MangaReader/ios-app/Sources/Services/ManhwaWebScraper.swift

import Foundation
import Combine
import WebKit

/// Scraper que utiliza WKWebView para extraer contenido de manhwaweb.com.
///
/// `ManhwaWebScraper` implementa la extracción de datos de sitios web que usan
/// JavaScript dinámico para renderizar contenido. Esta estrategia es necesaria
/// porque manhwaweb.com carga su contenido mediante JavaScript después de la
/// carga inicial de la página, lo que impide el uso de HTTP requests simples.
///
/// El scraper utiliza un `WKWebView` invisible para cargar páginas, esperar a que
/// JavaScript termine de ejecutarse, y luego extraer la información mediante
/// inyección de JavaScript.
///
/// # Example
/// ```swift
/// let scraper = ManhwaWebScraper.shared
/// do {
///     let manga = try await scraper.scrapeMangaInfo(mangaSlug: "one-piece_1695365223767")
///     print("Manga: \(manga.title)")
///
///     let chapters = try await scraper.scrapeChapters(mangaSlug: manga.slug)
///     print("Capítulos: \(chapters.count)")
/// } catch {
///     print("Error: \(error.localizedDescription)")
/// }
/// ```
@MainActor
class ManhwaWebScraper: NSObject, ObservableObject {
    // MARK: - Properties

    /// WebView instance para cargar y ejecutar JavaScript
    private var webView: WKWebView?

    /// Continuation usada para operaciones async de espera
    private var continuation: CheckedContinuation<Void, Never>?

    // MARK: - Singleton

    /// Instancia compartida del scraper (Singleton pattern)
    static let shared = ManhwaWebScraper()

    // MARK: - Initialization

    /// Inicializador privado para implementar Singleton
    private override init() {
        super.init()
        setupWebView()
    }

    // MARK: - Setup

    /// Configura el WKWebView con preferencias optimizadas para scraping.
    ///
    /// Configura:
    /// - User Agent personalizado para simular un iPhone
    /// - JavaScript habilitado para ejecutar scripts en las páginas
    /// - Navigation delegate para monitorear carga de páginas
    private func setupWebView() {
        let configuration = WKWebViewConfiguration()
        configuration.applicationNameForUserAgent = "Mozilla/5.0 (iPhone; CPU iPhone OS 15_0 like Mac OS X) AppleWebKit/605.1.15"

        // Preferencias para mejor rendimiento
        let preferences = WKPreferences()
        preferences.javaScriptEnabled = true
        configuration.preferences = preferences

        webView = WKWebView(frame: .zero, configuration: configuration)
        webView?.navigationDelegate = self
    }

    // MARK: - Scraper Functions

    /// Obtiene la lista de capítulos de un manga desde manhwaweb.com.
    ///
    /// Este método carga la página del manga, espera a que JavaScript renderice
    /// el contenido, y extrae todos los links de capítulos disponibles.
    ///
    /// # Proceso
    /// 1. Carga la URL del manga en WKWebView
    /// 2. Espera 3 segundos a que JavaScript termine
    /// 3. Ejecuta JavaScript para extraer capítulos
    /// 4. Filtra duplicados y ordena descendentemente
    ///
    /// - Parameter mangaSlug: Slug único del manga (ej: `"one-piece_1695365223767"`)
    /// - Returns: Array de `Chapter` ordenados por número (descendente)
    /// - Throws: `ScrapingError` si el WebView no está inicializado o falla la extracción
    ///
    /// # Example
    /// ```swift
    /// do {
    ///     let chapters = try await scraper.scrapeChapters(mangaSlug: "one-piece_1695365223767")
    ///     print("Found \(chapters.count) chapters")
    ///     for chapter in chapters.prefix(5) {
    ///         print("- Chapter \(chapter.number): \(chapter.title)")
    ///     }
    /// } catch {
    ///     print("Failed to scrape chapters: \(error)")
    /// }
    /// ```
    func scrapeChapters(mangaSlug: String) async throws -> [Chapter] {
        guard let webView = webView else {
            throw ScrapingError.webViewNotInitialized
        }

        let url = URL(string: "https://manhwaweb.com/manga/\(mangaSlug)")!
        var chapters: [Chapter] = []

