utils/validators.py

"""
Validadores para arquivos de entrada.

Este módulo contém funções para validar arquivos antes do processamento,
incluindo verificação de tamanho, contagem, MIME type e sanitização de nomes.
"""

import os
import re
from pathlib import Path
from typing import BinaryIO

import config

# Tenta importar python-magic, mas oferece fallback se não disponível
try:
    import magic
    HAS_MAGIC = True
except ImportError:
    HAS_MAGIC = False


class ValidationError(Exception):
    """Exceção levantada quando uma validação falha."""

    def __init__(self, message: str, error_code: str = "VALIDATION_ERROR"):
        self.message = message
        self.error_code = error_code
        super().__init__(self.message)


def validate_file_count(files: list) -> bool:
    """
    Valida se o número de arquivos está dentro do limite permitido.

    Args:
        files: Lista de arquivos para validar.

    Returns:
        True se a contagem está válida.

    Raises:
        ValidationError: Se houver arquivos demais ou nenhum arquivo.
    """
    if not files:
        raise ValidationError(
            "Nenhum arquivo enviado. Por favor, selecione ao menos um arquivo.",
            error_code="NO_FILES"
        )

    if len(files) > config.MAX_FILES_PER_SESSION:
        raise ValidationError(
            f"Muitos arquivos! Máximo permitido: {config.MAX_FILES_PER_SESSION}. "
            f"Você enviou: {len(files)}.",
            error_code="TOO_MANY_FILES"
        )

    return True


def validate_file_size(file_path: str | Path) -> bool:
    """
    Valida se o tamanho do arquivo está dentro do limite permitido.

    Args:
        file_path: Caminho para o arquivo a ser validado.

    Returns:
        True se o tamanho está válido.

    Raises:
        ValidationError: Se o arquivo for muito grande.
    """
    file_path = Path(file_path)

    if not file_path.exists():
        raise ValidationError(
            f"Arquivo não encontrado: {file_path.name}",
            error_code="FILE_NOT_FOUND"
        )

    file_size = file_path.stat().st_size

    if file_size > config.MAX_FILE_SIZE_BYTES:
        size_mb = file_size / (1024 * 1024)
        raise ValidationError(
            f"Arquivo muito grande: {file_path.name} ({size_mb:.1f}MB). "
            f"Máximo permitido: {config.MAX_FILE_SIZE_MB}MB.",
            error_code="FILE_TOO_LARGE"
        )

    if file_size == 0:
        raise ValidationError(
            f"Arquivo vazio: {file_path.name}",
            error_code="EMPTY_FILE"
        )

    return True


def _get_mime_type_magic(file_path: str | Path) -> str:
    """
    Obtém o MIME type usando python-magic.

    Args:
        file_path: Caminho para o arquivo.

    Returns:
        String com o MIME type detectado.
    """
    mime = magic.Magic(mime=True)
    return mime.from_file(str(file_path))


def _get_mime_type_fallback(file_path: str | Path) -> str:
    """
    Fallback para detecção de MIME type sem python-magic.
    Usa assinaturas de arquivo (magic bytes).

    Args:
        file_path: Caminho para o arquivo.

    Returns:
        String com o MIME type detectado ou extensão-based guess.
    """
    file_path = Path(file_path)

    # Magic bytes para tipos comuns
    signatures = {
        b"%PDF": "application/pdf",
        b"PK\x03\x04": "application/vnd.openxmlformats-officedocument.wordprocessingml.document",
        b"\xd0\xcf\x11\xe0": "application/msword",  # OLE Compound Document
    }

    try:
        with open(file_path, "rb") as f:
            header = f.read(8)

        for sig, mime_type in signatures.items():
            if header.startswith(sig):
                return mime_type
    except Exception:
        pass

    # Fallback para extensão
    ext = file_path.suffix.lower()
    ext_to_mime = {
        ".pdf": "application/pdf",
        ".doc": "application/msword",
        ".docx": "application/vnd.openxmlformats-officedocument.wordprocessingml.document",
    }

    return ext_to_mime.get(ext, "application/octet-stream")


def get_mime_type(file_path: str | Path) -> str:
    """
    Obtém o MIME type de um arquivo.

