#!/usr/bin/env python3
"""
Converte wordpress-posts.jsonl (saido do coletor-wordpress.js) em um .md
por post, com front-matter YAML. Imagens NAO sao baixadas -- os posts so
usam miniaturas dos mesmos handles que o acervo principal ja cobre (ver
PLANO.md); o valor novo aqui e o texto + o mapeamento pra handles.

Uso: python3 converte-wordpress-md.py [wordpress-posts.jsonl] [pasta-saida]
"""
import json, re, sys, unicodedata
from pathlib import Path

ENTRADA = Path(sys.argv[1] if len(sys.argv) > 1 else "wordpress-posts.jsonl")
SAIDA = Path(sys.argv[2] if len(sys.argv) > 2 else "../wordpress")
SAIDA.mkdir(parents=True, exist_ok=True)


def slug(txt):
    txt = unicodedata.normalize("NFKD", txt).encode("ascii", "ignore").decode()
    txt = re.sub(r"[^a-zA-Z0-9]+", "-", txt).strip("-").lower()
    return txt[:80] or "sem-titulo"


def yaml_str(s):
    if s is None:
        return "null"
    return '"' + str(s).replace("\\", "\\\\").replace('"', '\\"') + '"'


def yaml_lista(items):
    if not items:
        return "[]"
    return "[" + ", ".join(yaml_str(i) for i in items) + "]"


n_ok = n_erro = 0
for linha in open(ENTRADA, encoding="utf-8"):
    if not linha.strip():
        continue
    post = json.loads(linha)
    if post.get("erro"):
        n_erro += 1
        continue

    titulo = post.get("titulo") or f"post-{post['id']}"
    nome_arquivo = f"{post['id']}-{slug(titulo)}.md"

    frontmatter = "\n".join([
        "---",
        f"id: {post['id']}",
        f"url: {yaml_str(post.get('url'))}",
        f"titulo: {yaml_str(titulo)}",
        f"autor: {yaml_str(post.get('autor'))}",
        f"data: {yaml_str(post.get('data_iso'))}",
        f"categorias: {yaml_lista(post.get('categorias') or [])}",
        f"handles_referenciados: {yaml_lista(post.get('handles_referenciados') or [])}",
        f"fetched_at: {yaml_str(post.get('fetched_at'))}",
        "---",
    ])

    corpo = post.get("corpo") or "*(sem conteúdo extraído)*"

    # nota de referencia pros handles, com link relativo pro nosso acervo
    handles = post.get("handles_referenciados") or []
    nota_handles = ""
    if handles:
        linhas_h = "\n".join(f"- `{h}` — `itens/{h.replace('/', '_')}/`" for h in handles)
        nota_handles = f"\n\n---\n\n**Itens do acervo referenciados neste post:**\n\n{linhas_h}\n"

    conteudo = f"{frontmatter}\n\n# {titulo}\n\n{corpo}{nota_handles}\n"
    (SAIDA / nome_arquivo).write_text(conteudo, encoding="utf-8")
    n_ok += 1

print(f"{n_ok} arquivos .md gerados em {SAIDA.resolve()}")
print(f"{n_erro} posts com erro na coleta, pulados")