#!/usr/bin/env sh
# ste100-lint.sh — 檢查檔案是否違反 STE100 擬人台灣感規則（可機檢的部分）。
# 用法: ste100-lint.sh <file|dir> [...]
# 檢查項目:
#   1. 中國用語（references/ste100.md 的替換表左欄）
#   2. 中文句內的半形標點（, ; ! ? 緊鄰中日韓字元）
#   3. 常見 AI 套話（總的來說、綜上所述、希望這對你有幫助 等）
#   4. 簡體字（只收沒有繁體正當用法的字，避免誤報）
#   5. 中文並列項用斜線（半形 / 或全形 ／ 夾在中日韓字元之間），應改頓號「、」
# 輸出: {檔案}:{行號}:{類別}:{命中內容}；全部通過 exit 0，有命中 exit 1。
# 限制: 掃 .md 與 .json 檔；程式碼圍欄內的內容可能誤報，人工複核。
#       references/ste100.md 本身跳過——規則文件裡的詞是被討論，不是被使用。
#       並列斜線會誤報兩類：含中文的路徑或分支名範例（例 feat/報表/P2），
#       以及英文項目並列（準則允許）。命中後先判斷是不是真的並列項。
set -u
TERMS='默認|支持某|兼容|信息|數據庫|服務器|軟件|硬件|網絡|質量|卸載|反饋|視頻|屏幕|鼠標|打印|立馬|靠譜|賦能|閉環|抓手|復盤'
CLICHES='總的來說|綜上所述|希望這對你有幫助|好問題|在當今|瞬息萬變|標誌著|奠定了基礎|體現了|不僅僅是|讓我們一起'
# 刻意排除繁體也在用的字（后、台、干、只、里、面、制、志），只留簡化後才出現的字形。
SIMPLIFIED='应|为|这|说|发|国|过|对|开|关|问|题|东|车|马|鸟|龙|飞|见|无|产|业|务|书|写|学|习|报|纸|认|识|证|际|网|络|计|划|实|现|给|条|约|级|组|织|变|换|电|脑|两|双|单|构|价|钱|众|议|论|传|统|么|儿|们|从|来|时|间|长|门|闻|声|员|图|团|转|输|达|运|进|远|连|边|还|经|该|营|规|则|范|围|参|数|类|结|态|设|备|辑|译|码|库|档'
hit=0
# 不帶參數會空跑並回 0，看起來像「全部通過」。這種假通過比不檢查更危險，所以擋掉。
if [ "$#" -eq 0 ]; then
  echo '用法: ste100-lint.sh <file|dir> [...]' >&2
  echo '沒有給檢查對象。空跑會回 0，看起來像通過，所以這裡直接視為錯誤。' >&2
  exit 2
fi
files() {
  for p in "$@"; do
    if [ -d "$p" ]; then
      find "$p" \( -name '*.md' -o -name '*.json' \) \
        -not -path '*/.git/*' -not -path '*/references/ste100.md'
    else
      case "$p" in
        */references/ste100.md|references/ste100.md) ;;
        *) echo "$p" ;;
      esac
    fi
  done
}
check() { # $1=檔案 $2=類別 $3=grep 模式 $4=grep 旗標
  out=$(grep -n"$4" "$3" "$1" 2>/dev/null | sed "s|^|$1:|;s|:\([0-9]*\):|:\1:$2:|")
  if [ -n "$out" ]; then printf '%s\n' "$out"; hit=1; fi
}
for f in $(files "$@"); do
  check "$f" "中國用語" "$TERMS" E
  check "$f" "半形標點" '[\x{4e00}-\x{9fff}][,;!?]|[,;][\x{4e00}-\x{9fff}]' P
  check "$f" "AI 套話" "$CLICHES" E
  check "$f" "簡體字" "$SIMPLIFIED" E
  check "$f" "並列斜線" '[\x{4e00}-\x{9fff}][ ]?[/／][ ]?[\x{4e00}-\x{9fff}]' P
done
exit $hit