"""tar ストリームの書き出しと展開（ssh の標準入出力につなぐ）．

Windows には rsync が無いため，Python の tarfile でストリームを作り
`ssh <host> 'tar -x ...'` の標準入力へ流す（push），または `ssh <host> 'tar -c ...'` の
標準出力を展開する（pull）．手元の tar に依存しないので PowerShell からも Git Bash からも
同じに動く．

- 書き出しは PAX 形式（日本語ファイル名を UTF-8 で確実に運ぶ）
- 展開は，メンバー名の構造検証（`..`・`.`・空の要素・バックスラッシュ・ドライブ文字を拒否）→
  リンク（シンボリック・ハード）の一律拒否 → 要求したパスとの前方一致 → Python 3.12 の
  `filter="data"`（展開先の外・特殊ファイル）の順に確かめ，どれかに当たれば中断する
"""

from __future__ import annotations

import re
import tarfile
from collections.abc import Callable, Sequence
from pathlib import Path
from typing import BinaryIO

from sm_tias_lightsim.remote.files import PushEntry

# (処理済みバイト数, 総バイト数．不明なら 0)
ProgressCallback = Callable[[int, int], None]

_ENCODING = "utf-8"
# Windows のドライブ指定（`C:` 形式）．os.path.join がこれを見ると展開先を無視して付け替える
_WINDOWS_DRIVE_RE = re.compile(r"^[A-Za-z]:")


def _normalize_tarinfo(info: tarfile.TarInfo) -> tarfile.TarInfo:
    """所有者とパーミッションを送信元 OS に依存しない値にそろえる．

    Windows の stat は所有者を持たず実行ビットも拡張子から推測した値なので，
    展開結果がそれに引きずられないよう固定する（実行ビットが立っているものだけ 755）．
    """
    info.uid = info.gid = 0
    info.uname = info.gname = ""
    info.mode = 0o755 if info.isdir() or info.mode & 0o111 else 0o644
    return info


def write_tar_stream(
    entries: Sequence[PushEntry],
    fileobj: BinaryIO,
    *,
    compress: bool,
    progress: ProgressCallback | None = None,
) -> int:
    """送信対象を tar ストリームとして fileobj へ書き出す．

    fileobj は閉じない（呼び出し側が ssh の標準入力を閉じて EOF を伝える）．

    Args:
        entries: 送信対象．
        fileobj: 書き込み先のバイナリストリーム（ssh の標準入力）．
        compress: True なら gzip 圧縮する．
        progress: ファイル 1 件ごとに呼ぶ進捗コールバック（任意）．

    Returns:
        書き出したファイルの合計バイト数（圧縮前）．

    Raises:
        OSError: 書き込み先が閉じられた（ssh が異常終了した）場合など．
    """
    total = sum(entry.size for entry in entries)
    done = 0
    mode = "w|gz" if compress else "w|"
    with tarfile.open(
        fileobj=fileobj,
        mode=mode,
        format=tarfile.PAX_FORMAT,
        encoding=_ENCODING,
        dereference=True,
    ) as tar:
        for entry in entries:
            tar.add(entry.path, arcname=entry.arcname, recursive=False, filter=_normalize_tarinfo)
            done += entry.size
            if progress is not None:
                progress(done, total)
    return done


def _reject(reason: str, name: str) -> tarfile.FilterError:
    """展開を中止するための例外を作る（問題のメンバー名と確認先を必ず含める）．"""
    return tarfile.FilterError(
        f"{reason}: 「{name}」（展開を中止しました．サーバ側の output/ を確認してください）"
    )


def _validate_member_name(name: str) -> None:
    """メンバー名の構造を検証する（要求パスとの前方一致判定の前提）．

    `filter="data"` は展開先ディレクトリの外に出るものしか拒否しないため，
    `output/foo/../../src/...` のように展開先の内側で要求パスの外へ出る名前が通ってしまう．
    文字列の前方一致だけでは防げないので，要素単位で危険な形を拒否する．
    バックスラッシュは Windows の `os.path.join` が区切りとして解釈するため
    （`output/foo/..\\..\\src\\x.py` で抜けられる），`posixpath.normpath` で丸める方式は採らない．

