"""Sucht in den Codebloecken eines Plans nach Zeichen, die ein Executer nicht sehen oder nicht tippen kann.

Koordinator-Werkzeug. Frage: Steht in einem Codeblock ein Zeichen, das beim Abschreiben verloren geht?
Herkunft der Antwort: Unicode-Kategorie des Zeichens (unicodedata, Quelle: Python-Standardbibliothek).
Befund ist jedes Zeichen der Kategorien Zl, Zp, Cf, Cc (ausser \\n und \\t) und Zs ausser dem Leerzeichen --
also Zeilen- und Absatztrenner, Formatzeichen, Steuerzeichen, geschuetzte und schmale Leerzeichen.
Alle uebrigen Nicht-ASCII-Zeichen in Codebloecken werden nur gezaehlt und gezeigt (Umlaute, Gedankenstriche).
Was es nicht sieht: Zeichen ausserhalb von Codezaeunen; verwechselbare sichtbare Zeichen (kyrillisches c).
Aufruf: python plan_zeichen.py <planordner>     Exit 0 ohne Befund, 2 mit Befund.
"""

import sys
import unicodedata
from collections import Counter
from pathlib import Path


def main() -> int:
    plan = Path(sys.argv[1])
    dateien = sorted(plan.glob("*.md"))
    if not dateien:
        print(f"BEFUND {plan}: keine Markdown-Dateien -- der Lauf misst nichts")
        return 2
    befunde = 0
    sichtbar: Counter[str] = Counter()
    bloecke = 0
    for datei in dateien:
        zeilen = datei.read_text(encoding="utf-8").replace("\r\n", "\n").split("\n")
        zaun = 0
        for nummer, zeile in enumerate(zeilen, start=1):
            kern = zeile.lstrip()
            if kern.startswith("```"):
                laenge = len(kern) - len(kern.lstrip("`"))
                if zaun == 0:
                    zaun = laenge
                    bloecke += 1
                elif laenge >= zaun and not kern.strip("`").strip():
                    zaun = 0
                continue
            if zaun == 0:
                continue
            for spalte, zeichen in enumerate(zeile, start=1):
                if ord(zeichen) < 128 and zeichen not in "\x0b\x0c\x1b" and (zeichen >= " " or zeichen == "\t"):
                    continue
                kategorie = unicodedata.category(zeichen)
                if kategorie in ("Zl", "Zp", "Cf", "Cc") or (kategorie == "Zs" and zeichen != " "):
                    name = unicodedata.name(zeichen, "?")
                    print(f"BEFUND {datei.name}:{nummer}:{spalte}: U+{ord(zeichen):04X} {name} ({kategorie}) in: {zeile.strip()[:110]!r}")
                    befunde += 1
                else:
                    sichtbar[zeichen] += 1
    print(f"{len(dateien)} Dateien, {bloecke} Codebloecke gelesen.")
    print("Sichtbare Nicht-ASCII-Zeichen in Codebloecken: " + " ".join(f"{z}(U+{ord(z):04X})x{n}" for z, n in sichtbar.most_common()))
    print(f"{befunde} Befund(e).")
    return 2 if befunde else 0


if __name__ == "__main__":
    sys.exit(main())