resource-scraper/internal/releaseparser/groups/moonblood/parser.go

package moonblood

import (
	"regexp"
	"strconv"
	"strings"

	"git.kplus.net.ua/yevhen/resource-scraper/internal/releaseparser"
)

var yearRegexp = regexp.MustCompile(`^(19|20)\d{2}$`)

func Parse(raw string) releaseparser.ParsedRelease {
	result := releaseparser.ParsedRelease{
		Raw:           strings.TrimSpace(raw),
		Warnings:      []string{},
		UnknownTokens: []string{},
	}

	tokens := split(raw)
	if len(tokens) < 5 {
		result.Warnings = append(result.Warnings, "too few tokens")
		result.Confidence = 0.2
		return result
	}

	// Останній токен — група. Вона ж — ключ до профілю групи (довідників).
	result.Group = tokens[len(tokens)-1]

	// Передостанній — рік
	last := len(tokens) - 2
	if yearRegexp.MatchString(tokens[last]) {
		result.Year, _ = strconv.Atoi(tokens[last])
		last--
	}

	// Рухаємось вліво по хвосту: format, source, bit_depth, resolution, language, edition.
	// Кожен слот бере токен лише зі свого словника (регістронезалежно).
	// Невідомий токен: репортимо лише якщо ліворуч ще є відомий хвостовий маркер
	// (токен між двома маркерами = сміття в хвості). Інакше це початок core.
tailLoop:
	for last >= 0 {
		token := strings.ToUpper(tokens[last])

		switch {
		case Profile.FormatTokens[token]:
			if result.Format == "" {
				result.Format = token
			}
			last--

		case Profile.SourceTokens[token]:
			if result.Source == "" {
				result.Source = token
			}
			last--

		case Profile.BitDepthTokens[token]:
			if result.BitDepth == "" {
				result.BitDepth = token
			}
			last--

		case Profile.ResolutionTokens[token]:
			if result.Resolution == "" {
				result.Resolution = token
			}
			last--

		case Profile.LanguageMarkers[token]:
			if result.Language == "" {
				result.Language = token
			}
			last--

		case Profile.EditionTokens[token]:
			if result.Edition == "" {
				result.Edition = token
			}
			last--

		default:
			if hasKnownTailToken(tokens[:last]) {
				result.UnknownTokens = append(result.UnknownTokens, tokens[last])
				last--
				continue
			}
			break tailLoop
		}
	}

	// Core = artist-title (все, що залишилось ліворуч)
	coreTokens := tokens[:last+1]
	result.Core = strings.Join(coreTokens, "-")

	if len(coreTokens) >= 2 {
		result.Artist = coreTokens[0]
		result.Title = strings.Join(coreTokens[1:], "-")
	} else if len(coreTokens) == 1 {
		result.Artist = coreTokens[0]
		result.Title = ""
		result.Warnings = append(result.Warnings, "title not found")
	}

	score(&result)
	return result
}

func split(raw string) []string {
	parts := strings.Split(strings.TrimSpace(raw), "-")
	out := make([]string, 0, len(parts))
	for _, part := range parts {
		if part = strings.TrimSpace(part); part != "" {
			out = append(out, part)
		}
	}
	return out
}

// hasKnownTailToken reports whether any token is a known tail marker
// (format, source, bit_depth, resolution, edition, language or a year).
func hasKnownTailToken(tokens []string) bool {
	for _, tok := range tokens {
		up := strings.ToUpper(tok)
		if Profile.FormatTokens[up] || Profile.SourceTokens[up] ||
			Profile.BitDepthTokens[up] || Profile.ResolutionTokens[up] ||
			Profile.EditionTokens[up] || Profile.LanguageMarkers[up] {
			return true
		}
		if yearRegexp.MatchString(up) {
			return true
		}
	}
	return false
}

func score(result *releaseparser.ParsedRelease) {
	score := 0.0
	if result.Group != "" {
		score += 0.25
	}
	if result.Year != 0 {
		score += 0.20
	}
	if result.Format != "" {
		score += 0.15
	}
	if result.Source != "" {
		score += 0.15
	}
	if result.Artist != "" {
		score += 0.15
	}
	if len(result.Warnings) == 0 {
		score += 0.10
	}
	if len(result.UnknownTokens) > 0 {
		score -= 0.10
	}
	if score > 1 {
		score = 1
	}
	if score < 0 {
		score = 0
	}
	result.Confidence = score
}