"""TXT/MD 文件解析器，使用 charset-normalizer 自动检测编码"""

import os
from typing import List

from charset_normalizer import detect

from exceptions import ParseError
from parsers.base import BaseParser


class TextParser(BaseParser):
    """纯文本和 Markdown 文件解析器"""

    def supported_extensions(self) -> List[str]:
        return [".txt", ".md"]

    def parse(self, file_path: str) -> str:
        """
        解析文本文件，自动检测编码并返回文本内容。

        参考 MaxKB TextSplitHandle.get_content() 核心逻辑：
        读取文件字节 → charset_normalizer 检测编码 → 解码返回文本

        Args:
            file_path: 文件路径

        Returns:
            文件的文本内容

        Raises:
            ParseError: 文件无法读取或编码检测失败时抛出
        """
        file_name = os.path.basename(file_path)
        try:
            with open(file_path, "rb") as f:
                buffer = f.read()
        except Exception as e:
            raise ParseError(file_name, f"文件读取失败: {e}")

        if len(buffer) == 0:
            return ""

        result = detect(buffer)
        encoding = result.get("encoding")

        if encoding is None:
            raise ParseError(file_name, "无法检测文件编码")

        try:
            return buffer.decode(encoding)
        except Exception as e:
            raise ParseError(file_name, f"编码解码失败 ({encoding}): {e}")