#!/bin/bash

# script pour renommer des personnages ou lieux dans un document Manuskript
# ./renomme <document manuskript> <ancien nom> <nouveau nom> [ins=poids] [del=poids] [rep=poids]
#
# Le document d'origine est sauvegardé (voir variable $backup)
#
# Si <nouveau nom> est "check", ou "prox" ou "leven", une étude de proximité est alors effectuée
# sur l'algorithme Levenshtein. Les paramètres de poids sont des nombres entiers, et permettent
# de pondérer l'ajout (ins=), la suppression (del=) et le remplacement (rep=) de caractère.
# par défaut chacun des trois paramètres est égal à 1.
# Il n'y a pas d'ordre obligatoire pour le paramétrage, et si un paramétrage est effectué plusieurs fois
# c'est le plus à gauche qui prend la priorité. Il n'y a pas de backup effectué pour l'opération de vérification de la proximité
# crédit algo: https://en.wikibooks.org/wiki/Algorithm_Implementation/Strings/Levenshtein_distance

set -e

manuscrit=${1:?}
ancien=${2:?}
nouveau=${3:?}

if test "${manuscrit:0:1}" != '/'; then
    manuscrit="$PWD/$manuscrit"
fi
test -r "$manuscrit" || exit 1
test $(file --brief --mime-type --dereference "$manuscrit") == 'application/zip' || exit 2

backup="${manuscrit/%.msk} (avant renommage de «${ancien}» en «${nouveau}»).msk"

function trap_exit () {
    rm -fr $temp
    cd - > /dev/null
}

function determinant () {
    eval "local nom=\"\$$1\""
    if [[ ${nom:0:1} == @(A|E|H|I|O|U) \
       || ${nom:0:1} == @(Â|Ê|H|Î|Ô|Û) \
       || ${nom:0:1} == @(Ä|Ë|H|Ï|Ö|Ü) \
       || ${nom:0:1} == @(À|È|H|Ì|Ò|Ù) \
       || ${nom:0:1} == @(Á|É|H|Í|Ó|Ú) \
    ]]; then
        eval "determinant_$1=\"d'\""
        eval "determinant_$1_formatted=\"d-\""
    else
        eval "determinant_$1=\"de \""
        eval "determinant_$1_formatted=\"de-\""
    fi
}

function format () {
    eval "$1_formatted=\$(tr --complement --squeeze-repeats 'A-Za-z-_\n' - <<< \"\${$1// /_}\")"
}

function renomme_fichiers () {
    for char in $(find characters -type f -regex "characters/[0-9]+-$1.txt"); do
        local new_char=$(sed "s/$1/$2/" <<< $char)
        echo "character: $char -> $new_char"
        mv $char $new_char
        break
    done

    for chapter in $(find outline -type d -regex "outline/.*$1.*"); do
        local new_chapter=$(sed "s/$1/$2/g" <<< $chapter)
        echo "chapter: $chapter -> $new_chapter"
        mv $chapter $new_chapter
    done

    for part in $(find outline -type f -regex "outline/[^/]*$1[^/]*.md"); do
        local new_part=$(sed "s/$1/$2/g" <<< $part)
        echo "part: $part -> $new_part"
        mv $part $new_part
    done
}

trap trap_exit EXIT

temp=$(mktemp --directory /dev/shm/XXXXXXXXX)
cd $temp

if [[ $nouveau = @(check|prox|leven) ]]; then
    unzip -qq "$manuscrit"
    for param in $(seq 4 $#); do
        for dst in ins del rep max; do
            eval "if test -n '\$$param' && [[ \"\$$param\" =~ $dst=[0-9]+ ]]; then cost_$dst=\${$param#*=}; fi"
        done
    done
    for dst in ins del rep; do
        eval "cost_$dst=\${cost_$dst:-1}"
    done
    cost_max=${cost_max:-$(($cost_ins + $cost_del + $cost_rep))}
    if test $cost_max -ge ${#ancien}; then
        cost_max=$(( ${#ancien} - 1 ))
    fi

