GenAudioBookInfo/internal/infrastructure/metadata_extractor.go

// Package infrastructure реализует порт MetadataExtractor —
// извлечение метаданных из аудиофайлов с помощью библиотеки dhowden/tag.
package infrastructure

import (
	"context"
	"fmt"
	"os"
	"path/filepath"
	"sort"
	"strings"
	"unicode"
	"unicode/utf8"

	"github.com/dhowden/tag"
	"github.com/fofanov/genaudiobookinfo/internal/domain"
	"github.com/fofanov/genaudiobookinfo/internal/nameparser"
)

// TagMetadataExtractor реализует domain.MetadataExtractor.
type TagMetadataExtractor struct{}

// NewTagMetadataExtractor создаёт новый экземпляр.
func NewTagMetadataExtractor() *TagMetadataExtractor {
	return &TagMetadataExtractor{}
}

// Extract находит первый аудиофайл в папке (по алфавиту) и извлекает метаданные.
func (e *TagMetadataExtractor) Extract(ctx context.Context, folderPath string) (*domain.AudioBookInfo, error) {
	select {
	case <-ctx.Done():
		return nil, ctx.Err()
	default:
	}

	entries, err := os.ReadDir(folderPath)
	if err != nil {
		return nil, fmt.Errorf("ошибка чтения каталога %q: %w", folderPath, err)
	}

	// Собираем аудиофайлы и сортируем по имени
	var audioFiles []string
	for _, entry := range entries {
		if !entry.IsDir() && isAudioFile(entry.Name()) {
			audioFiles = append(audioFiles, entry.Name())
		}
	}

	if len(audioFiles) == 0 {
		return nil, fmt.Errorf("в каталоге %q не найдено аудиофайлов", folderPath)
	}

	sort.Strings(audioFiles)
	firstFile := audioFiles[0]
	fullPath := filepath.Join(folderPath, firstFile)

	// Открываем первый файл для чтения метаданных
	f, err := os.Open(fullPath)
	if err != nil {
		return nil, fmt.Errorf("не удалось открыть файл %q: %w", fullPath, err)
	}
	defer f.Close()

	metadata, err := tag.ReadFrom(f)
	if err != nil {
		// Файл не содержит тегов — возвращаем базовую информацию
		return &domain.AudioBookInfo{
			FolderPath: folderPath,
			Title:      filepath.Base(folderPath),
			Format:     strings.TrimPrefix(filepath.Ext(firstFile), "."),
			SourceFile: firstFile,
			FilesCount: len(audioFiles),
		}, nil
	}

	// Исправляем mojibake: UTF-8 байты, прочитанные как Latin-1
	artist := fixMojibake(metadata.Artist())
	album := fixMojibake(metadata.Album())
	title := fixMojibake(metadata.Title())
	genre := fixMojibake(metadata.Genre())
	comment := fixMojibake(metadata.Comment())

	info := &domain.AudioBookInfo{
		FolderPath: folderPath,
		Title:      titleFromTag(title, filepath.Base(folderPath)),
		Author:     nameparser.ReorderAuthorName(artist),
		Album:      album,
		Genre:      genre,
		Year:       metadata.Year(),
		Comment:    comment,
		Format:     string(metadata.Format()),
		SourceFile: firstFile,
		CoverFound: metadata.Picture() != nil,
		FilesCount: len(audioFiles),
	}

	return info, nil
}

// coalesce возвращает первую непустую строку.
func coalesce(values ...string) string {
	for _, v := range values {
		if v != "" {
			return v
		}
	}
	return ""
}

// coalesceInt возвращает первое ненулевое число.
func coalesceInt(values ...int) int {
	for _, v := range values {
		if v != 0 {
			return v
		}
	}
	return 0
}

// titleFromTag возвращает title из MP3 тега, если он содержит хотя бы один буквенный символ.
// Если title из тега пуст — используется имя папки как fallback.
func titleFromTag(tagTitle, folderName string) string {
	tagTitle = strings.TrimSpace(tagTitle)
	if tagTitle != "" && hasPrintableText(tagTitle) {
		return tagTitle
	}
	return folderName
}

// hasPrintableText проверяет, содержит ли строка хотя бы одну букву или цифру.
func hasPrintableText(s string) bool {
	for _, r := range s {
		if unicode.IsLetter(r) || unicode.IsDigit(r) {
			return true
		}
	}
	return false
}

// containsCyrillic проверяет, содержит ли строка хотя бы один кириллический символ.
func containsCyrillic(s string) bool {
	for _, r := range s {
		if unicode.Is(unicode.Cyrillic, r) {
			return true
		}
	}
	return false
}

// isMojibake проверяет, является ли строка результатом неправильной интерпретации
// UTF-8 байтов как Latin-1 (типичная проблема с ID3-тегами кириллических аудиокниг).
// Пример: "Полина Линк" → "Ðолина Ðинк".
func isMojibake(s string) bool {
	if s == "" || containsCyrillic(s) {
		return false
	}
	fixed := fixMojibake(s)
	return fixed != s
}

// fixMojibake пытается исправить кодировку: интерпретирует символы строки
// (каждый как байт Latin-1) и декодирует результат как UTF-8.
// Если получается валидная кириллица — возвращает исправленный текст.
func fixMojibake(s string) string {
	if s == "" || containsCyrillic(s) {
		return s
	}
	raw := make([]byte, 0, len(s))
	for _, r := range s {
		if r > 255 {
			return s // символ за пределами Latin-1 — не mojibake
		}
		raw = append(raw, byte(r))
	}
	result := string(raw)
	if utf8.ValidString(result) && containsCyrillic(result) {
		return result
	}
	return s
}