#!/usr/bin/env python3
"""Periksa berkas caption: karakter terlarang, panjang per caption, dan pola AI yang kasar."""
import re, sys

P = sys.argv[1]
t = open(P, encoding="utf-8").read()
print(f"berkas: {P} ({len(t)} char)")

cjk = re.findall(r"[\u3000-\u9fff\uac00-\ud7af]", t)
print(f"  karakter CJK: {len(cjk)}")
print(f"  em dash (—): {t.count('—')}")
print(f"  tanda kutip melengkung: {len(re.findall(r'[“”‘’]', t))}")
print(f"  'bukan sekadar ... tapi': {len(re.findall(r'bukan sekadar[^.]{0,50}(?:tapi|melainkan)', t, re.I))}")
print(f"  frasa AI ('di era digital', 'tidak dapat dipungkiri', 'mari kita'): "
      f"{len(re.findall(r'di era digital|tidak dapat dipungkiri|mari kita|solusi terbaik anda|game changer', t, re.I))}")

# panjang tiap caption: blok yang diawali **angka.**
blok = re.split(r"\n\*\*\d+\.", t)[1:]
print(f"  jumlah caption terdeteksi: {len(blok)}")
panjang = [len(b.strip()) for b in blok]
if panjang:
    print(f"  panjang caption: min {min(panjang)} · rata-rata {sum(panjang) // len(panjang)} · maks {max(panjang)}")
    lewat = [(i + 1, p) for i, p in enumerate(panjang) if p > 1500]
    print(f"  di atas batas 1.500 karakter: {lewat if lewat else 'tidak ada'}")