    Usa python-magic se disponível, caso contrário usa fallback
    baseado em assinaturas de arquivo.

    Args:
        file_path: Caminho para o arquivo.

    Returns:
        String com o MIME type detectado.
    """
    if HAS_MAGIC:
        return _get_mime_type_magic(file_path)
    return _get_mime_type_fallback(file_path)


def validate_mime_type(file_path: str | Path) -> bool:
    """
    Valida se o MIME type do arquivo é suportado.

    Args:
        file_path: Caminho para o arquivo a ser validado.

    Returns:
        True se o MIME type é válido.

    Raises:
        ValidationError: Se o tipo de arquivo não for suportado.
    """
    file_path = Path(file_path)
    extension = file_path.suffix.lower()

    # Verifica se a extensão é suportada
    if extension not in config.SUPPORTED_EXTENSIONS:
        raise ValidationError(
            f"Extensão não suportada: {extension}. "
            f"Tipos aceitos: {', '.join(config.SUPPORTED_EXTENSIONS)}",
            error_code="UNSUPPORTED_EXTENSION"
        )

    # Obtém o MIME type real do arquivo
    detected_mime = get_mime_type(file_path)

    # Verifica se o MIME type corresponde à extensão
    expected_mimes = config.SUPPORTED_MIME_TYPES.get(extension, [])

    if detected_mime not in expected_mimes:
        # DOCX pode ser detectado como ZIP em alguns casos
        if extension == ".docx" and detected_mime == "application/zip":
            return True

        raise ValidationError(
            f"Tipo de arquivo inválido: {file_path.name}. "
            f"O conteúdo não corresponde à extensão {extension}. "
            f"Detectado: {detected_mime}",
            error_code="MIME_MISMATCH"
        )

    return True


def sanitize_filename(filename: str) -> str:
    """
    Remove caracteres especiais/perigosos do nome de arquivo.

    Args:
        filename: Nome original do arquivo.

    Returns:
        Nome de arquivo sanitizado.
    """
    if not filename:
        return "arquivo_sem_nome"

    # Remove caracteres proibidos
    for char in config.FORBIDDEN_FILENAME_CHARS:
        filename = filename.replace(char, "_")

    # Remove caracteres de controle
    filename = re.sub(r"[\x00-\x1f\x7f]", "", filename)

    # Substitui espaços múltiplos por um único underscore
    filename = re.sub(r"\s+", "_", filename)

    # Remove underscores múltiplos
    filename = re.sub(r"_+", "_", filename)

    # Remove underscores no início e fim
    filename = filename.strip("_")

    # Limita o comprimento
    if len(filename) > config.FILENAME_MAX_LENGTH:
        # Preserva a extensão
        name, ext = os.path.splitext(filename)
        max_name_len = config.FILENAME_MAX_LENGTH - len(ext)
        filename = name[:max_name_len] + ext

    # Se ficou vazio após sanitização
    if not filename or filename == "." or filename == "..":
        return "arquivo_sanitizado"

    return filename


def validate_files(files: list) -> list[tuple[Path, str]]:
    """
    Valida uma lista de arquivos completamente.

    Args:
        files: Lista de arquivos (podem ser paths ou objetos de arquivo).

    Returns:
        Lista de tuplas (path, nome_sanitizado) para arquivos válidos.

    Raises:
        ValidationError: Se qualquer validação falhar.
    """
    validate_file_count(files)

    validated = []

    for file_obj in files:
        # Gradio retorna objetos com atributo 'name'
        if hasattr(file_obj, "name"):
            file_path = Path(file_obj.name)
        else:
            file_path = Path(file_obj)

        # Valida tamanho
        validate_file_size(file_path)

        # Valida MIME type
        validate_mime_type(file_path)

        # Sanitiza nome
        sanitized_name = sanitize_filename(file_path.name)

        validated.append((file_path, sanitized_name))

    return validated