#!/usr/bin/env python3
"""
repo2txt– 将整个代码仓库/任意目录转换为纯文本输出
功能：
1. 递归列出目录树（类似tree）。
2. 按树中顺序打印每个文件的相对路径 + 其文本内容。
3. 自动跳过明显的二进制/超大文件，防止终端被刷屏。
"""

import argparse
import os
import sys
import mimetypes

# ---------- 参数处理 ----------
def parse_args() -> argparse.Namespace:
    parser = argparse.ArgumentParser(
        description="Print repo structure and file contents (like repo2txt.com/local.html)"
    )
    parser.add_argument(
        "root",
        help="根目录路径",
    )
    parser.add_argument(
        "-s",
        "--size-limit",
        type=int,
        default=5 * 1024 * 1024,           # 5MB
        help="单文件最大读取字节数，超过将被跳过（默认 5MB）",
    )
    parser.add_argument(
        "--encoding",
        default="utf-8",
        help="尝试读取文件时使用的默认编码（默认 utf-8，失败则回退 latin-1）",
    )
    return parser.parse_args()


# ---------- 工具函数 ----------
def is_probably_binary(path: str) -> bool:
    """
    粗略判断文件是否为二进制：
    1. 按 MIME类型判断。
    2. 否则读取前 1024字节，若含有NUL字符（0x00）则视为二进制。
    """
    mime, _ = mimetypes.guess_type(path)
    if mime and (not mime.startswith("text")):
        return True

    try:
        with open(path, "rb") as f:
            head = f.read(1024)
            return b"\x00" in head
    except Exception:
        return True  # 无法读取时也按二进制处理


def walk_files(root: str):
    """递归获取 root 下全部相对路径（文件优先，目录在前）"""
    for current_root, dirs, files in os.walk(root):
        # 目录顺序保证稳定性
        dirs.sort()
        files.sort()
        for d in dirs:
            rel = os.path.relpath(os.path.join(current_root, d), root)
            yield rel + os.sep  # 目录尾部加 /
        for f in files:
            rel = os.path.relpath(os.path.join(current_root, f), root)
            yield rel


def print_directory_tree(root: str):
    """打印类似 tree 的目录结构"""
    print("# Directory structure\n")
    for path in walk_files(root):
        print(path)
    print("\n" + "=" * 80 + "\n")


def print_files_with_content(root: str, size_limit: int, encoding: str):
    """按顺序输出每个文件及其内容"""
    for path in walk_files(root):
        # 只处理文件（目录名已以 / 结尾）
        if path.endswith(os.sep):
            continue

        full_path = os.path.join(root, path)

        if os.path.getsize(full_path) > size_limit:
            print(f"===== {path} (skipped: larger than {size_limit} bytes) =====\n")
            continue

        if is_probably_binary(full_path):
            print(f"===== {path} (skipped: binary) =====\n")
            continue

        print(f"===== {path} =====")
        try:
            with open(full_path, "r", encoding=encoding, errors="strict") as f:
                print(f.read())
        except UnicodeDecodeError:
            # 尝试 latin-1 宽松读取
            with open(full_path, "r", encoding="latin-1", errors="replace") as f:
                print(f.read())
        except Exception as e:
            print(f"(无法读取文件: {e})")
        print("\n")  # 文件间空一行


# ---------- 主入口 ----------
def main() -> None:
    args = parse_args()
    root = os.path.abspath(args.root)

    if not os.path.isdir(root):
        sys.exit(f"路径不存在或不是目录: {root}")

    print_directory_tree(root)
    print_files_with_content(root, args.size_limit, args.encoding)


if __name__ == "__main__":
    main()