#!/usr/bin/env python3
"""hooks/lib/evidence.py — 「這段要寫上票的內容，帶不帶得出出處？」（inkstone/ISEP#87）

依 inkstone/ISEP#40 S7 的慣例：`lib/` 裡的東西是共用零件，本身不決定 allow/block，
判決由呼叫它的閘做（`hooks/diagnosis-evidence-guard.sh`）。

━━ 規則本身（leo，inkstone/ISEP#87）━━━━━━━━━━━━━━━━━━━━━━━━━

  「身為派人去查的人，我要自己在拿到調查結果前寫不出診斷，
    我才不會用猜的結論把工人的判斷力關掉。」

  票上原文的兩個壞法：
    · 診斷寫完了，**工人就不知道自己要做什麼**——它會照著我的結論去驗證，而不是去查
    · **我不是那個 repo 的專家，它才是**。我的結論通常是猜的，
      但因為寫在票上，看起來就像事實

  ⇒ 順序倒過來：**先派人查 → 拿到查的結果 → 才可以寫診斷。**

━━ 🔴 為什麼判準不能是「找出診斷的句型」━━━━━━━━━━━━━━━━━━━━
  票上寫死：「『根因』『因為』『應該是』這類詞**一律不准當判準**」。
  leo 2026-08-17 已證偽文字層封路：當日 **8 次誤攔、0 次正確攔截**，而且方向穩定——
  **紅線寫得越細，命中關鍵字的機率越高 ⇒ 那些閘在懲罰謹慎。**

  所以本檔**沒有任何「命中某個詞就違規」的比對**。它只做一件事：
  **認出「出處」在不在**——而且是**往放行的方向**做字面比對
  （認出來 ⇒ 放行；認不出來 ⇒ 交給閘去看別的結構訊號）。
  這是 `pr-verdict-guard.sh` ③ 用過的形狀：識別碼有限且唯一，
  比對錯了只會**少擋一次**，不會多罰一次。

━━ 什麼算「出處」（七種，全部是可以走過去看的東西）━━━━━━━━━━━━━━
  檔案:行號 ／ commit sha ／ comment 號 ／ 票號 ／ 網址 ／
  檔案路徑（帶目錄與副檔名）／ 圍欄裡的實測輸出

  共同點：**讀的人可以自己走過去確認**。這正是「轉述別人查到的東西」與
  「我猜的」之間唯一機械分得出來的差別（票上驗收條件 4：有出處的轉述不能被誤擋）。

用法：
    import evidence
    hits = evidence.sources(text)     # [(種類, 命中的字串), ...]
    body = evidence.body_of(command)  # 從一段 shell 指令裡把「要貼上去的內文」挖出來
"""
import os
import re

# ── 七種出處。**方向是放行**：認出來就代表這段話走得回它的來源 ──────────────
_SOURCE_PATTERNS = [
    ("檔案:行號", re.compile(r"[\w./-]+\.\w{1,6}:\d+")),
    ("commit", re.compile(r"\b[0-9a-f]{7,40}\b")),
    ("comment 號", re.compile(r"(?:#issuecomment-|comment\s*)\d{2,}", re.I)),
    ("票號", re.compile(r"[A-Za-z0-9_.-]+/[A-Za-z0-9_.-]+#\d+")),
    ("網址", re.compile(r"https?://\S{4,}")),
    ("檔案路徑", re.compile(r"(?<![\w/])[\w.-]+/[\w./-]*\w\.\w{1,6}(?![\w])")),
    ("實測輸出", re.compile(r"^\s*(?:```|~~~)", re.M)),
]

# 身份欄本身不算出處——它說的是「誰寫的」，不是「這句話哪來的」。
_IDENTITY_LINE_RE = re.compile(r"^【身份】.*$", re.M)


def sources(text):
    """回 [(種類, 命中的字串)]。空清單 ＝ 這段話裡沒有任何走得過去的出處。"""
    if not text:
        return []
    body = _IDENTITY_LINE_RE.sub("", text)
    out = []
    for kind, pat in _SOURCE_PATTERNS:
        m = pat.search(body)
        if m:
            out.append((kind, m.group(0)[:60]))
    return out


def substance(text):
    """扣掉身份欄與空白之後還剩多少字。

    **長度是結構訊號，不是措辭**：一句「收到，我來看」不可能是診斷；
    診斷天生是一段有因果的敘述。用它把閘收窄，是為了不要天天誤擋
    ——`.claude/branch-holds.md` 檔頭那句：**永遠在響的警報，等於訓練人忽略這個警報。**
    """
    if not text:
        return 0
    body = _IDENTITY_LINE_RE.sub("", text)
    return len(re.sub(r"\s+", "", body))


# ── 從一段 shell 指令裡把「要貼上去的內文」挖出來 ────────────────────────────
#   做法與 comment-carries-task-guard.sh 相同：有 `-F <檔>` 就讀那個檔，
#   否則就拿指令文字本身當內文（PreToolUse 只看得到指令，這是這一層的天花板）。
#   🔴 一定要把「真正要貼上去的那段字」跟指令的鷹架分開。第一版沒分，
#      結果 `curl … https://git.uncle6.me/api/v1/…/comments -d '{"body":"<沒出處的診斷>"}'`
#      **永遠放行**——因為指令裡的**那個 URL 自己就被當成出處了**。
#      同一個病 `ticket-api-bypass-guard.sh` 檔頭也記過：認錯了要看的東西，
#      閘就在驗一個跟規則無關的欄位。
_FARG_RE = re.compile(r"(?:^|\s)(?:-F|--file)\s+([^\s'\"]+)")
_BODY_FLAG_RE = re.compile(r"(?:^|\s)--body[\s=]+(['\"])(.*?)\1", re.S)
_JSON_BODY_RE = re.compile(r"""['\"]body['\"]\s*:\s*['\"](.*?)['\"]\s*[,}]""", re.S)


def body_of(command):
    """回 (內文, 來源)。來源 ∈ {"file", "--body", "json", "command"}。

    依序試四種：`-F <檔>` → `--body <字串>` → payload 裡的 `body` 欄 → 整段指令。
    前三種都是「這段字才是要貼上票的東西」，指令的其餘部分（網址、token、旗標）
    **不算內文**——它們不是誰查來的，把它們算成出處等於這道閘自己拆自己。
    """
    if not command:
        return "", "command"
    m = _FARG_RE.search(command)
    if m:
        path = m.group(1)
        try:
            if os.path.isfile(path):
                with open(path, encoding="utf-8", errors="ignore") as f:
                    return f.read(), "file"
        except Exception:
            pass
    m = _BODY_FLAG_RE.search(command)
    if m:
        return m.group(2), "--body"
    m = _JSON_BODY_RE.search(command)
    if m:
        return m.group(1).replace("\\n", "\n"), "json"
    return command, "command"