#!/usr/bin/env python3
"""
小红书内容转换器 - 修复版
专门处理IT资讯自动化系统生成的Markdown文件
"""

import re
import logging
from typing import Dict, List, Optional, Tuple
from dataclasses import dataclass

logger = logging.getLogger(__name__)

@dataclass
class Article:
    """文章数据结构"""
    title: str
    content: str
    source: str = ""
    url: str = ""
    keywords: List[str] = None
    
    def __post_init__(self):
        if self.keywords is None:
            self.keywords = []

@dataclass
class XiaohongshuContent:
    """小红书内容结构"""
    title: str
    content: str
    cover_suggestions: List[str] = None
    tags: List[str] = None
    
    def __post_init__(self):
        if self.cover_suggestions is None:
            self.cover_suggestions = []
        if self.tags is None:
            self.tags = []

class ContentConverterFixed:
    """修复版内容转换器"""
    
    def __init__(self, config: Optional[Dict] = None):
        self.config = config or {}
        logger.info("修复版内容转换器初始化完成")
    
    def parse_markdown(self, markdown_content: str) -> Article:
        """
        解析Markdown文件，提取真正的文章内容
        
        Args:
            markdown_content: Markdown文件内容
            
        Returns:
            文章对象
        """
        lines = markdown_content.split('\n')
        
        # 提取标题（第一行）
        title = ""
        if lines and lines[0].startswith('# '):
            title = lines[0][2:].strip()
        
        # 查找文章内容部分
        content_start = -1
        for i, line in enumerate(lines):
            if line.strip() == "## 📰 文章内容（DeepSeek翻译）":
                content_start = i + 1
                break
        
        # 提取真正的文章内容 - 修复：只提取DeepSeek翻译的正文
        content_lines = []
        if content_start > 0:
            # 跳过空行和可能的标题标记行
            i = content_start
            while i < len(lines):
                line = lines[i].strip()
                # 跳过空行和标题标记行
                if not line or line.startswith('**标题：') or line.startswith('**核心内容翻译：'):
                    i += 1
                    continue
                # 找到真正的内容开始
                break
            
            # 收集真正的文章内容（直到下一个##标题或---分隔符）
            while i < len(lines):
                line = lines[i]
                # 如果遇到下一个标题或分隔符，停止收集
                if line.startswith('## ') or line.strip() == '---':
                    break
                content_lines.append(line)
                i += 1
        
        # 如果还是没有找到，尝试查找中文内容
        if not content_lines:
            for i, line in enumerate(lines):
                # 查找典型的中文内容开始
                if '本文报道了' in line or '文章指出' in line or '主要观点' in line:
                    # 从这个段落开始收集
                    j = i
                    while j < len(lines) and not lines[j].startswith('## ') and lines[j].strip() != '---':
                        if lines[j].strip():
                            content_lines.append(lines[j])
                        j += 1
                    break
        
        # 如果还是没有，使用整个内容
        if not content_lines:
            content_lines = lines
        
        content = '\n'.join(content_lines).strip()
        
        # 提取来源
        source = ""
        for line in lines:
            if "**来源**:" in line or "来源:" in line:
                match = re.search(r'[:：]\s*(.+)', line)
                if match:
                    source = match.group(1).strip()
                    break
        
        # 提取原文链接
        url = ""
        for line in lines:
            if "原文链接:" in line or "**原文链接**:" in line:
                match = re.search(r'https?://[^\s]+', line)
                if match:
                    url = match.group(0).strip()
                    break
        
        return Article(
            title=title,
            content=content,
            source=source,
            url=url
        )
    
    def extract_main_content(self, content: str) -> str:
        """
        从文章内容中提取核心部分
        
        Args:
            content: 原始文章内容
            
        Returns:
            提取后的核心内容
        """
        # 移除标题行
        lines = content.split('\n')
        filtered_lines = []
        
        for line in lines:
            # 跳过空行和标题行
            if not line.strip():
                continue
            if line.startswith('**标题：'):
                continue
            if line.startswith('**核心内容翻译：'):
                continue
            if line.startswith('---'):
                continue
            
            filtered_lines.append(line)
        
        return '\n\n'.join(filtered_lines)
    
    def to_xiaohongshu_basic(self, article: Article) -> str:
        """
        基础转换：将文章转换为小红书格式
        