        // Load URL and wait
        try await loadURLAndWait(url)

        // Extract chapters using JavaScript
        chapters = try await webView.evaluateJavaScript("""
            (function() {
                const chapters = [];
                const links = document.querySelectorAll('a[href*="/leer/"]');

                links.forEach(link => {
                    const href = link.getAttribute('href');
                    const text = link.textContent?.trim();

                    if (href && text && href.includes('/leer/')) {
                        // Extraer número de capítulo
                        const match = href.match(/(\\d+)(?:\\/|\\?|\\s*$)/);
                        const chapterNumber = match ? parseInt(match[1]) : null;

                        if (chapterNumber && !isNaN(chapterNumber)) {
                            chapters.push({
                                number: chapterNumber,
                                title: text,
                                url: href.startsWith('http') ? href : 'https://manhwaweb.com' + href,
                                slug: href.replace('/leer/', '').replace(/^\\//, '')
                            });
                        }
                    }
                });

                // Eliminar duplicados
                const unique = chapters.filter((chapter, index, self) =>
                    index === self.findIndex((c) => c.number === chapter.number)
                );

                // Ordenar descendente
                return unique.sort((a, b) => b.number - a.number);
            })();
        """) as! [ [String: Any] ]

        let parsedChapters = chapters.compactMap { dict -> Chapter? in
            guard let number = dict["number"] as? Int,
                  let title = dict["title"] as? String,
                  let url = dict["url"] as? String,
                  let slug = dict["slug"] as? String else {
                return nil
            }
            return Chapter(number: number, title: title, url: url, slug: slug)
        }

        return parsedChapters
    }

    /// Obtiene las URLs de las imágenes de un capítulo.
    ///
    /// Este método carga la página de lectura de un capítulo, espera a que
    /// las imágenes carguen, y extrae todas las URLs de imágenes del contenido.
    ///
    /// # Proceso
    /// 1. Carga la URL del capítulo en WKWebView
    /// 2. Espera 5 segundos (más tiempo para cargar imágenes)
    /// 3. Ejecuta JavaScript para extraer URLs de `<img>` tags
    /// 4. Filtra elementos de UI (avatars, icons, logos)
    /// 5. Elimina duplicados preservando orden
    ///
    /// - Parameter chapterSlug: Slug del capítulo (ej: `"one-piece/capitulo-1"`)
    /// - Returns: Array de strings con URLs de imágenes en orden
    /// - Throws: `ScrapingError` si el WebView no está inicializado o falla la carga
    ///
    /// # Example
    /// ```swift
    /// do {
    ///     let images = try await scraper.scrapeChapterImages(chapterSlug: "one-piece/1")
    ///     print("Found \(images.count) pages")
    ///     for (index, imageUrl) in images.enumerated() {
    ///         print("Page \(index + 1): \(imageUrl)")
    ///     }
    /// } catch {
    ///     print("Failed to scrape images: \(error)")
    /// }
    /// ```
    func scrapeChapterImages(chapterSlug: String) async throws -> [String] {
        guard let webView = webView else {
            throw ScrapingError.webViewNotInitialized
        }

        let url = URL(string: "https://manhwaweb.com/leer/\(chapterSlug)")!
        var images: [String] = []

        // Load URL and wait
        try await loadURLAndWait(url, waitForImages: true)

        // Extract image URLs using JavaScript
        images = try await webView.evaluateJavaScript("""
            (function() {
                const imageUrls = [];
                const imgs = document.querySelectorAll('img');

                imgs.forEach(img => {
                    let src = img.src || img.getAttribute('data-src');

                    if (src) {
                        // Filtrar UI elements
                        const alt = (img.alt || '').toLowerCase();
                        const className = (img.className || '').toLowerCase();

