Flaro/server/src/Flaro.Core/Library/FileNames.cs

using System.Globalization;
using System.Text.RegularExpressions;

namespace Flaro.Core.Library;

public sealed record MovieName(string Title, int? Year);

public sealed record EpisodeName(string SeriesTitle, int Season, int Episode, string? EpisodeTitle);

/// <summary>Macht aus einem Dateinamen wieder Titel, Jahr, Staffel und Folge.</summary>
///
/// <remarks>
/// <para>
/// <b>Hier scheitern Medienserver in der Praxis.</b> Was auf der Platte liegt,
/// heisst nicht „Der Fall", sondern
/// <c>Notruf.Hafenkante.S01E01.German.1080p.WEB-DL.x264-GRP.mkv</c>, und was
/// davon Titel ist und was Beiwerk, steht nirgends. Rät man falsch, sucht die
/// Metadatenquelle nach „Notruf Hafenkante German 1080p" und findet nichts —
/// der Titel bleibt dann für immer der Dateiname.
/// </para>
/// <para>
/// <b>Das Verfahren: abschneiden, nicht herauslösen.</b> Alles ab dem ersten
/// Beiwerk-Merkmal fliegt weg. Einzelne Tags zu entfernen und den Rest
/// zusammenzuschieben klingt gründlicher, lässt aber bei jedem unbekannten Tag
/// Bruchstücke im Titel stehen — und unbekannte Tags gibt es immer.
/// </para>
/// </remarks>
public static partial class FileNames
{
    /// <summary>Merkmale, ab denen nur noch Technik kommt.</summary>
    ///
    /// <remarks>
    /// Nicht vollständig und kann es nicht sein. Es muss nur das erste treffen
    /// — alles dahinter fällt ohnehin weg.
    /// </remarks>
    private static readonly HashSet<string> Beiwerk = new(StringComparer.OrdinalIgnoreCase)
    {
        // Quelle
        "bluray", "blu-ray", "bdrip", "brrip", "bdremux", "remux", "dvdrip", "dvd", "dvdr",
        "webrip", "web-dl", "webdl", "web", "hdtv", "pdtv", "hdrip", "cam", "ts", "tc", "r5",
        "uhdbd", "uhd", "hddvd",
        // Bild
        "x264", "x265", "h264", "h265", "hevc", "avc", "xvid", "divx", "av1", "mpeg2", "vc1",
        "hdr", "hdr10", "hdr10plus", "dolbyvision", "dovi", "sdr", "10bit", "8bit",
        // Ton
        "aac", "ac3", "eac3", "dts", "dtshd", "dts-hd", "truehd", "atmos", "flac", "opus",
        "mp3", "dd", "ddp", "dd5", "ddp5", "lpcm", "pcm",
        // Fassung
        "proper", "repack", "rerip", "extended", "unrated", "uncut", "remastered", "imax",
        "theatrical", "limited", "internal", "complete", "retail", "subbed", "dubbed",
        // Sprache und Herkunft, wie die Szene sie schreibt
        "german", "englisch", "english", "multi", "dual", "dl", "ger", "eng", "vo", "vost",
        "omu", "subs", "sub",
    };

    /// <summary>Auflösungen wie 1080p, 2160p, 720i — und 4K.</summary>
    [GeneratedRegex(@"^\d{3,4}[pi]$|^[48]k$", RegexOptions.IgnoreCase)]
    private static partial Regex Auflösung();

    /// <summary>S01E02, s1e2, S01.E02, S01E02E03 — die erste Folge zählt.</summary>
    [GeneratedRegex(@"\bS(?<staffel>\d{1,3})[\s._-]*E(?<folge>\d{1,4})", RegexOptions.IgnoreCase)]
    private static partial Regex StaffelUndFolge();

    /// <summary>1x02, 01x02 — die ältere Schreibweise.</summary>
    [GeneratedRegex(@"(?<![\dx])(?<staffel>\d{1,2})x(?<folge>\d{2,3})(?![\dx])", RegexOptions.IgnoreCase)]
    private static partial Regex KreuzSchreibweise();

    /// <summary>Ein Jahr in Klammern: (1999) oder [1999].</summary>
    [GeneratedRegex(@"[\(\[](?<jahr>(?:18|19|20)\d{2})[\)\]]")]
    private static partial Regex JahrInKlammern();

    [GeneratedRegex(@"\s+")]
    private static partial Regex Leerraum();

    /// <summary>Liest Titel und Jahr aus einem Filmdateinamen.</summary>
    public static MovieName ParseMovie(string dateiname)
    {
        var (worte, jahrAusKlammern) = Zerlegen(dateiname);
        var (titel, jahr) = TitelBis(worte, grenze: worte.Length);
        return new MovieName(titel.Length > 0 ? titel : Rohname(dateiname), jahrAusKlammern ?? jahr);
    }

