token() { # 印出這次要用的金鑰；一把都沒有就印空字串
  if [ -n "${GITEA_TOKEN:-}" ]; then printf '%s' "$GITEA_TOKEN"; return 0; fi
  cfg="${HOME:-}/.config/tea/config.yml"
  [ -f "$cfg" ] || return 0
  awk -v want="$GITEA_HOST_ONLY" '
    function flush() {
      if (tok == "") return
      if (first == "") first = tok
      if (want != "" && host == want) match_tok = tok
      if (def) def_tok = tok
    }
    /^ *- /             { flush(); tok=""; host=""; def=0 }
    /^ *token: */       { line=$0; sub(/^ *token: */,"",line); gsub(/"/,"",line); tok=line }
    /^ *url: */         { line=$0; sub(/^ *url: */,"",line); gsub(/"/,"",line)
                          sub(/^https?:\/\//,"",line); sub(/\/.*$/,"",line); host=line }
    /^ *default: *true/ { def=1 }
    END {
      flush()
      if (match_tok != "") { printf "%s", match_tok; exit }
      if (def_tok != "") printf "%s", def_tok
      else printf "%s", first
    }
  ' "$cfg"
}

http_status() { # <HEAD|GET> <網址> [金鑰] -> 印出 HTTP 狀態碼，連不上印 000
  _m="$1"; _u="$2"; _t="${3:-}"
  # HEAD 走 -I，不走 -X HEAD：後者讓 curl 等一個永遠不會來的內文，整支腳本卡在那裡。
  # GET 退讓只要第一個位元組（-r 0-0），拿的是狀態碼，不必把整份內容抓回來。
  if [ "$_m" = HEAD ]; then set -- -I; else set -- -r 0-0; fi
  # 連線與總時間分兩個上限。主機根本不通時，5 秒就收工；主機活著但慢，才讓它用滿 20 秒。
  # 只設總時間的話，一頁十條連結碰上不通的主機要等三分多鐘，呼叫端會以為整支腳本掛了。
  if [ -n "$_t" ]; then
    _c=$(curl -sS -o /dev/null -L --connect-timeout 5 --max-time 20 -w '%{http_code}' "$@" \
      -H "Authorization: token $_t" "$_u" 2>/dev/null || true)
  else
    _c=$(curl -sS -o /dev/null -L --connect-timeout 5 --max-time 20 -w '%{http_code}' "$@" "$_u" 2>/dev/null || true)
  fi
  case "$_c" in ''|*[!0-9]*) _c=000 ;; esac
  printf '%s' "$_c"
}

api_status() { # <API 路徑> -> 印出 HTTP 狀態碼，連不上印 000
  _c=$(curl -sS -o /dev/null --connect-timeout 5 --max-time 20 -w '%{http_code}' \
    -H "Authorization: token $TOKEN" "$API$1" 2>/dev/null || true)
  case "$_c" in ''|*[!0-9]*) _c=000 ;; esac
  printf '%s' "$_c"
}

auth_stop() { # <網址> -> 印出這一筆，回報金鑰問題並中止
  emit SKIP "$1" "Gitea 認證失敗（HTTP $2），無法判定"
  echo "[jsc][連結檢查][ERR]：Gitea 金鑰失效或權限不足（HTTP $2）。請換一支有效的 GITEA_TOKEN，或重新 tea login 之後再跑一次；在那之前不要把任何連結判成死連結。" >&2
  exit 7
}

# ---- 收集網址 ----
list=$(mktemp)
raw=$(mktemp)
trap 'rm -f "$list" "$raw"' EXIT
if [ "$#" -gt 0 ]; then
  printf '%s\n' "$@" > "$raw"
else
  cat > "$raw"
fi
# 先去掉行尾空白，再丟掉空白行：清單多半是別的指令產出的，尾巴常帶一行空的，
# 那一行會被當成一個網址，最後回一個沒人看得懂的 DEAD。
sed 's/[[:space:]]*$//' "$raw" | grep -v '^[[:space:]]*$' > "$list" || true
if [ ! -s "$list" ]; then
  echo 'usage: link-check.sh <網址>... ；或用標準輸入一行一個網址' >&2
  exit 2
fi

