#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import re

def clean_html(html_content):
    """
    Nettoie le contenu HTML pour le Markdown.
    Supprime les balises, les bas de page, les messages automatiques et les sections vides.
    """
    if not html_content:
        return ""
    
    # Supprimer les balises simples
    html_content = re.sub(r'<br\s*/?>|<p>|</p>|<div>|</div>', '\n', html_content)
    
    # Supprimer les bas de page et messages automatiques du support
    html_content = re.sub(r'Droit à la déconnexion :.*?(?=\n\n|\Z)', '', html_content, flags=re.DOTALL)
    html_content = re.sub(r'\*\s*\*\s*\*.*?(?=\n\n|\Z)', '', html_content, flags=re.DOTALL)
    html_content = re.sub(r'Ce message électronique et tous les fichiers.*?(?=\n\n|\Z)', '', html_content, flags=re.DOTALL)
    html_content = re.sub(r'Afin d\'assurer une meilleure traçabilité.*?(?=\n\n|\Z)', '', html_content, flags=re.DOTALL)
    html_content = re.sub(r'_Confidentialité :.*?(?=\n\n|\Z)', '', html_content, flags=re.DOTALL)
    html_content = re.sub(r'Support technique.*?(?=\n\n|\Z)', '', html_content, flags=re.DOTALL)
    
    # Suppression de l'image signature CBAO et autres images
    html_content = re.sub(r'!\[CBAO - développeur de rentabilité.*?(?=\n\n|\Z)', '', html_content, flags=re.DOTALL)
    html_content = re.sub(r'!\[.*?\]\(/web/image/.*?\)', '', html_content)
    html_content = re.sub(r'!\[cid:.*?\]\(/web/image/.*?\)', '', html_content)
    
    # Supprimer toutes les références d'images avec des URLs
    html_content = re.sub(r'!\[.*?\]\(http[s]?://.*?\)', '', html_content)
    
    # Supprimer les URL "mailto:" qui restent
    html_content = re.sub(r'\[.*?\]\(mailto:.*?\)', '', html_content)
    
    # Supprimer les liens qui pointent vers des sites web
    html_content = re.sub(r'\[.*?\]\(https?://.*?\)', '', html_content)
    
    # Supprimer les lignes qui contiennent "Envoyé par" suivi d'un lien
    html_content = re.sub(r'Envoyé par .*$', '', html_content, flags=re.MULTILINE)
    
    # Supprimer les balises HTML restantes
    html_content = re.sub(r'<.*?>', '', html_content)
    
    # Remplacer les entités HTML courantes
    html_content = html_content.replace('&nbsp;', ' ')
    html_content = html_content.replace('&lt;', '<')
    html_content = html_content.replace('&gt;', '>')
    html_content = html_content.replace('&amp;', '&')
    html_content = html_content.replace('&quot;', '"')
    
    # Supprimer les lignes avec uniquement des **
    html_content = re.sub(r'^\s*\*\*\s*\*\*\s*$', '', html_content, flags=re.MULTILINE)
    html_content = re.sub(r'^\s*\*\*\s*$', '', html_content, flags=re.MULTILINE)
    
    # Supprimer le \--- à la fin des messages
    html_content = re.sub(r'\\---\s*$', '', html_content)
    
    # Supprimer les crochets isolés
    html_content = re.sub(r'\[\s*$', '', html_content)
    
    # Supprimer les lignes vides multiples
    html_content = re.sub(r'\n\s*\n', '\n\n', html_content)
    
    # Nettoyer au début et à la fin
    html_content = html_content.strip()
    
    # Supprimer les sections vides (comme "*Contenu vide*")
    if not html_content or html_content.lower() == "*contenu vide*":
        return "*Contenu vide*"
    
    return html_content

def clean_text(text_content):
    """
    Nettoie le texte brut pour supprimer les éléments indésirables.
    """
    if not text_content:
        return ""
    
    # Supprimer les éléments de signature de messagerie
    patterns = [
        r"De :.*\nEnvoyé :.*\nÀ :.*\nObjet :.*\n",
        r"From:.*\nSent:.*\nTo:.*\nSubject:.*\n",
        r"----+ ?Original Message ?----+\n",
        r".*wrote:$",
        r"^On .* wrote:$"
    ]
    
    for pattern in patterns:
        text_content = re.sub(pattern, "", text_content, flags=re.MULTILINE)
    
    # Supprimer les lignes vides multiples
    text_content = re.sub(r'\n\s*\n', '\n\n', text_content)
    
    # Nettoyer au début et à la fin
    text_content = text_content.strip()
    
    return text_content

def format_date(date_str):
    """
    Formate une date ISO en format lisible.
    """
    if not date_str:
        return ""
    
    try:
        # Extraire la partie date et heure (ignorer la timezone si présente)
        match = re.match(r'(\d{4}-\d{2}-\d{2})[T ](\d{2}:\d{2}:\d{2})', date_str)
        if match:
            date_part, time_part = match.groups()
            return f"{date_part} {time_part}"
        return date_str
    except Exception:
        return date_str

if __name__ == "__main__":
    # Test simple
    html = """<p>Bonjour,</p>
<p>Voici un message avec <b>du HTML</b> et une signature.</p>
<p>Cordialement,</p>
<p>John Doe</p>
<p>Support technique</p>
<p>Afin d'assurer une meilleure traçabilité et vous garantir une prise en charge optimale,
nous vous invitons à envoyer vos demandes d'assistance technique à support@exemple.fr</p>
<p>![CBAO - développeur de rentabilité - www.exemple.fr](data:image/png;base64,ABC123)</p>
"""
    
    cleaned = clean_html(html)
    print("HTML nettoyé :\n", cleaned)
    
    text = """Bonjour,

Voici un message avec une signature.

Cordialement,
John

-------- Message d'origine --------
De : Alice <alice@exemple.fr>
Envoyé : lundi 18 mars 2025 14:52
À : John <john@exemple.fr>
Objet : Test

Bonjour John,
Comment vas-tu ?
"""
    
    cleaned_text = clean_text(text)
    print("\nTexte nettoyé :\n", cleaned_text)