    /// <summary>Der Name der Fassung — oder <c>null</c>, wenn der Name keine nennt.</summary>
    ///
    /// <remarks>
    /// <para>
    /// <b>Eine Fassung ist kein eigener Film.</b> Die mobile Fassung, die
    /// 4K-Fassung und das Original gehören zu einem Eintrag mit drei Dateien.
    /// <see cref="ParseMovie"/> wirft den Zusatz deshalb weg — hier wird er
    /// gelesen, damit die Dateien in der Auswahl Namen tragen statt Pfade.
    /// </para>
    /// <para>
    /// Drei Schreibweisen, in dieser Reihenfolge: die Plex-Form
    /// <c>{edition-Mobil}</c>, ein Zusatz hinter dem letzten Bindestrich
    /// (<c>Film (2021) - Mobil.mp4</c>), und ein Elternordner, der nur die
    /// Fassung benennt (<c>Mobil/Film (2021).mp4</c>).
    /// </para>
    /// <para>
    /// Findet sich nichts, bleibt es bei <c>null</c> — dann bildet der Aufrufer
    /// den Namen aus der gemessenen Auflösung. Zu raten wäre hier schlecht:
    /// „Directors Cut" ist eine Fassung, „GRP" ist eine Veröffentlichungsgruppe.
    /// </para>
    /// </remarks>
    public static string? Fassung(string pfad)
    {
        var roh = Rohname(pfad);

        var klammer = EditionInKlammern().Match(roh);
        if (klammer.Success) return Saeubern(klammer.Groups["name"].Value);

        var strich = roh.LastIndexOf(" - ", StringComparison.Ordinal);
        if (strich > 0)
        {
            var hinten = Saeubern(roh[(strich + 3)..]);
            if (hinten.Length > 0 && IstFassungsname(hinten)) return Vereinheitlichen(hinten);
        }

        var ordner = Path.GetFileName(Path.GetDirectoryName(pfad) ?? "");
        if (ordner.Length > 0 && IstFassungsname(ordner)) return Vereinheitlichen(Saeubern(ordner));

        return null;
    }

    /// <summary>Macht aus einer gemessenen Höhe einen Namen: 2160 wird „4K".</summary>
    ///
    /// <remarks>
    /// Der Rückfall, wenn der Dateiname nichts hergibt. Zwei Dateien ohne
    /// Zusatz hiessen sonst beide gleich, und in der Auswahl stünde zweimal
    /// dasselbe.
    /// </remarks>
    public static string? FassungAusHoehe(int? hoehe) => hoehe switch
    {
        null or <= 0 => null,
        >= 2000 => "4K",
        >= 1400 => "1440p",
        >= 1000 => "1080p",
        >= 700 => "720p",
        >= 500 => "576p",
        _ => "SD",
    };

    private static bool IstFassungsname(string wort)
    {
        var blank = wort.Trim();
        return Auflösung().IsMatch(blank) || Fassungsnamen.ContainsKey(Schlank(blank));
    }

    /// <summary>Schreibweisen, die dasselbe meinen, bekommen denselben Namen.</summary>
    private static string Vereinheitlichen(string wort) =>
        Fassungsnamen.GetValueOrDefault(Schlank(wort), wort.Trim());

    private static string Schlank(string wort) =>
        wort.Trim().Replace(" ", "").Replace("'", "").Replace("-", "");

    private static string Saeubern(string wort) =>
        Leerraum().Replace(wort.Replace('_', ' ').Replace('.', ' '), " ")
            .Trim(' ', '-', '–', ',', '[', ']', '(', ')', '{', '}');

    /// <summary>Was als Fassung durchgeht — knapp gehalten, mit Absicht.</summary>
    ///
    /// <remarks>
    /// <b>Eine geschlossene Liste.</b> Nähme man jedes Wort hinter dem letzten
    /// Bindestrich, hiesse eine Fassung irgendwann „YIFY" oder „GRP" — das
    /// sind Veröffentlichungsgruppen, keine Fassungen. Lieber kein Name als
    /// ein falscher: ohne Treffer greift <see cref="FassungAusHoehe"/>.
    /// </remarks>
    private static readonly Dictionary<string, string> Fassungsnamen =
        new(StringComparer.OrdinalIgnoreCase)
        {
            ["mobil"] = "Mobil", ["mobile"] = "Mobil",
            ["optimiert"] = "Mobil", ["optimized"] = "Mobil",
            ["directorscut"] = "Director's Cut", ["directorcut"] = "Director's Cut",
            ["extended"] = "Extended", ["extendedcut"] = "Extended",
            ["theatrical"] = "Kinofassung", ["kinofassung"] = "Kinofassung",
            ["uncut"] = "Uncut", ["remastered"] = "Remastered", ["imax"] = "IMAX",
            ["4k"] = "4K", ["8k"] = "8K", ["sd"] = "SD",
        };