        Args:
            article: 文章对象
            
        Returns:
            小红书格式的内容
        """
        # 提取核心内容
        main_content = self.extract_main_content(article.content)
        
        # 处理标题
        title = self._process_title(article.title)
        
        # 构建小红书内容
        xhs_content = ""
        
        # 开头
        xhs_content += f"姐妹们！今天分享一个超实用的技术资讯\n\n"
        xhs_content += f"往下看 ⬇️\n\n"
        
        # 标题
        xhs_content += f"【{title}】\n\n"
        
        # 来源
        if article.source:
            xhs_content += f"来源: {article.source}\n\n"
            xhs_content += "—————\n\n"
        
        # 核心内容（限制长度）
        if main_content:
            # 限制内容长度（小红书适合短内容）
            if len(main_content) > 800:
                # 取前800字符，并在完整句子处截断
                truncated = main_content[:800]
                last_period = max(
                    truncated.rfind('。'),
                    truncated.rfind('！'),
                    truncated.rfind('？'),
                    truncated.rfind('.')
                )
                if last_period > 600:  # 确保有足够内容
                    main_content = truncated[:last_period + 1]
                else:
                    main_content = truncated + "..."
            
            xhs_content += f"{main_content}\n\n"
        
        # 结尾
        xhs_content += "—————\n\n"
        xhs_content += "有用的话记得收藏 📌\n\n"
        
        # 标签
        tags = self._generate_tags(article)
        xhs_content += f"{tags}\n\n"
        
        # 互动提示
        xhs_content += "💬 你对这个话题有什么看法？欢迎在评论区讨论！\n"
        xhs_content += "⭐ 如果觉得有用，记得点赞收藏哦～\n\n"
        
        # 原文链接
        if article.url:
            xhs_content += f"🔗 原文链接: {article.url}"
        
        return xhs_content
    
    def _process_title(self, title: str) -> str:
        """处理标题"""
        # 缩短过长的标题
        if len(title) > 40:
            title = title[:37] + "..."
        return title
    
    def _generate_tags(self, article: Article) -> str:
        """生成标签"""
        base_tags = ["#来源", "#干货分享", "#实用技巧", "#技术资讯", "#科技新闻", "#技术"]
        
        # 根据来源添加特定标签
        if "MIT" in article.source or "Technology Review" in article.source:
            base_tags.append("#MIT")
            base_tags.append("#AI技术")
        
        if "The Verge" in article.source:
            base_tags.append("#TheVerge")
            base_tags.append("#科技媒体")
        
        if "InfoQ" in article.source:
            base_tags.append("#InfoQ")
            base_tags.append("#开发者")
        
        return " ".join(base_tags)
    
    def convert_markdown_to_xiaohongshu(self, markdown_content: str) -> str:
        """
        主转换函数：将Markdown文件转换为小红书格式
        
        Args:
            markdown_content: Markdown文件内容
            
        Returns:
            小红书格式的内容
        """
        try:
            # 1. 解析Markdown文件
            article = self.parse_markdown(markdown_content)
            
            logger.info(f"解析文章: {article.title}")
            logger.info(f"来源: {article.source}")
            logger.info(f"内容长度: {len(article.content)} 字符")
            
            # 2. 转换为小红书格式
            xhs_content = self.to_xiaohongshu_basic(article)
            
            logger.info(f"转换完成，标题: {article.title[:30]}...")
            return xhs_content
            
        except Exception as e:
            logger.error(f"转换失败: {e}")
            
            # 回退：简单转换
            lines = markdown_content.split('\n')
            title = lines[0][2:].strip() if lines and lines[0].startswith('# ') else "技术资讯"
            
            return f"""姐妹们！今天分享一个技术资讯

往下看 ⬇️

【{title[:30]}...】

来源: IT资讯

—————

💡 内容处理中遇到问题，请查看原文链接获取完整内容。

—————

有用的话记得收藏 📌

#技术资讯 #科技新闻 #干货分享

💬 你对这个话题有什么看法？欢迎在评论区讨论！
⭐ 如果觉得有用，记得点赞收藏哦～"""


def test_conversion():
    """测试转换功能"""
    converter = ContentConverterFixed()
    
