mabibli/MaBibli.Api/Data/ServiceRenormalisation.cs

using MaBibli.Shared.Entites;
using MaBibli.Shared.Isbn;
using MaBibli.Shared.Textes;
using Microsoft.EntityFrameworkCore;

namespace MaBibli.Api.Data;

/// <summary>
/// Remet en cohérence les colonnes normalisées, et réunit les auteurs que cette normalisation
/// révèle identiques.
/// </summary>
/// <remarks>
/// <b>Pourquoi ce passage existe.</b> La migration a recopié les anciennes données avec les
/// moyens du bord : <c>lower()</c> de SQLite ne retire pas les accents, donc « Émile Zola » et
/// « emile zola » y sont restés deux auteurs distincts et les titres normalisés sont approchés.
/// Seul C# sait appliquer les vraies règles.
/// <para>
/// Le passage est <b>idempotent</b> et ne touche que ce qui diffère : il ne coûte rien au
/// démarrage suivant. Il sert aussi de filet si les règles de normalisation changent un jour —
/// le prochain démarrage rattrape la base sans migration à écrire.
/// </para>
/// </remarks>
public sealed class ServiceRenormalisation(MaBibliDbContext db, ILogger<ServiceRenormalisation> logger)
{
    public async Task ExecuterAsync(CancellationToken ct = default)
    {
        var titres = await RenormaliserTitresAsync(ct);
        var (auteursCorriges, auteursFusionnes) = await RenormaliserAuteursAsync(ct);
        var autres = await RenormaliserLesAutresTablesAsync(ct);

        if (titres + auteursCorriges + auteursFusionnes + autres > 0)
        {
            logger.LogInformation(
                "Renormalisation : {Titres} titre(s), {Auteurs} auteur(s) corrigés, "
                + "{Fusions} fusionné(s), {Autres} autre(s) ligne(s).",
                titres, auteursCorriges, auteursFusionnes, autres);
        }
    }

    /// <summary>
    /// Remet à jour les colonnes normalisées des tables apparues après ce service.
    /// </summary>
    /// <remarks>
    /// Envies, séries, revues et numéros calculent leurs formes <b>à l'écriture</b> : rien ne
    /// les rattraperait si la règle de normalisation changeait — et elle a changé le 2026-08-19,
    /// avec le développement des ligatures <c>œ</c> et <c>æ</c>. Sans ce passage, une envie
    /// enregistrée avant serait restée introuvable par sa propre clé.
    /// <para>
    /// ⚠️ Trois de ces colonnes portent une <b>unicité</b>. Une règle plus large peut donc
    /// rendre identiques deux lignes qui ne l'étaient pas (« L'Œuvre » et « L'oeuvre »), et
    /// l'écriture échouerait <b>au démarrage</b> — l'application ne se lancerait plus. La
    /// collision est donc détectée avant d'écrire : la ligne la plus ancienne prend la nouvelle
    /// clé, les suivantes <b>gardent l'ancienne</b> et sont journalisées. Mal normalisée est
    /// infiniment préférable à supprimée, ou à un serveur qui ne démarre pas.
    /// </para>
    /// </remarks>
    private async Task<int> RenormaliserLesAutresTablesAsync(CancellationToken ct)
    {
        var corriges = 0;

        var souhaits = await db.LivresSouhaites.OrderBy(s => s.Id).ToListAsync(ct);
        corriges += Renormaliser(
            souhaits,
            s => Cle(s.Utilisateur, s.TitreNormalise, s.AuteurNormalise),
            s => Cle(s.Utilisateur, CleOeuvre.Cle(s.Titre), RapprochementAuteurs.Cle(s.Auteur)),
            s => s.RecalculerFormes(),
            s => $"l'envie « {s.Titre} »");

        var series = await db.Series.OrderBy(s => s.Id).ToListAsync(ct);
        corriges += Renormaliser(
            series,
            s => s.TitreNormalise,
            s => NormalisationTexte.Normaliser(s.Titre),
            s => s.RecalculerFormes(),
            s => $"la série « {s.Titre} »");