                        const isUIElement =
                            src.includes('avatar') ||
                            src.includes('icon') ||
                            src.includes('logo') ||
                            src.includes('button') ||
                            alt.includes('avatar') ||
                            className.includes('avatar') ||
                            className.includes('icon');

                        if (!isUIElement && src.includes('http')) {
                            imageUrls.push(src);
                        }
                    }
                });

                // Eliminar duplicados preservando orden
                return [...new Set(imageUrls)];
            })();
        """) as! [String]

        return images
    }

    /// Obtiene la información completa de un manga.
    ///
    /// Este método extrae todos los metadatos disponibles de un manga:
    /// título, descripción, géneros, estado de publicación, e imagen de portada.
    ///
    /// # Proceso
    /// 1. Carga la URL del manga en WKWebView
    /// 2. Espera 3 segundos a que JavaScript renderice
    /// 3. Ejecuta JavaScript para extraer información:
    ///    - Título desde `<h1>` o `.title` o `<title>`
    ///    - Descripción desde `<p>` con >100 caracteres
    ///    - Géneros desde links `/genero/*`
    ///    - Estado desde regex en body del documento
    ///    - Cover image desde `.cover img`
    ///
    /// - Parameter mangaSlug: Slug único del manga (ej: `"one-piece_1695365223767"`)
    /// - Returns: Objeto `Manga` con información completa
    /// - Throws: `ScrapingError` si el WebView no está inicializado o falla la extracción
    ///
    /// # Example
    /// ```swift
    /// do {
    ///     let manga = try await scraper.scrapeMangaInfo(mangaSlug: "one-piece_1695365223767")
    ///     print("Title: \(manga.title)")
    ///     print("Status: \(manga.displayStatus)")
    ///     print("Genres: \(manga.genres.joined(separator: ", "))")
    /// } catch {
    ///     print("Failed to scrape manga info: \(error)")
    /// }
    /// ```
    func scrapeMangaInfo(mangaSlug: String) async throws -> Manga {
        guard let webView = webView else {
            throw ScrapingError.webViewNotInitialized
        }

        let url = URL(string: "https://manhwaweb.com/manga/\(mangaSlug)")!

        // Load URL and wait
        try await loadURLAndWait(url)

        // Extract manga info using JavaScript
        let mangaInfo: [String: Any] = try await webView.evaluateJavaScript("""
            (function() {
                // Title
                let title = '';
                const titleEl = document.querySelector('h1') ||
                               document.querySelector('.title') ||
                               document.querySelector('[class*="title"]');
                if (titleEl) {
                    title = titleEl.textContent?.trim() || '';
                }

                if (!title) {
                    title = document.title.replace(' - ManhwaWeb', '').replace(' - Manhwa Web', '').trim();
                }

                // Description
                let description = '';
                const paragraphs = document.querySelectorAll('p');
                for (const p of paragraphs) {
                    const text = p.textContent?.trim() || '';
                    if (text.length > 100 && !text.includes('©')) {
                        description = text;
                        break;
                    }
                }

                // Genres
                const genres = [];
                const genreLinks = document.querySelectorAll('a[href*="/genero/"]');
                genreLinks.forEach(link => {
                    const genre = link.textContent?.trim();
                    if (genre) genres.push(genre);
                });

                // Status
                let status = 'UNKNOWN';
                const bodyText = document.body.textContent || '';
                const statusMatch = bodyText.match(/Estado\\s*:?\\s*(PUBLICANDOSE|FINALIZADO|EN PAUSA|EN_ESPERA)/i);
                if (statusMatch) {
                    status = statusMatch[1].toUpperCase().replace(' ', '_');
                }

