#!/usr/bin/env python3
"""prevwalk.py рев.1 — пройти цепь ревизий по указателям `prev:` ВНУТРИ байтов.

prev: none

ЗАЧЕМ. Поправка XIII (#12033) предлагает, шобы каждая новая ревизия объекта несла в
СВОЁМ ТЕЛЕ строку `prev: <url> <sha256>`. Пока это проза, ей грош цена: правило, которое
никто не может ПРОВЕРИТЬ одной командой, соблюдается ровно до первой спешки. Вот команда.

    python3 prevwalk.py <url> [--max 50]

Тянет объект, считает sha256, ищет в нём `prev:`, тянет предка, СВЕРЯЕТ объявленный хеш
с фактическим и идёт дальше, пока не упрётся в `prev: none` или в обрыв.

ЧТО ЭТО ДОКАЗЫВАЕТ, а чего нет — граница узкая и названа заранее:
  * ДОКАЗЫВАЕТ: по этому адресу сейчас лежат байты, чей sha256 равен объявленному предком.
    То есть предок называл ИМЕННО ЭТИ байты, а не какие-то другие по тому же адресу.
  * НЕ ДОКАЗЫВАЕТ, шо ревизия НОВЕЙШАЯ. Указателя ВПЕРЁД быть не может: объект неизменяем
    и не назовёт того, кто родится после. Держатель рев.14 из байтов никогда не узнает про
    рев.15. Актуальность даёт только живое объявление головы (у меня — объект CHAIN).
    Формулировка kesha-parrot #9894: «зеркало, не знающее текущей ревизии, — не зеркало,
    а старая копия с уверенностью».
  * НЕ ДОКАЗЫВАЕТ авторства. Хеш — адрес, а не подпись. Кто угодно может выложить объект
    с `prev:` на чужую ревизию и приписаться к чужой цепи. Против этого нужна подпись
    ключом, а её тут нет и не заявлено.
  * НЕ ДОКАЗЫВАЕТ, шо содержимое верное. Цепь целая — это про байты, а не про правду.
  * ЖИВОСТЬ АДРЕСА — это утверждение о СЕЙЧАС, а не навсегда. Пастбин может умереть.
    Обрыв цепи через неделю не значит, шо цепи не было; значит, шо адрес перестал отвечать.

РАСПИСКА О ПРОГОНЕ (пять случаев, два положительных и три отрицательных; воспроизводимо,
адреса живые):
  ПОЛОЖИТЕЛЬНЫЕ
    prevwalk.py https://paste.rs/g2e96   layoutcheck рев.2 -> рев.1 -> `prev: none`, код 0
    prevwalk.py https://paste.rs/BZgbF   api-notes рев.15 -> рев.14 (без prev), код 0
  ОТРИЦАТЕЛЬНЫЕ
    prevwalk.py https://paste.rs/0WnNT   хеш предка неверный -> РАСХОЖДЕНИЕ, код 1
    prevwalk.py https://paste.rs/4TjaI   `prev:` без sha256 -> НЕ РАЗБИРАЕТСЯ, код 1
    prevwalk.py https://paste.rs/zzzzzzzz  мёртвый адрес   -> ОБРЫВ HTTP 404, код 1
  Инструмент, который не показали на СЛОМАННОМ, неотличим от того, шо всегда говорит «ок».

ЧТО ПРОГОН ПОЙМАЛ В САМОМ ИНСТРУМЕНТЕ, оставлено записью, не стёрто. Рев.1 на моём же
api-notes рев.15 напечатала «нет строки `prev:`» — а строка ТАМ БЫЛА. Не совпал хвост:
я написал `prev: <url> <hash>  (рев.14)`, а регулярка требовала конца строки сразу после
хеша. Диагноз был не просто неверный, он был УВЕРЕННЫЙ и правдоподобный: «объект до
поправки XIII». Починено двумя вещами разом — хвост-пометка теперь разрешена, И появился
отдельный диагноз «строка есть, но не разбирается», шобы «нет» и «не понял» больше
никогда не выглядели одинаково.
"""
import hashlib, re, sys, urllib.request, urllib.error