        var revues = await db.Revues.OrderBy(r => r.Id).ToListAsync(ct);
        corriges += Renormaliser(
            revues,
            r => r.TitreNormalise,
            r => NormalisationTexte.Normaliser(r.Titre),
            r => r.RecalculerFormes(),
            r => $"la revue « {r.Titre} »");

        var numeros = await db.NumerosRevue.OrderBy(n => n.Id).ToListAsync(ct);
        corriges += Renormaliser(
            numeros,
            n => Cle(n.RevueId.ToString(), n.NumeroNormalise),
            n => Cle(n.RevueId.ToString(), NormalisationTexte.Normaliser(n.Numero)),
            n => n.RecalculerFormes(),
            n => $"le numéro {n.Numero}");

        // ⚠️ L'ISSN ne peut PAS passer par Renormaliser : sa clé est nullable — la plupart des
        // revues n'en ont pas — et un jeu de clés confondrait tous ces NULL en une seule.
        // Son unicité est d'ailleurs un index PARTIEL, précisément pour cette raison.
        corriges += CanoniserLesIssn(revues);

        var articles = await db.ArticlesUne.OrderBy(a => a.Id).ToListAsync(ct);
        corriges += Renormaliser(
            articles,
            a => Cle(a.NumeroRevueId.ToString(), a.TitreNormalise),
            a => Cle(a.NumeroRevueId.ToString(), NormalisationTexte.Normaliser(a.Titre)),
            a => a.RecalculerFormes(),
            a => $"l'article « {a.Titre} »");

        var themes = await db.Themes.OrderBy(t => t.Id).ToListAsync(ct);
        corriges += Renormaliser(
            themes,
            t => t.NomNormalise,
            t => NormalisationTexte.Normaliser(t.Nom),
            t => t.RecalculerFormes(),
            t => $"le thème « {t.Nom} »");

        if (corriges > 0)
        {
            await db.SaveChangesAsync(ct);
        }

        return corriges;
    }

    /// <summary>
    /// Recalcule les formes d'un ensemble de lignes en refusant toute collision d'unicité.
    /// </summary>
    /// <remarks>
    /// Le jeu des clés occupées part de l'état <b>actuel</b> de la base, et chaque ligne libère
    /// la sienne avant de réserver la nouvelle. Sans cette libération, une ligne inchangée
    /// bloquerait sa propre mise à jour ; sans le jeu initial, une ligne traitée tôt prendrait
    /// la clé d'une ligne non encore traitée, et l'écriture échouerait.
    /// </remarks>
    private int Renormaliser<T>(
        IReadOnlyList<T> lignes,
        Func<T, string> cleActuelle,
        Func<T, string> cleVoulue,
        Action<T> appliquer,
        Func<T, string> nommer)
    {
        var occupees = new HashSet<string>(lignes.Select(cleActuelle), StringComparer.Ordinal);
        var corriges = 0;

        foreach (var ligne in lignes)
        {
            var actuelle = cleActuelle(ligne);
            var voulue = cleVoulue(ligne);

            if (actuelle == voulue)
            {
                continue;
            }

            occupees.Remove(actuelle);

            if (!occupees.Add(voulue))
            {
                // Deux lignes que la nouvelle règle rend identiques. On garde les deux, en
                // laissant la seconde sur son ancienne clé : c'est visible, réparable à la main,
                // et surtout ça ne coûte pas le démarrage du serveur.
                occupees.Add(actuelle);
                logger.LogWarning(
                    "Renormalisation : {Ligne} garde son ancienne forme, la nouvelle est déjà prise.",
                    nommer(ligne));
                continue;
            }