    Raises:
        tarfile.FilterError: `..`・`.`・空の要素（先頭 `/` や `//`）・バックスラッシュ・
            ドライブ文字（`C:` 形式）を含む場合．
    """
    # tarfile はディレクトリ名の末尾の / を落とすが，念のため 1 つだけ許す
    trimmed = name[:-1] if name.endswith("/") else name
    for part in trimmed.split("/"):
        if part in ("", ".", "..") or "\\" in part or _WINDOWS_DRIVE_RE.match(part):
            raise _reject(
                "アーカイブのメンバー名が不正です"
                "（'..'・'.'・空の要素・バックスラッシュ・ドライブ文字は受け付けません）",
                name,
            )


def _is_under(name: str, prefixes: Sequence[str]) -> bool:
    """name が prefixes のいずれか自身，またはその配下か（構造検証済みの名前に使う）．"""
    name = name.rstrip("/")
    return any(name == prefix or name.startswith(prefix + "/") for prefix in prefixes)


def extract_tar_stream(
    fileobj: BinaryIO,
    dest: Path,
    allowed_prefixes: Sequence[str],
    *,
    progress: ProgressCallback | None = None,
) -> tuple[int, int]:
    """tar ストリーム（非圧縮・gzip 自動判別）を dest へ安全に展開する．

    アーカイブの末尾（終端ブロック後のパディング）は読み残すことがあるため，
    ssh プロセスを待つ前に呼び出し側で fileobj を読み切ること（読み残すと ssh が
    パイプへの書き込みで止まり，待ち合わせがデッドロックする）．

    Args:
        fileobj: 読み出し元のバイナリストリーム（ssh の標準出力）．
        dest: 展開先ディレクトリ（無ければ作る）．
        allowed_prefixes: 受け入れるメンバーのパス（要求したパスそのもの）．
        progress: ファイル 1 件ごとに呼ぶ進捗コールバック（任意．総バイト数は 0）．

    Returns:
        (展開したファイル数, 合計バイト数)．

    検証の順序: メンバー名の構造 → リンクの拒否 → 要求パスとの前方一致 → `data_filter`
    （展開先の外・特殊ファイル・危険なパーミッション）．中断時，それまでに展開した
    ファイルは残る．

    Raises:
        tarfile.TarError: ストリームが空・壊れている，または不正な名前・リンク・要求外・
            危険なメンバーを含む場合（名前・リンク・要求外は `tarfile.FilterError`）．
        OSError: 書き込みに失敗した場合．
    """
    counts = {"files": 0, "bytes": 0}

    def _filter(member: tarfile.TarInfo, path: str) -> tarfile.TarInfo | None:
        _validate_member_name(member.name)
        # data_filter はリンク先が展開先の内側なら通すため，同名の通常ファイルを後から
        # 送られるとハードリンク経由で src/ 等を上書きできる（Windows でも特権なしで作れる）．
        # pull の対象（output/ の PNG・npy・csv）にリンクは無い前提で一律に拒否する
        if member.issym() or member.islnk():
            raise _reject(
                f"アーカイブにリンクが含まれています（リンク先 {member.linkname}）", member.name
            )
        if not _is_under(member.name, allowed_prefixes):
            raise _reject("要求していないパスがアーカイブに含まれています", member.name)
        filtered = tarfile.data_filter(member, path)
        if filtered is not None and filtered.isfile():
            counts["files"] += 1
            counts["bytes"] += filtered.size
            if progress is not None:
                progress(counts["bytes"], 0)
        return filtered

    dest.mkdir(parents=True, exist_ok=True)
    with tarfile.open(fileobj=fileobj, mode="r|*", encoding=_ENCODING) as tar:
        tar.extractall(dest, filter=_filter)
    return counts["files"], counts["bytes"]