#!/usr/bin/env python3
"""Susun berkas bahan konten Kendangsari Hospital dari data yang sudah dikumpulkan."""
import json, re
from collections import Counter

WS = "/home/mantapman/.hermes/profiles/atun/workspace"
hal = json.load(open(f"{WS}/drafts/kh_halaman.json"))
urls = json.load(open(f"{WS}/drafts/kh_url.json"))["urls"]

print("halaman terkumpul:", list(hal))
BERANDA = hal.get("https://rsia.kendangsari.com/", {})
LAYANAN = hal.get("https://rsia.kendangsari.com/layanan", {})
FASILITAS = hal.get("https://rsia.kendangsari.com/fasilitas", {})
TENTANG = hal.get("https://rsia.kendangsari.com/tentang-kami", {})
PROMO = hal.get("https://rsia.kendangsari.com/promo", {})

teks_beranda = BERANDA.get("teks", "")
# fakta kontak
alamat = re.search(r"Jl\. Raya Kendangsari[^,]{0,40},\s*[^,]{0,30}", teks_beranda)
telp = re.findall(r"0\d{2}\s?\d{6,8}", teks_beranda)
wa = re.findall(r"08\d{9,12}", teks_beranda)
sosial = sorted(set(re.findall(r"@[a-z0-9_.]{5,30}", teks_beranda)))

# kategori artikel dari URL
kat = Counter()
for u in urls:
    m = re.search(r"rsia\.kendangsari\.com/([a-z0-9-]{4,40})/", u)
    if m:
        kat[m.group(1)] += 1

with open(f"{WS}/drafts/kh_bahan_konten.md", "w") as f:
    f.write("# Kendangsari Hospital — bahan konten (disusun 8 Oktober 2026)\n\n")
    f.write("Sumber: situs resmi rsia.kendangsari.com (sitemap 339 URL, halaman utama, layanan, fasilitas,\n")
    f.write("promo). Dipakai sebagai bahan menulis konten dan keterangan profil bisnis.\n\n")

    f.write("## Identitas\n\n")
    f.write(f"- Nama baru (sudah dipakai di judul situs): **Kendangsari Hospital**\n")
    f.write(f"- Nama lama yang masih ada di badan halaman: **RSIA Kendangsari** (muncul 188 kali di beranda)\n")
    f.write(f"- Judul situs sekarang: {BERANDA.get('judul','-')}\n")
    f.write(f"- Alamat: {alamat.group(0) if alamat else 'Jl. Raya Kendangsari 38, Surabaya, Jawa Timur'}\n")
    f.write(f"- Telepon: {', '.join(sorted(set(telp))) if telp else '-'}\n")
    f.write(f"- WhatsApp: {', '.join(sorted(set(wa))) if wa else '-'}\n")
    f.write(f"- Akun sosial: {', '.join(sosial) if sosial else '-'}\n\n")

    f.write("## Yang perlu diseragamkan saat rebranding\n\n")
    f.write("- Badan halaman masih menyebut \"RSIA Kendangsari\": beranda, halaman layanan, fasilitas, promo, dan\n")
    f.write("  ratusan artikel. Judul situs sudah pakai \"Kendangsari Hospital\".\n")
    f.write("- Akun sosial masih memakai nama lama (@rsiakendangsari, @rsiakendangsarisurabaya).\n")
    f.write("- Alamat domain masih rsia.kendangsari.com. Domain kendangsarihospital.com belum aktif.\n")
    f.write("- Profil bisnis Google, tanda tangan email, dan materi cetak perlu ikut disesuaikan.\n\n")

    f.write("## Layanan dan fasilitas (dari situs)\n\n")
    f.write("Halaman **Layanan 24 Jam** sub-judul:\n\n")
    for x in (LAYANAN.get("h2") or [])[:20]:
        f.write(f"- {x}\n")
    f.write("\nHalaman **Fasilitas Medik** sub-judul:\n\n")
    for x in (FASILITAS.get("h2") or [])[:20]:
        f.write(f"- {x}\n")
    f.write("\nHalaman **Tentang Kami** sub-judul:\n\n")
    for x in (TENTANG.get("h2") or [])[:12]:
        f.write(f"- {x}\n")
    if PROMO.get("judul"):
        f.write(f"\nHalaman promo: {PROMO['judul']}\n\n")
        for x in (PROMO.get("h2") or [])[:12]:
            f.write(f"- {x}\n")

    f.write("\n## Isi halaman layanan dan fasilitas (bahan mentah)\n\n")
    for nama, h in (("Layanan 24 Jam", LAYANAN), ("Fasilitas Medik", FASILITAS), ("Tentang Kami", TENTANG),
                    ("Promo", PROMO)):
        teks = re.sub(r"\s+", " ", h.get("teks", ""))
        # buang menu berulang di awal
        for sampah in ("Hubungi Kami Layanan Kami Subscribe Social Media", "Beranda Tentang Kami"):
            teks = teks.replace(sampah, " ")
        f.write(f"### {nama}\n\n{teks[:2200].strip()}\n\n")

    f.write("## Isi situs untuk bahan referensi\n\n")
    f.write(f"- Total URL di sitemap: {len(urls)}\n")
    f.write("- Halaman terbesar (kategori/path yang muncul paling banyak):\n\n")
    for nama, n in kat.most_common(12):
        f.write(f"  - /{nama}/ → {n} URL\n")

    f.write("\n## Temuan yang perlu ditindak (bukan bahan konten)\n\n")
    f.write("- **Injeksi tautan judi** di dua tempat, disembunyikan dari pengunjung:\n")
    f.write("  1. Beranda (`pages #1766`): teks Bahasa Indonesia + tautan ke koningbets.org dan monixbet-casino.org,\n")
    f.write("     dimasukkan dalam div `overflow: hidden; height: 1.3px`.\n")
    f.write("  2. Artikel \"Yuk Kenali Tanda Bayi Sehat\" (`posts #3053`): tautan ke turbowinsnl.com dan casinolabnl.com.\n")
    f.write("- Perlu diperiksa menyeluruh seperti yang dilakukan di TSC, karena pola ini biasanya berulang.\n\n")

    f.write("## Nada penulisan yang dipakai situs ini\n\n")
    f.write("- Bahasa Indonesia, sapaan \"Anda\", nada informatif dan menenangkan khas layanan kesehatan ibu dan anak.\n")
    f.write("- Topik yang sudah banyak dibahas: kehamilan, persalinan, perawatan bayi baru lahir, tumbuh kembang\n")
    f.write("  anak, ASI, kesehatan ibu, layanan 24 jam, dan fasilitas.\n")
print("→ drafts/kh_bahan_konten.md")