    # 测试内容
    test_md = """# Where OpenAI's technology could show up in Iran

## 📋 文章信息

- **来源**: MIT Technology Review
- **原文标题**: Where OpenAI's technology could show up in Iran
- **原文链接**: https://www.technologyreview.com/2026/03/16/1134315/where-openais-technology-could-show-up-in-iran/
- **发布日期**: None
- **原文字数**: 1,227
- **文章类型**: 技术类
- **处理方式**: DeepSeek翻译
- **处理时间**: 2026-03-17 16:01:00
- **抓取时间**: 2026-03-17T16:00:27.836284

---

## 📰 文章内容（DeepSeek翻译）

**标题：OpenAI技术可能在伊朗战场出现的三个关键领域**

**核心内容翻译：**

从战争边缘到战斗核心，值得关注的三个领域。

OpenAI与五角大楼达成允许其在涉密环境中使用AI技术的争议性协议已逾两周。该协议的具体授权范围仍存紧迫疑问：萨姆·奥尔特曼虽宣称军方不得用其技术开发生化武器，但协议仅要求军方遵循自身（）相关准则。OpenAI另一主要声明——协议将禁止其技术用于国内监控——同样显得可疑。

OpenAI的动机尚不明确。这并非科技巨头首次违背"永不涉足"的誓言承接军事合同，但其立场转变速度之快值得注意。或许出于资金压力：OpenAI正投入巨资进行AI训练并寻求更多收入来源（包括广告）。亦或奥尔特曼真心信奉其常提及的意识形态框架：自由民主国家（及其军队）必须掌握最强AI以与中国竞争。

更关键的问题在于后续发展。随着美国升级对伊朗打击（AI在其中发挥空前作用），OpenAI已决定深入复杂的战斗核心。那么其技术具体可能出现在哪些作战环节？哪些应用会获得客户（及员工）容忍？

**目标定位与打击**
尽管协议已生效，OpenAI技术何时能适配涉密环境仍不确定，因其需与军方现有工具整合（埃隆·马斯克的xAI近期也与五角大楼达成协议，其AI模型Grok预计将经历相同流程）。但整合压力迫在眉睫：在Anthropic拒绝允许其AI用于"任何合法用途"后，特朗普总统下令军方停用该技术，五角大楼更将Anthropic列为供应链风险。

**作战平台部署**
五角大楼去年秋季推出的生成式AI平台GenAI.mil，允许军事单位接入商业AI模型并执行与商业领域类似的任务。谷歌Gemini是首批入驻模型。今年1月五角大楼宣布将纳入xAI的Grok（尽管该模型曾传播反犹内容并生成非自愿深度伪造视频）。OpenAI于2月跟进，宣布其模型将用于起草政策文件、合同及协助任务行政支持。

虽然使用该平台处理非密任务的人员对伊朗敏感决策影响有限，但OpenAI入驻具有更深层意义：这呼应了赫格塞斯在五角大楼全力推行的AI全覆盖战略（即便许多早期用户并不完全明确使用场景）。其传递的信号是：AI正在重塑美国作战的每个环节——从目标判定到文书工作，而OpenAI正日益赢得其中份额。
---
处理信息: DeepSeek API | 耗时: 14.24秒

---
原文链接: https://www.technologyreview.com/2026/03/16/1134315/where-openais-technology-could-show-up-in-iran/
处理时间: 2026-03-17 16:01:00


## 🖼️ 文章图片

1. ![Sam Altman collage](../images/open-ai-dow.jpg)
   *描述: Sam Altman collage*
"""
    
    result = converter.convert_markdown_to_xiaohongshu(test_md)
    
    print("=" * 60)
    print("修复版转换器测试结果")
    print("=" * 60)
    print(result)
    print("=" * 60)
    print(f"内容长度: {len(result)} 字符")


if __name__ == "__main__":
    logging.basicConfig(level=logging.INFO)
    test_conversion()