# ---- Gitea 站台設定 ----
GITEA_HOST_ONLY=$(host_of "${GITEA_HOST:-}")
if [ -z "$GITEA_HOST_ONLY" ]; then
  # GITEA_HOST 沒設定就認不出哪些是 Gitea 網址，只能看路徑形狀。認出一筆就整批停下來：
  # 少了主機設定，Gitea 連結只驗得到網頁狀態碼，私有存取庫會全部被判成死連結。
  while IFS= read -r u; do
    if looks_like_gitea_path "$(path_of "$u")"; then
      echo "[jsc][連結檢查][ERR]：清單裡有 Gitea 網址（$u），但 GITEA_HOST 未設定。請先設定 GITEA_HOST 再跑一次，不得跳過驗證。" >&2
      exit 3
    fi
  done < "$list"
fi

case "${GITEA_HOST:-}" in
  http://*|https://*) HOST="${GITEA_HOST:-}" ;;
  '') HOST='' ;;
  *) HOST="https://${GITEA_HOST}" ;;
esac
API=''
[ -z "$HOST" ] || API="${HOST%/}/api/v1"
TOKEN=$(resolve_token)

# ---- 逐筆檢查 ----
dead=0
while IFS= read -r url; do
  case "$url" in
    http://*|https://*) ;;
    *)
      emit SKIP "$url" "不是 http 或 https 網址，沒有可查的端點"
      continue ;;
  esac

  uhost=$(host_of "$url")
  upath=$(path_of "$url")

  if [ -n "$GITEA_HOST_ONLY" ] && [ "$uhost" = "$GITEA_HOST_ONLY" ]; then
    owner=$(seg "$upath" 1); repo=$(seg "$upath" 2); kind=$(seg "$upath" 3)
    rest=''
    [ "$(nseg "$upath")" -lt 4 ] || rest=$(printf '%s' "$upath" | cut -d/ -f4-)
    # 編輯畫面的網址尾巴指的還是同一頁，去掉再查。
    rest=$(printf '%s' "$rest" | sed 's#/_edit$##; s#/_new$##; s#/_pages$##')

    if [ "$kind" = wiki ] && [ -n "$rest" ]; then
      code=$(api_status "/repos/$owner/$repo/wiki/page/$rest")
      case "$code" in
        2*) emit OK "$url" "wiki 頁存在（API HTTP $code）" ;;
        401|403) auth_stop "$url" "$code" ;;
        404) emit DEAD "$url" "wiki 頁不存在（API HTTP 404）"; dead=1 ;;
        *) emit DEAD "$url" "wiki API 回 HTTP $code"; dead=1 ;;
      esac
      continue
    fi

    if [ "$kind" = issues ] && [ -n "$rest" ]; then
      idx=$(printf '%s' "$rest" | cut -d/ -f1)
      case "$idx" in
        ''|*[!0-9]*)
          emit DEAD "$url" "議題編號不是數字：$idx"; dead=1; continue ;;
      esac
      code=$(api_status "/repos/$owner/$repo/issues/$idx")
      case "$code" in
        2*) emit OK "$url" "議題存在（API HTTP $code）" ;;
        401|403) auth_stop "$url" "$code" ;;
        404) emit DEAD "$url" "議題不存在（API HTTP 404）"; dead=1 ;;
        *) emit DEAD "$url" "議題 API 回 HTTP $code"; dead=1 ;;
      esac
      continue
    fi

    code=$(http_status HEAD "$url" "$TOKEN")
    case "$code" in
      2*|3*) emit OK "$url" "Gitea 網址可達（HEAD HTTP $code）" ;;
      401|403) auth_stop "$url" "$code" ;;
      000) emit DEAD "$url" "連不上 Gitea 主機（沒有回應）"; dead=1 ;;
      *) emit DEAD "$url" "Gitea 網址回 HTTP $code"; dead=1 ;;
    esac
    continue
  fi

  # 外部網址：不帶金鑰。HEAD 被擋掉時再用 GET 試一次，有些站台只擋 HEAD。
  code=$(http_status HEAD "$url")
  case "$code" in
    2*|3*) ;;
    *) code=$(http_status GET "$url") ;;
  esac
  case "$code" in
    2*|3*) emit OK "$url" "外部網址可達（HTTP $code）" ;;
    000) emit DEAD "$url" "連不上主機（沒有回應）"; dead=1 ;;
    *) emit DEAD "$url" "外部網址回 HTTP $code"; dead=1 ;;
  esac
done < "$list"

exit "$dead"