aragrp/lib/blog-blocks.ts

/**
 * زیرساخت کشف بلاک‌های محتوای بلاگ و تبدیل به JSON.
 * مرحله ۱: کشف بلاک‌های شناخته‌شده در HTML (collapse, و بعداً blockquote, code, ...)
 * مرحله ۲: استخراج payload به صورت JSON برای هر بلاک
 * مرحله ۳: لایه بیرونی بر اساس blockType و payload کامپوننت مناسب را رندر می‌کند.
 *
 * برای افزودن بلاک جدید: یک تعریف در BLOCK_DEFINITIONS اضافه کنید و در رندر blockType را هندل کنید.
 */
import * as cheerio from "cheerio";
import type { Element } from "domhandler";

// ─── انواع بلاک (برای گسترش بعدی) ───────────────────────────────────────────

/** نام نوع بلاک؛ با افزودن بلاک جدید این یونیون را گسترش دهید. */
export type BlockType = "collapse" | "blockquote" | "code";

/** Payload بلاک collapse (سوالات متداول / accordion). */
export interface CollapseBlockPayload {
  title: string;
  items: { question: string; answer: string }[];
}

/** Payload بلاک blockquote — بعداً پیاده‌سازی می‌شود. */
// export interface BlockquoteBlockPayload { ... }

/** Payload بلاک code — بعداً پیاده‌سازی می‌شود. */
// export interface CodeBlockPayload { ... }

/** یونیون همهٔ payloadها برای تایپ‌امن رندر. */
export type BlockPayload = CollapseBlockPayload; // | BlockquoteBlockPayload | CodeBlockPayload

// ─── سگمنت خروجی برای لایه رندر ─────────────────────────────────────────────

/** یک سگمنت HTML خام. */
export interface HtmlSegment {
  type: "html";
  content: string;
}

/** یک بلاک با نوع و payload (JSON) برای رندر با کامپوننت مناسب. */
export interface BlockSegment {
  type: "block";
  blockType: BlockType;
  payload: BlockPayload;
}

/** هر سگمنت محتوا: یا HTML یا یک بلاک با JSON. */
export type ContentSegment = HtmlSegment | BlockSegment;

/** خروجی کشف بلاک: HTML با placeholderها و آرایهٔ سگمنت‌ها (با payload توکار). */
export interface DiscoveredContent {
  /** HTML بعد از جایگزینی بلاک‌ها با placeholder (برای ادامهٔ پردازش مثلاً تزریق id سرنویس). */
  htmlWithPlaceholders: string;
  /** سگمنت‌ها به ترتیب برای رندر؛ هر بلاک شامل blockType و payload است. */
  segments: ContentSegment[];
}

// ─── تعریف بلاک‌ها (ثبت برای کشف و استخراج) ────────────────────────────────

export interface BlockDefinition<T extends BlockPayload = BlockPayload> {
  blockType: BlockType;
  /** سلکتور Cheerio برای پیدا کردن المنت ریشهٔ بلاک. */
  selector: string;
  /** استخراج payload (JSON) از المنت. */
  extract: ($: cheerio.CheerioAPI, el: Element) => T;
}

function extractCollapsePayload(
  $: cheerio.CheerioAPI,
  el: Element
): CollapseBlockPayload {
  const $el = $(el);
  const innerHtml = $el.html() ?? "";
  const $inner = cheerio.load(innerHtml, null, false);

  const title = $inner("h2").first().text().trim();
  const items: { question: string; answer: string }[] = [];
  $inner("ul").each((_: number, ul: Element) => {
    const question = $inner(ul).find("li strong").first().text().trim();
    const answer = $inner(ul).nextAll("p").first().text().trim();
    if (question || answer) items.push({ question, answer });
  });

  return { title, items };
}

/**
 * ثبت همهٔ بلاک‌های شناخته‌شده.
 * برای بلاک‌های جدید (مثلاً blockquote, code) فقط یک مورد جدید به این آرایه اضافه کنید.
 */
export const BLOCK_DEFINITIONS: BlockDefinition[] = [
  {
    blockType: "collapse",
    selector: ".collpase-section",
    extract: extractCollapsePayload as BlockDefinition["extract"],
  },
  // بعداً:
  // { blockType: "blockquote", selector: "blockquote.wp-block-quote", extract: extractBlockquotePayload },
  // { blockType: "code", selector: "pre.wp-block-code", extract: extractCodePayload },
];