            appliquer(ligne);
            corriges++;
        }

        return corriges;
    }

    /// <summary>
    /// Range les ISSN existants sous leur forme à tiret, sans jamais créer de collision.
    /// </summary>
    /// <remarks>
    /// Rattrape les revues saisies à la main avant que la canonisation n'existe : « 24666718 »
    /// devient « 2466-6718 », donc rapprochable du code-barres et de <c>bib.issn</c>.
    /// <para>
    /// ⚠️ Une revue dont l'ISSN canonique est déjà celui d'une autre <b>garde le sien</b> : la
    /// fusion de deux fiches n'est pas une opération de démarrage, et l'unicité partielle
    /// ferait échouer le lancement du serveur.
    /// </para>
    /// </remarks>
    private int CanoniserLesIssn(IReadOnlyList<Revue> revues)
    {
        var porteuses = revues.Where(r => r.Issn is not null).ToList();
        var occupes = new HashSet<string>(porteuses.Select(r => r.Issn!), StringComparer.Ordinal);
        var corriges = 0;

        foreach (var revue in porteuses)
        {
            var actuel = revue.Issn!;
            var voulu = FormatageIssn.Canonique(actuel);

            if (voulu is null || voulu == actuel)
            {
                continue;
            }

            occupes.Remove(actuel);

            if (!occupes.Add(voulu))
            {
                occupes.Add(actuel);
                logger.LogWarning(
                    "Renormalisation : la revue « {Titre} » garde l'ISSN {Issn}, sa forme à tiret est déjà prise.",
                    revue.Titre,
                    actuel);
                continue;
            }

            revue.Issn = voulu;
            corriges++;
        }

        return corriges;
    }

    /// <summary>Clé composite comparable, les composants ne pouvant pas contenir de NUL.</summary>
    private static string Cle(params string?[] composants) => string.Join('\0', composants);

    private async Task<int> RenormaliserTitresAsync(CancellationToken ct)
    {
        var livres = await db.Livres.ToListAsync(ct);
        var corriges = 0;

        foreach (var livre in livres)
        {
            var attendu = NormalisationTexte.Normaliser(livre.Titre);
            if (livre.TitreNormalise == attendu)
            {
                continue;
            }

            livre.TitreNormalise = attendu;
            corriges++;
        }

        if (corriges > 0)
        {
            await db.SaveChangesAsync(ct);
        }

        return corriges;
    }

    private async Task<(int Corriges, int Fusionnes)> RenormaliserAuteursAsync(CancellationToken ct)
    {
        var auteurs = await db.Auteurs.Include(a => a.Livres).OrderBy(a => a.Id).ToListAsync(ct);
        var corriges = 0;
        var fusionnes = 0;

        // Premier tour : la clé de regroupement, qui couvre casse, accents et ordre des mots.
        // Le premier auteur rencontré pour une clé donnée est celui qui reste ; les suivants
        // sont absorbés. L'ordre par identifiant rend le résultat reproductible.
        var parCle = new Dictionary<string, Auteur>(StringComparer.Ordinal);
        var conserves = new List<Auteur>();

        foreach (var auteur in auteurs)
        {
            var cle = RapprochementAuteurs.Cle(auteur.Nom);
            var nomNormalise = NormalisationTexte.Normaliser(auteur.Nom);

            if (parCle.TryGetValue(cle, out var conserve))
            {
                // Deux fiches que la migration n'a pas pu rapprocher (accents) et que les vraies
                // règles réunissent. C'est une variante sûre : la fusion est automatique.
                Absorber(conserve, auteur);
                fusionnes++;
                continue;
            }

            parCle[cle] = auteur;
            conserves.Add(auteur);

            if (auteur.CleRegroupement == cle && auteur.NomNormalise == nomNormalise)
            {
                continue;
            }

            auteur.CleRegroupement = cle;
            auteur.NomNormalise = nomNormalise;
            corriges++;
        }