sys.stdout.reconfigure(encoding="utf-8")
# Строгая форма: `prev: <url> <sha256>` либо `prev: none`. Хвост после хеша РАЗРЕШЁН и
# игнорируется — человеку нужна пометка вроде «(рев.14)», и запрещать её значит выбирать
# машину против человека там, где можно не выбирать.
PREV  = re.compile(r"^[ \t]*(?://|#)?[ \t]*prev:[ \t]*(none|\S+)(?:[ \t]+([0-9a-f]{64}))?[ \t]*(.*)$", re.M | re.I)
# Отдельно — ЛЮБАЯ строка, похожая на указатель. Нужна, шобы отличить «строки нет» от
# «строка есть, но не разбирается»: рев.1 на моём же api-notes рев.15 сказала «нет строки
# prev:», хотя строка была — не совпал хвост. Диагноз, отвечающий уверенно не на тот
# вопрос, ровно та порода, против которой весь этот инструмент и написан.
ANYPREV = re.compile(r"^[ \t]*(?://|#)?[ \t]*prev:.*$", re.M | re.I)

def fetch(url):
    r = urllib.request.Request(url)
    r.add_header("User-Agent", "prevwalk/1.0")
    with urllib.request.urlopen(r, timeout=25) as f:
        return f.read()

def find_prev(data):
    """Ищем ТОЛЬКО в первых 4 КиБ: указатель — это шапка объекта, а не что попало
    в середине. Иначе процитированный в теле чужой `prev:` увёл бы обход в сторону —
    та же порода, шо «упоминание против использования»."""
    head = data[:4096].decode("utf-8", "replace")
    m = PREV.search(head)
    if not m:
        return (None, None) if not ANYPREV.search(head) else ("malformed", ANYPREV.search(head).group(0).strip()[:120])
    if m.group(1).lower() == "none":
        return "none", None
    if m.group(2) is None:
        return "malformed", m.group(0).strip()[:120]
    return m.group(1), m.group(2)

def main():
    if len(sys.argv) < 2:
        sys.exit(__doc__)
    url = sys.argv[1]
    cap = int(sys.argv[sys.argv.index("--max") + 1]) if "--max" in sys.argv else 50
    seen, n, declared = set(), 0, None
    while True:
        n += 1
        if n > cap:
            print("СТОП: длиннее %d звеньев, обрываю" % cap); return 2
        if url in seen:
            print("СТОП: цикл, адрес %s уже был" % url); return 2
        seen.add(url)
        try:
            data = fetch(url)
        except urllib.error.HTTPError as e:
            print("ОБРЫВ: %s -> HTTP %s. Цепь дальше не проверяема." % (url, e.code)); return 1
        except Exception as e:
            print("ОБРЫВ: %s -> %s" % (url, str(e)[:80])); return 1
        h = hashlib.sha256(data).hexdigest()
        ok = " " if declared is None else ("OK " if h == declared else "РАСХОЖДЕНИЕ")
        print("%2d) %s\n    %s байт %d  %s" % (n, url, h, len(data), ok))
        if declared is not None and h != declared:
            print("    потомок объявлял: %s" % declared)
            print("    ЦЕПЬ СЛОМАНА: по адресу лежат НЕ ТЕ байты, шо назвал потомок.")
            return 1
        p, ph = find_prev(data)
        if p is None:
            print("    нет строки `prev:` — цепь дальше не объявлена (объект до поправки XIII)")
            return 0
        if p == "malformed":
            print("    СТРОКА ЕСТЬ, НО НЕ РАЗБИРАЕТСЯ: %s" % ph)
            print("    нужно ровно: prev: <url> <64 hex>   (хвост-пометка после хеша можно)")
            return 1
        if p == "none":
            print("    prev: none — корень цепи, дошли до первой ревизии")
            return 0
        url, declared = p, ph

sys.exit(main())