// ─── کشف بلاک و ساخت سگمنت‌ها ─────────────────────────────────────────────

const PLACEHOLDER_REGEX =
  /<div data-blog-block-type="([^"]+)" data-blog-block-id="(\d+)"[^>]*><\/div>/g;

function isElement(node: unknown): node is Element {
  return typeof node === "object" && node !== null && (node as Element).type === "tag";
}

/**
 * ترتیب قرارگیری المنت در سند را با یک مپ نگه می‌دارد.
 */
function buildDocumentOrderMap($: cheerio.CheerioAPI): Map<Element, number> {
  const map = new Map<Element, number>();
  let index = 0;
  $("*")
    .toArray()
    .filter(isElement)
    .forEach((el) => {
      map.set(el, index++);
    });
  return map;
}

/**
 * مرحله ۱ و ۲: از روی HTML محتوا بلاک‌های شناخته‌شده را کشف می‌کند،
 * به JSON (payload) تبدیل می‌کند، و خروجی را به صورت HTML با placeholder و
 * آرایهٔ segments (با payload توکار) به لایه بیرونی می‌دهد.
 */
export function discoverBlocks(html: string): DiscoveredContent {
  const $ = cheerio.load(html, null, false);
  const orderMap = buildDocumentOrderMap($);

  type BlockEntry = {
    el: Element;
    blockType: BlockType;
    blockId: number;
    payload: BlockPayload;
  };
  const entries: BlockEntry[] = [];
  const blocksByType: Record<string, BlockPayload[]> = {
    collapse: [],
    blockquote: [],
    code: [],
  };

  for (const def of BLOCK_DEFINITIONS) {
    const elements = $('.collpase-section').toArray();
    for (const el of elements) {
      const payload = def.extract($, el) as BlockPayload;
      const blockId = blocksByType[def.blockType].length;
      blocksByType[def.blockType].push(payload);
      entries.push({
        el,
        blockType: def.blockType,
        blockId,
        payload,
      });
    }
  }

  // مرتب‌سازی بر اساس ترتیب در سند (از آخر به اول جایگزین می‌کنیم تا ایندکس‌ها جابجا نشوند)
  entries.sort((a, b) => orderMap.get(a.el)! - orderMap.get(b.el)!);

  // جایگزینی با placeholder از آخر به اول
  for (let i = entries.length - 1; i >= 0; i--) {
    const { el, blockType, blockId } = entries[i];
    $(el).replaceWith(
      `<div data-blog-block-type="${blockType}" data-blog-block-id="${blockId}"></div>`
    );
  }

  const htmlWithPlaceholders = $.html() ?? html;

  // ساخت segments: تقسیم با placeholder و قرار دادن payload در هر بلاک
  const segments: ContentSegment[] = [];
  let lastEnd = 0;
  const regex = new RegExp(PLACEHOLDER_REGEX.source, "g");
  let m: RegExpExecArray | null;
  while ((m = regex.exec(htmlWithPlaceholders)) !== null) {
    if (m.index > lastEnd) {
      segments.push({
        type: "html",
        content: htmlWithPlaceholders.slice(lastEnd, m.index),
      });
    }
    const blockType = m[1] as BlockType;
    const blockId = parseInt(m[2], 10);
    const list = blocksByType[blockType];
    if (list && blockId >= 0 && blockId < list.length) {
      segments.push({
        type: "block",
        blockType,
        payload: list[blockId],
      });
    }
    lastEnd = regex.lastIndex;
  }
  if (lastEnd < htmlWithPlaceholders.length) {
    segments.push({
      type: "html",
      content: htmlWithPlaceholders.slice(lastEnd),
    });
  }

  return { htmlWithPlaceholders, segments };
}

/**
 * بعد از تزریق id سرنویس‌ها در HTML، محتوای هر سگمنت html را با نسخهٔ به‌روز (شامل idها) جایگزین می‌کند.
 * لایهٔ blog-utils بعد از inject کردن idها این تابع را صدا می‌زند.
 */
export function mergeHeadingIdsIntoContentSegments(
  contentWithIds: string,
  segments: ContentSegment[]
): ContentSegment[] {
  const parts: string[] = [];
  let last = 0;
  let m: RegExpExecArray | null;
  const regex = new RegExp(PLACEHOLDER_REGEX.source, "g");
  while ((m = regex.exec(contentWithIds)) !== null) {
    parts.push(contentWithIds.slice(last, m.index));
    last = regex.lastIndex;
  }
  parts.push(contentWithIds.slice(last));

  let j = 0;
  return segments.map((seg) => {
    if (seg.type === "html") {
      return { ...seg, content: parts[j++] ?? seg.content };
    }
    return seg;
  });
}