        // Second tour : les initiales abrégées, que la clé ne sait pas capturer
        // (« P.F. Hamilton » et « Peter F. Hamilton »). Sans ce tour, une base héritée
        // resterait éclatée là où une saisie neuve aurait été réunie d'emblée — deux
        // comportements pour une même règle.
        foreach (var auteur in conserves.ToList())
        {
            if (db.Entry(auteur).State == EntityState.Deleted)
            {
                continue;
            }

            var jumeau = conserves.FirstOrDefault(autre =>
                !ReferenceEquals(autre, auteur)
                && db.Entry(autre).State != EntityState.Deleted
                && RapprochementAuteurs.SontLeMemeAuteur(auteur.Nom, autre.Nom));

            if (jumeau is null)
            {
                continue;
            }

            // Le nom le plus complet l'emporte : « Peter F. Hamilton » plutôt que « P.F. ».
            var (conserve, absorbe) =
                NomsDeveloppes(auteur.Nom) >= NomsDeveloppes(jumeau.Nom)
                    ? (auteur, jumeau)
                    : (jumeau, auteur);

            Absorber(conserve, absorbe);
            conserves.Remove(absorbe);
            fusionnes++;
        }

        if (corriges > 0 || fusionnes > 0)
        {
            await db.SaveChangesAsync(ct);
        }

        return (corriges, fusionnes);
    }

    /// <summary>Reporte les livres de <paramref name="absorbe"/> sur <paramref name="conserve"/>.</summary>
    private void Absorber(Auteur conserve, Auteur absorbe)
    {
        // La fiche conservée est celle au plus petit identifiant, or cet ordre est un hasard de
        // la migration. On rattrape sur le nom d'affichage : sans cet arbitrage, la bibliothèque
        // perdrait ses accents au profit des saisies bâclées.
        if (QualiteAffichage(absorbe.Nom) > QualiteAffichage(conserve.Nom))
        {
            conserve.Nom = absorbe.Nom;
            conserve.NomNormalise = NormalisationTexte.Normaliser(absorbe.Nom);
            conserve.CleRegroupement = RapprochementAuteurs.Cle(absorbe.Nom);
        }

        var dejaLies = conserve.Livres.Select(l => l.LivreId).ToHashSet();

        foreach (var lien in absorbe.Livres.ToList())
        {
            db.LivreAuteurs.Remove(lien);

            // Un livre déjà signé par la fiche conservée ne doit pas recevoir un second lien :
            // la clé primaire est (LivreId, AuteurId).
            if (dejaLies.Add(lien.LivreId))
            {
                db.LivreAuteurs.Add(new LivreAuteur
                {
                    LivreId = lien.LivreId,
                    AuteurId = conserve.Id,
                    Position = lien.Position,
                });
            }
        }

        db.Auteurs.Remove(absorbe);
    }

    /// <summary>
    /// Note grossière d'un nom en tant que <b>nom d'affichage</b>, pour départager des variantes
    /// équivalentes.
    /// </summary>
    /// <remarks>
    /// Trois signaux, dans cet ordre d'importance : la forme inversée « ZOLA, Émile » est une
    /// convention de catalogue, pas quelque chose qu'on veut lire dans une liste ; les capitales
    /// intégrales sont une saisie négligée ; les accents, eux, sont de l'information qu'on ne
    /// veut pas perdre. Le résultat vise « Émile Zola ».
    /// </remarks>
    private static int QualiteAffichage(string nom)
    {
        var note = nom.Count(c => char.IsLetter(c) && c > 127) * 2;

        if (nom.Contains(','))
        {
            note -= 3;
        }

        note -= nom
            .Split(' ', StringSplitOptions.RemoveEmptyEntries)
            .Count(mot => mot.Length > 1 && mot.Where(char.IsLetter).All(char.IsUpper));

        return note;
    }

    /// <summary>Nombre de mots qui ne sont pas de simples initiales.</summary>
    private static int NomsDeveloppes(string nom) =>
        NormalisationTexte.Mots(nom).Count(mot => mot.Length > 1);
}