require 'html-parser'
require 'formatter'
require 'uri'

# 2003/02/11
#  * authorが拾えてなかった(assocの使い方を間違えてた……)ので
#    修正。仕様についてはまだ要検討。
#
# 2003/02/09
#  * detecter -> detector (汗
#  * @anchor_name -> @last_anchor_name
#  * handle_comment を追加。
#     <a href="foo.html#t_01">RHG<!-- ISBN4-8443-1721-0w --></a>
#    とかいうタグがあった場合、foo.html#t_01をISBN4-8443-1721-0
#    の書評と見なすようにする。


# HTML中の書評(ISBN)を自動検出するクラス
#
class ReviewDetector < HTMLParser

  # 書評の入れ物クラス
  #
  class Review
    attr_accessor :isbn, :reviewer, :url
    def initialize(isbn, url, reviewer)
      @isbn = isbn
      @url = url
      @reviewer = reviewer
    end

    # ISBNを数値のみにする。識別用に使うためのもの。
    #
    def s_isbn
      @isbn.gsub(/[^0-9]+/,"")
    end
  end

  attr_reader :review_list

  # 初期化する。
  # 第3引数は書評を書いた人を指定する場合。nilの場合はHTML中の
  # <meta name="author">から検出する。
  #
  def initialize(writer, url, reviewer=nil)
    super(writer)
    @url = url
    @parsed_url = URI.parse(url)
    @reviewer = reviewer
    @review_list = {}
    @anchor = nil
    @last_anchor_name = nil
  end

  # <meta name="author" content="だれそれ"> というタグ
  # があったらその人をデフォルトの書評者とする。
  #
  def do_meta(attrs)
    if !@reviewer
      if attrs.assoc("name") &&
	  attrs.assoc("name")[1].to_s.downcase == "author"
	reviewer_list = attrs.assoc("content")
	if reviewer_list
	  @reviewer = reviewer_list[1]
	end
      end
    end
  end

  # コメント部の処理。
  # コメント中にISBNがあって、それが<a>...</a>で囲まれていれば
  # そのアンカーのリンク先を書評ページとする。
  # アンカーになっていない場合はテキスト中のIBSNと同じく、その
  # ページ内に書評が書かれているとする。
  #
  def handle_comment(data)
    isbn = lookup_isbn_by_text(data)
    if isbn
      if @anchor
	url = @parsed_url.merge(URI.parse(@anchor)).to_s
	regist_review(isbn, url)
      else
	regist_review(isbn)
      end
    end
  end

  # <a ...>の処理
  #
  def anchor_bgn(href, name, type)
    isbn = lookup_isbn_by_href(href)
    if isbn
      regist_review(isbn)
    end
    @anchor = href
    if name
      @last_anchor_name = name
    end
  end

  # </a>の処理
  #
  def anchor_end()
    @anchor = nil
  end

  # HTML内のテキスト部分の処理。
  # テキスト中にISBNがあって、それが<a>...</a>で囲まれていれば
  # そのアンカーのリンク先を書評ページとする。
  # アンカーになっていない場合は、そのページに書評が
  # 書かれているとして、直前の<a name="...">に書かれているname
  # 属性のところを書評として登録する。
  # その場合、name属性が指定してあるAタグがないときにはページ
  # そのものを登録する。
  #
  def handle_data(data)
    isbn = lookup_isbn_by_text(data)
    if isbn
      if @anchor
	url = @parsed_url.merge(URI.parse(@anchor)).to_s
	regist_review(isbn, url)
      else
	regist_review(isbn)
      end
    end
  end

  # 書評をリストに格納する
  #
  def regist_review(isbn, url=nil)
    if url
      review = Review.new(isbn, url, @reviewer)
    else
      if @last_anchor_name
	review = Review.new(isbn, @url+"#"+@last_anchor_name, @reviewer)
      else
	review = Review.new(isbn, @url, @reviewer)
      end
    end

    @review_list[review.s_isbn] = review
  end

  # href属性値の中からISBNを探す
  #
  def lookup_isbn_by_href(href)
    if %r|www.amazon.co.jp/exec/obidos/ASIN/([0-9][-0-9X]+)/|i =~ href
      return $1
    elsif %r|www.bk1.co.jp/[^'"]*isbn=([0-9][-0-9X]+)|i =~ href
      return $1
    end
    return nil
  end

  # 文字列の中からISBNを探す
  #
  def lookup_isbn_by_text(data)
    if %r|isbn[\s=:]?([0-9][-0-9X]+)|i =~ data
      return $1
    end
  end


  ## for simple use
  class << self
    def detect(data, url, reviewer=nil)
      f = NullFormatter.new()
      parser = ReviewDetector.new(f, url, reviewer)
      parser.feed(data)
      list = parser.review_list
      parser.close()
      return list
    end
  end
end


if __FILE__ == $0

  # コマンドラインでの使い方
  # URLは必須。reviewerの指定はオプションで、指定しない
  # 場合は自動検出を行う。
  #
  def usage()
    print "ruby reviewdetector.rb <URL> [<reviewer>]\n"
    exit 1
  end

  require 'net/http'
  Net::HTTP.version_1_2

  usage() if ARGV.size < 1 or ARGV.size > 2

  data = nil
  url = URI.parse(ARGV[0])
  if ARGV[1]
    reviewer = ARGV[1]
  else
    reviewer = nil
  end
    
  if url.scheme == "http"
    http = Net::HTTP.new(url.host, url.port)
    http.start{
      res, = http.get(url.path)
      data = res.body
    }
    list = ReviewDetector.detect(data, ARGV[0], reviewer)
  else
    data = File.open(ARGV[0]){|f| f.read()}
    list = ReviewDetector.detect(data, "file:///"+ARGV[0], reviewer)
  end

  # ISBN、URL、書評者をtab区切りで出力
  #
  list.each{|key, item|
    printf("%s\t%s\t%s\n", item.isbn, item.url, item.reviewer)
  }
end