    echo paramètres d\'approximation
    echo "caractère manquant (del=): $cost_del"
    echo "caractère inséré   (ins=): $cost_ins"
    echo "caractère remplacé (rep=): $cost_rep"
    echo "distance maximale  (max=): ${cost_max:-$(($cost_ins + $cost_del + $cost_rep))}"
    for f in $(find . -type f); do
        let wc+=$(wc -w < $f)
    done
    awk -v ancien=$ancien -v wc=$wc -v cost_ins=$cost_ins -v cost_del=$cost_del -v cost_rep=$cost_rep -v cost_max=$cost_max '
        BEGIN {
            RS="[[:punct:]]"
            progress_mod    = 10
            actual_progress = 0
            pct_progress    = 0
            progress        = 0
            found_words     = 0

            cost_tot = cost_ins + cost_del + cost_rep
            cost_tot = cost_tot > cost_max ? cost_max : cost_tot

            str1_len = length(ancien)
            for (i=1; i<=str1_len; i++)
                str1_substr[i]=substr(ancien, i, 1)
        }
        function levenshtein(str2) {
            str2_len = length(str2)
            if(str2_len == 0) return str1_len * cost_del
            for(j = 1; j <= str2_len; j++)
                str2_substr[j]=substr(str2, j, 1)
            matrix[0, 0] = 0
            for(i = 1; i <= str1_len; i++) {
                matrix[i, 0] = i * cost_del
                for(j = 1; j <= str2_len; j++) {
                    matrix[0, j] = j * cost_ins
                    x = matrix[i - 1, j] + cost_del
                    y = matrix[i, j - 1] + cost_ins
                    z = matrix[i - 1, j - 1] + (str1_substr[i] == str2_substr[j] ? 0 : cost_rep)
                    x = x < y ? x : y
                    matrix[i, j] = x < z ? x : z
                }
            }
            return matrix[str1_len, str2_len]
        }
        {
            for (word=1; word<=NF; word++) {
                progress++
                lvstn = levenshtein(gensub("[[:punct:]]","","g",$word))
                if (lvstn <= cost_tot && lvstn > 0) {
                    key = sprintf("%s (%d)", $word, lvstn)
                    approx_possibles[key]++
                    found_words++
                }
                pct_progress=int(progress / wc * 100)
                if (actual_progress < pct_progress && pct_progress % progress_mod == 0) {
                    actual_progress = pct_progress
                    printf("%i%\n", actual_progress)
                }
            }
        }
        END {
            if (found_words > 0) {
                printf("mot%s proche%s de «%s» (distance) [occurences]\n", found_words > 1 ? "s" : "", found_words > 1 ? "s" : "", ancien)
                for (i in approx_possibles)
                    printf("- %s [%i]\n", i, approx_possibles[i])
            }
            else {
                print "aucun mot proche et différent de «" ancien "» trouvé"
            }
        }
    ' $(find . -type f)
    exit
fi

mv --backup=numbered "$manuscrit" "$backup"

unzip -qq "$backup"

for version in ancien nouveau; do
    format $version
    determinant $version
done

declare -A remplacement
remplacement=(
    [$ancien]="$nouveau"
    [$ancien_formatted]="$nouveau_formatted"
    [$determinant_ancien$ancien]="$determinant_nouveau$nouveau"
    [$determinant_ancien_formatted$ancien_formatted]="$determinant_nouveau_formatted$nouveau_formatted"
)

renomme_fichiers "$ancien_formatted" "$nouveau_formatted"
renomme_fichiers "$determinant_ancien_formatted$ancien_formatted" "$determinant_nouveau_formatted$nouveau_formatted"

egrep --word-regexp --only-matching --recursive --regexp="($determinant_ancien|$determinant_ancien_formatted)\?($ancien|$ancien_formatted)" . \
| awk -v name="$1" -F ':' '
    {
        if ($NF > 0) {
            file[$1]++
            nb++
        }
    }
    END {
        printf("remplacement de %i occurences pour %s dans %i fichiers\n", nb, name, asort(file))
    }'

for regexp in "${!remplacement[@]}"; do
    egrep --word-regexp --files-with-matches --recursive --regexp="$regexp" . \
    | xargs --no-run-if-empty sed --regexp-extended --in-place "s/(\W|^)$regexp(\W|$)/\1${remplacement[$regexp]}\2/g"
done

zip --recurse-paths --no-dir-entries -qq "${manuscrit}" *