                // Cover image
                let coverImage = '';
                const coverImg = document.querySelector('.cover img') ||
                                document.querySelector('[class*="cover"] img') ||
                                document.querySelector('img[alt*="cover"]');
                if (coverImg) {
                    coverImage = coverImg.src || '';
                }

                return {
                    title: title,
                    description: description,
                    genres: genres,
                    status: status,
                    coverImage: coverImage
                };
            })();
        """) as! [String: Any]

        let title = mangaInfo["title"] as? String ?? "Unknown"
        let description = mangaInfo["description"] as? String ?? ""
        let genres = mangaInfo["genres"] as? [String] ?? []
        let status = mangaInfo["status"] as? String ?? "UNKNOWN"
        let coverImage = mangaInfo["coverImage"] as? String

        return Manga(
            slug: mangaSlug,
            title: title,
            description: description,
            genres: genres,
            status: status,
            url: url.absoluteString,
            coverImage: coverImage?.isEmpty == false ? coverImage : nil
        )
    }

    // MARK: - Helper Methods

    /// Carga una URL en el WebView y espera a que JavaScript termine de ejecutarse.
    ///
    /// Este método es interno y usado por todos los métodos públicos de scraping.
    /// Carga la URL y bloquea la ejecución por un tiempo fijo para dar oportunidad
    /// a JavaScript de renderizar el contenido.
    ///
    /// - Parameters:
    ///   - url: URL a cargar en el WebView
    ///   - waitForImages: Si `true`, espera 5 segundos (para imágenes); si `false`, 3 segundos
    /// - Throws: `ScrapingError.webViewNotInitialized` si el WebView no está configurado
    private func loadURLAndWait(_ url: URL, waitForImages: Bool = false) async throws {
        guard let webView = webView else {
            throw ScrapingError.webViewNotInitialized
        }

        try await withCheckedThrowingContinuation { continuation in
            webView.load(URLRequest(url: url))

            // Esperar a que la página cargue
            DispatchQueue.main.asyncAfter(deadline: .now() + (waitForImages ? 5.0 : 3.0)) {
                continuation.resume()
            }
        }
    }
}

// MARK: - WKNavigationDelegate

/// Extensión que implementa el protocolo WKNavigationDelegate.
///
/// Maneja eventos de navegación del WebView como carga completada,
/// fallos de navegación, etc. Actualmente solo loggea errores para debugging.
extension ManhwaWebScraper: WKNavigationDelegate {
    /// Se llama cuando la navegación se completa exitosamente.
    nonisolated func webView(_ webView: WKWebView, didFinish navigation: WKNavigation!) {
        // Navigation completed
    }

    /// Se llama cuando falla la navegación.
    nonisolated func webView(_ webView: WKWebView, didFail navigation: WKNavigation!, withError error: Error) {
        print("Navigation failed: \(error.localizedDescription)")
    }

    /// Se llama cuando falla la navegación provisional (antes de commit).
    nonisolated func webView(_ webView: WKWebView, didFailProvisionalNavigation navigation: WKNavigation!, withError error: Error) {
        print("Provisional navigation failed: \(error.localizedDescription)")
    }
}

// MARK: - Errors

/// Errores específicos que pueden ocurrir durante el scraping.
///
/// `ScrapingError` define los casos de error más comunes que pueden
/// ocurrir al intentar extraer contenido de manhwaweb.com.
enum ScrapingError: LocalizedError {
    /// El WKWebView no está inicializado o es nil
    case webViewNotInitialized

    /// Error al cargar la página web (timeout, network error, etc.)
    case pageLoadFailed

    /// La página cargó pero no se encontró el contenido esperado
    case noContentFound

    /// Error al procesar/parsear el contenido extraído
    case parsingError

    /// Descripción legible del error para mostrar al usuario
    var errorDescription: String? {
        switch self {
        case .webViewNotInitialized:
            return "WebView no está inicializado"
        case .pageLoadFailed:
            return "Error al cargar la página"
        case .noContentFound:
            return "No se encontró contenido"
        case .parsingError:
            return "Error al procesar el contenido"
        }
    }
}