#!/usr/bin/env python3
# ==============================================================================
# 用途：worklog 的 transcript 處理工具。負責 (1) 從 Claude Code transcript
#       JSONL 抽出「本輪」對話片段（最後一筆使用者訊息之後的全部內容），
#       (2) 對文字做機密遮蔽（token／密碼／PII），作為寫入 wiki 前的第二道防線。
# 更新時間：2026/07/27 11:14:16
# 相依：Python 3 標準庫。全程僅走 stdin／stdout，不寫任何檔案。
# ==============================================================================

import json
import re
import sys

# 單則工具結果／參數的擷取上限，避免整份 transcript 塞進摘要輸入
TOOL_RESULT_LIMIT = 200
TOOL_INPUT_LIMIT = 160
TOTAL_LIMIT = 24000

# ------------------------------------------------------------------------------
# 機密遮蔽規則：命中一律換成 ***
# ------------------------------------------------------------------------------
REDACT_PATTERNS = [
    (r"[A-Za-z0-9_\-]*:[A-Za-z0-9_\-]{16,}@", "***@"),          # URL 內嵌憑證 user:token@
    (r"\b[0-9a-f]{40}\b", "***"),                                 # Gitea 40 字元 token
    (r"\bgh[pousr]_[A-Za-z0-9_]{16,}\b", "***"),                  # GitHub token
    (r"\bsk-[A-Za-z0-9\-_]{16,}\b", "***"),                       # API key
    (r"(?i)\b(token|password|passwd|pwd|secret|api[_-]?key)\b\s*[:=]\s*\S+", r"\1=***"),
    (r"(?i)Authorization:\s*(token|bearer)\s+\S+", r"Authorization: \1 ***"),
    (r"[A-Za-z0-9._%+\-]+@[A-Za-z0-9.\-]+\.[A-Za-z]{2,}", "***"),  # Email
    (r"\b09\d{2}[-\s]?\d{3}[-\s]?\d{3}\b", "***"),                 # 台灣手機
    (r"\b[A-Z][12]\d{8}\b", "***"),                                # 身分證字號
]


def redact(text):
    """對文字套用全部機密遮蔽規則，回傳遮蔽後的結果。"""
    for pattern, replacement in REDACT_PATTERNS:
        text = re.sub(pattern, replacement, text)
    return text


def _is_real_user_message(entry):
    """判斷 transcript 條目是否為真正的使用者輸入（排除 tool_result 回填的 user 條目）。"""
    if entry.get("type") != "user":
        return False
    content = entry.get("message", {}).get("content")
    if isinstance(content, str):
        return bool(content.strip())
    if isinstance(content, list):
        return any(b.get("type") == "text" for b in content if isinstance(b, dict))
    return False


def _blocks(entry):
    """取出條目的 content blocks，統一為 list 形式。"""
    content = entry.get("message", {}).get("content")
    if isinstance(content, str):
        return [{"type": "text", "text": content}]
    return content if isinstance(content, list) else []


def _render(entry):
    """將單一 transcript 條目轉為摘要輸入用的純文字行（工具結果僅取前段）。"""
    role = entry.get("type")
    lines = []
    for block in _blocks(entry):
        if not isinstance(block, dict):
            continue
        kind = block.get("type")
        if kind == "text":
            text = (block.get("text") or "").strip()
            if text:
                lines.append(f"[{role}] {text}")
        elif kind == "tool_use":
            name = block.get("name", "?")
            raw = json.dumps(block.get("input", {}), ensure_ascii=False)
            lines.append(f"[tool:{name}] {raw[:TOOL_INPUT_LIMIT]}")
        elif kind == "tool_result":
            raw = block.get("content")
            if isinstance(raw, list):
                raw = " ".join(
                    b.get("text", "") for b in raw if isinstance(b, dict) and b.get("type") == "text"
                )
            raw = str(raw or "").strip().replace("\n", " ")
            if raw:
                lines.append(f"[result] {raw[:TOOL_RESULT_LIMIT]}")
    return lines


def extract_turn(path):
    """
    從 transcript JSONL 抽出本輪內容：最後一筆真正使用者訊息（含該筆）之後的全部條目。

    不需任何狀態檔即可界定「本輪」，符合工作內容不落地的要求。
    回傳純文字字串；讀取失敗或無內容時回空字串。
    """
    try:
        with open(path, encoding="utf-8") as fh:
            entries = []
            for line in fh:
                line = line.strip()
                if not line:
                    continue
                try:
                    entries.append(json.loads(line))
                except ValueError:
                    continue
    except OSError:
        return ""

    start = 0
    for index in range(len(entries) - 1, -1, -1):
        if _is_real_user_message(entries[index]):
            start = index
            break

    lines = []
    for entry in entries[start:]:
        lines.extend(_render(entry))

    text = "\n".join(lines).strip()
    if len(text) > TOTAL_LIMIT:
        head = text[: TOTAL_LIMIT // 2]
        tail = text[-TOTAL_LIMIT // 2 :]
        text = f"{head}\n…（中段省略）…\n{tail}"
    return text


USAGE = """用法：transcript.py <子命令> [參數]

  extract <transcript 路徑>   抽出本輪內容並遮蔽機密後輸出到 stdout
  redact                      自 stdin 讀取文字，遮蔽機密後輸出到 stdout
"""


def main(argv):
    """CLI 進入點：解析子命令並執行抽取或遮蔽。"""
    if not argv or argv[0] in ("-h", "--help"):
        print(USAGE)
        return 0
    if argv[0] == "extract":
        if len(argv) < 2:
            return 2
        text = extract_turn(argv[1])
        if not text:
            return 1
        sys.stdout.write(redact(text))
        return 0
    if argv[0] == "redact":
        sys.stdout.write(redact(sys.stdin.read()))
        return 0
    print(USAGE)
    return 2


if __name__ == "__main__":
    sys.exit(main(sys.argv[1:]))