#!/usr/bin/env bash
# Demande à EUR-Lex si chaque référence du corpus porte bien le numéro qu'on lui prête.
#
# ⭐ POURQUOI IL EXISTE. Le corpus cite 25 textes européens. Une référence fausse
# ne se voit pas : elle a la forme d'une référence juste, et le lecteur ne va pas
# la chercher. Ce garde va la chercher.
#
# 🔴 SA PREMIÈRE VERSION ÉTAIT ELLE-MÊME UN FAUX TÉMOIN : elle prenait le PREMIER
# « Regulation (EU) … » de la page — souvent une note de bas de page — et a validé
# le règlement 2022/868 avec l'intitulé du 2019/1239. ⭐ Un garde nomme LA CHOSE :
# il exige désormais que le numéro rendu soit celui demandé.
#
#   ./verifier-corpus.sh          → toutes les références
#   ./verifier-corpus.sh reg/2022/868
set -uo pipefail
ROUGE=0

# ⚠️ UN SEUL APPEL PAR RÉFÉRENCE, deux signaux tirés du MÊME corps.
# 🔴 La v2 en faisait deux : le second tombait (EUR-Lex freine les rafales) et le
# garde rendait ROUGE deux références que j'avais prouvées justes à la main.
# ⭐ Un faux rouge coûte plus cher qu'un faux vert : il fait corriger ce qui va bien.
sonder(){ # $1 = eli « type/annee/numero » → « ETAT<TAB>intitulé »
  local num="${1#*/}" corps titre page
  corps=$(curl -sSL --max-time 30 "https://eur-lex.europa.eu/eli/$1/oj/eng" 2>/dev/null)
  [ -z "$corps" ] && { printf 'INJOIGNABLE\t'; return; }
  titre=$(printf '%s' "$corps" | tr '\n' ' ' \
    | sed 's/<[^>]*>/ /g; s/&nbsp;/ /g; s/&#160;/ /g; s/  */ /g' \
    | grep -oE "(Regulation|Directive) \\(EU\\)( No)? ${num//\//\\/}[^.]{0,200}" | head -1)
  if [ -n "$titre" ]; then printf 'TITRE\t%s' "$titre"; return; fi
  # pas d'intitulé extrait : la page porte-t-elle AU MOINS le numéro dans son titre ?
  page=$(printf '%s' "$corps" | grep -oE "<title>[^<]*" | head -1 | sed 's/<title>//')
  case "$page" in *"$num"*) printf 'NUMERO\t%s' "$page";; *) printf 'ABSENT\t%s' "$page";; esac
}

if [ $# -gt 0 ]; then ELIS="$*"
else ELIS=$(python3 -c "
from corpus_europeen import CORPUS
print(' '.join(t['eli'] for t in CORPUS if t.get('eli')))" 2>/dev/null \
  || python3 -c "
import importlib.util,sys
s=importlib.util.spec_from_file_location('c','corpus-europeen.py')
m=importlib.util.module_from_spec(s); s.loader.exec_module(m)
print(' '.join(t['eli'] for t in m.CORPUS if t.get('eli')))")
fi

N=0
for e in $ELIS; do
  N=$((N+1)); R=$(sonder "$e"); ETAT="${R%%	*}"; TXT="${R#*	}"
  case "$ETAT" in
    TITRE)       echo "✓ $e · $(echo "$TXT" | cut -c1-106)" ;;
    NUMERO)      echo "≈ $e · la page porte le numéro, intitulé non extrait — « $TXT »" ;;
    INJOIGNABLE) echo "⚠️ $e — EUR-Lex injoignable : NON VÉRIFIÉ (ce n'est pas un refus)"; ROUGE=1 ;;
    *)           echo "🔴 $e — la page ne porte pas ce numéro : RÉFÉRENCE À REVOIR"; ROUGE=1 ;;
  esac
done

echo
[ "$ROUGE" = "0" ] && echo "✅ $N références : aucune introuvable." || echo "🔴 des références sont à revoir."
exit $ROUGE