vyatsu-schedule/app/src/main/java/agzam/vyatsu/data/remote/GroupsParser.kt

package agzam.vyatsu.data.remote

import agzam.vyatsu.domain.model.DateRange
import agzam.vyatsu.domain.model.Group
import agzam.vyatsu.domain.model.Season
import java.io.InputStream

/**
 * Основано на https://github.com/alirzaev/vyatsu-schedule-backend/blob/master/utils/extractors.py
 * @author Agzam
 */
object GroupsParser {

    private val groupPattern = Regex("""/reports/schedule/Group/(\d{4,})_([12])_(\d{8})_(\d{8})\.pdf""")

    private val grpIdPattern = Regex("""data-grp_period_id="(\d+)"""")
    private val parenthesized = Regex("""\(.*?\)\s?""")

    private const val CHUNK_SIZE = 8192
    private const val MAX_SLICE = 1 shl 16      // 64 KiB — защита от аномально длинных единиц
    private const val MAX_PENDING = 1 shl 20    // 1 MiB — жёсткий потолок буфера

    private val shorthands = mapOf(
        "Институт биологии и биотехнологии (факультет)(ОРУ)" to "ИББТ",
        "Институт химии и экологии (факультет) (ОРУ)" to "ИнХимЭк",
        "Факультет автоматики и вычислительной техники (ОРУ)" to "ФАВТ",
        "Факультет истории, политических наук и культурологии (ОРУ)" to "ФИПНК",
        "Факультет компьютерных и физико-математических наук (ОРУ)" to "ФКФМН",
        "Факультет лингвистики (ОРУ)" to "ФЛ",
        "Факультет менеджмента и сервиса (ОРУ)" to "ФМиС",
        "Факультет педагогики и психологии (ОРУ)" to "ФПП",
        "Факультет строительства и архитектуры (ОРУ)" to "ФСА",
        "Факультет технологий, инжиниринга и дизайна (ОРУ)" to "ФТИД",
        "Факультет физической культуры и спорта (ОРУ)" to "ФФКС",
        "Факультет филологии и медиакоммуникаций (ОРУ)" to "ФФМ",
        "Факультет экономики и финансов (ОРУ)" to "ФЭиФ",
        "Электротехнический факультет (ОРУ)" to "ЭТФ",
        "Юридический институт (факультет) (ОРУ)" to "ЮИ"
    )

    /**
     * Стриминговый парсер страницы групп: читает тело ответа по чанкам и
     * разбирает его на лету, не материализуя весь HTML в память.
     *
     * Страница весит ~2.6MB, а на устройствах с маленькой кучей даже
     * одиночный String такого размера — критично (jsoup-DOM и подавно приводил к OOM).
     * За один проход извлекаем и список групп, и диапазоны дат из PDF-ссылок.
     */
    fun parseStream(input: InputStream): ParsedGroups {
        val reader = input.bufferedReader(Charsets.UTF_8)
        val buf = CharArray(CHUNK_SIZE)
        val pending = StringBuilder(CHUNK_SIZE * 2)
        val groups = ArrayList<Group>()
        val ranges = HashMap<String, HashMap<Season, MutableList<DateRange>>>()
        var faculty = ""

        fun addRanges(text: String) {
            for (m in groupPattern.findAll(text)) {
                val groupId = m.groupValues[1]
                val season = if (m.groupValues[2] == "1") Season.AUTUMN else Season.SPRING
                val range = DateRange(m.groupValues[3], m.groupValues[4])
                ranges.getOrPut(groupId) {
                    hashMapOf(Season.AUTUMN to ArrayList(), Season.SPRING to ArrayList())
                }.getOrPut(season) { ArrayList() }.add(range)
            }
        }

        while (true) {
            val n = reader.read(buf)
            if (n < 0) break
            pending.append(buf, 0, n)

            var pos = 0
            while (pos < pending.length) {
                val divAt = pending.indexOf("<div", pos)
                val aAt = pending.indexOf("<a", pos)
                val tagStart = when {
                    divAt < 0 -> aAt
                    aAt < 0 -> divAt
                    else -> minOf(divAt, aAt)
                }
                if (tagStart < 0) {
                    // хвостовой текст без div-тегов — обычный текст страницы
                    pos = pending.length
                    break
                }
                if (tagStart > pos) {
                    addRanges(pending.substring(pos, tagStart))
                }
                val tagEnd = findTagEnd(pending, tagStart)
                if (tagEnd < 0) break // тег не дочитан — ждём следующий чанк
                val tagText = pending.substring(tagStart, tagEnd + 1)

                val isDiv = tagText.startsWith("<div")
                val isFakName = isDiv && tagText.contains("class=\"fak_name\"")
                val isGrpPeriod = isDiv && tagText.contains("class=\"grpPeriod\"")
                if (isFakName || isGrpPeriod) {
                    val closeDiv = pending.indexOf("</div>", tagEnd + 1)
                    if (closeDiv < 0) break // содержимое не дочитано — ждём следующий чанк
                    addRanges(tagText)
                    val content = pending.substring(tagEnd + 1, closeDiv)
                    if (isFakName) {
                        val name = content.trim()
                        if (name.isNotEmpty()) faculty = shortname(name)
                    } else {
                        val m = grpIdPattern.find(tagText)
                        if (m != null) {
                            groups += Group(
                                id = m.groupValues[1].dropLast(1),
                                name = removeParenthesized(content),
                                faculty = faculty
                            )
                        }
                    }
                    pos = closeDiv + 6
                } else {
                    addRanges(tagText)
                    pos = tagEnd + 1
                }

                if (pos > MAX_SLICE) {
                    pending.delete(0, pos)
                    pos = 0
                }
            }
            if (pos > 0 && pos <= pending.length) {
                pending.delete(0, pos)
            }
            if (pending.length > MAX_PENDING) {
                // на странице нет настолько длинных конструкций; страховка от аномалий
                pending.delete(0, pending.length - MAX_SLICE)
            }
        }
        return ParsedGroups(groups, ranges)
    }

    /** Ищет конец HTML-тега — символ '>' вне кавычек. */
    private fun findTagEnd(s: CharSequence, start: Int): Int {
        var i = start
        var quote = 0.toChar()
        while (i < s.length) {
            val c = s[i]
            if (quote != 0.toChar()) {
                if (c == quote) quote = 0.toChar()
            } else {
                when (c) {
                    '"', '\'' -> quote = c
                    '>' -> return i
                }
            }
            i++
        }
        return -1
    }

    private fun shortname(name: String): String {
        val stripped = removeParenthesized(name)
        val sh = shorthands[name]
        return if (sh != null) "$sh ($stripped)" else stripped
    }

    private fun removeParenthesized(name: String): String = name.replace(parenthesized, "").trim()
}

data class ParsedGroups(
    val groups: List<Group>,
    val dateRanges: Map<String, Map<Season, List<DateRange>>>
)