    [GeneratedRegex(@"\{edition-(?<name>[^}]+)\}", RegexOptions.IgnoreCase)]
    private static partial Regex EditionInKlammern();

    /// <summary>Liest Serie, Staffel, Folge und Folgentitel — oder <c>null</c>.</summary>
    ///
    /// <remarks>
    /// <c>null</c> heisst: hier steht keine Folgennummer. Dann ist es entweder
    /// ein Film oder etwas, das niemand benennen kann — in beiden Fällen wäre
    /// eine geratene Staffel 1 schlimmer als gar keine.
    /// </remarks>
    public static EpisodeName? ParseEpisode(string dateiname)
    {
        var roh = Rohname(dateiname);

        var treffer = StaffelUndFolge().Match(roh);
        if (!treffer.Success) treffer = KreuzSchreibweise().Match(roh);
        if (!treffer.Success) return null;

        if (!int.TryParse(treffer.Groups["staffel"].Value, out var staffel) ||
            !int.TryParse(treffer.Groups["folge"].Value, out var folge)) return null;

        var davor = roh[..treffer.Index];
        var danach = roh[(treffer.Index + treffer.Length)..];

        var (worteDavor, _) = Zerlegen(davor, istDateiname: false);
        var (serie, _) = TitelBis(worteDavor, worteDavor.Length);

        var (worteDanach, _) = Zerlegen(danach, istDateiname: false);
        var (folgenTitel, _) = TitelBis(worteDanach, worteDanach.Length);

        // **Steht im Dateinamen keine Serie, sagt der Ordner sie.**
        //
        // Bei „Dark/Staffel 1/S01E01.mkv" steht vor der Folgennummer nichts —
        // und bis hierher wurde dann der ganze Dateiname zum Serientitel.
        // Jede so benannte Datei ergab damit eine eigene Serie: aus zwanzig
        // Folgen wurden zwanzig Serien namens „S01E01", „S01E02", …
        //
        // Plex und Jellyfin lesen den Namen seit je aus dem Ordner. Der
        // Staffelordner wird dabei übersprungen, sonst hiesse die Serie
        // „Staffel 1".
        var ausOrdner = serie.Length > 0 ? null : SerieAusOrdner(dateiname);

        return new EpisodeName(
            SeriesTitle: serie.Length > 0 ? serie : ausOrdner ?? Rohname(dateiname),
            Season: staffel,
            Episode: folge,
            EpisodeTitle: folgenTitel.Length > 0 ? folgenTitel : null);
    }

    /// <summary>Der Serienname aus dem Pfad — Staffelordner übersprungen.</summary>
    ///
    /// <remarks>
    /// <b>Höchstens zwei Ebenen hoch.</b> Weiter oben steht der Wurzelordner
    /// der Mediathek, und „Serien" ist kein Serientitel.
    /// </remarks>
    private static string? SerieAusOrdner(string pfad)
    {
        var ordner = Path.GetDirectoryName(pfad);

        for (var ebene = 0; ebene < 2 && !string.IsNullOrEmpty(ordner); ebene++)
        {
            var name = Path.GetFileName(ordner);
            if (name.Length == 0) return null;

            if (!IstStaffelordner(name))
            {
                var (worte, _) = Zerlegen(name, istDateiname: false);
                var (titel, _) = TitelBis(worte, worte.Length);
                return titel.Length > 0 ? titel : null;
            }

            ordner = Path.GetDirectoryName(ordner);
        }

        return null;
    }

    /// <summary>„Staffel 1", „Season 02", „S3" — Ordner, die keine Serie benennen.</summary>
    private static bool IstStaffelordner(string name) =>
        StaffelOrdnerName().IsMatch(name.Trim());

    [GeneratedRegex(@"^(staffel|season|series|s)[\s._-]*\d{1,3}$|^(specials?|extras?)$",
        RegexOptions.IgnoreCase)]
    private static partial Regex StaffelOrdnerName();

    /// <summary>Nimmt Worte, bis das erste Beiwerk oder eine Jahreszahl kommt.</summary>
    private static (string Titel, int? Jahr) TitelBis(string[] worte, int grenze)
    {
        var genommen = new List<string>();
        int? jahr = null;

        for (var i = 0; i < grenze; i++)
        {
            var wort = worte[i];

            if (IstBeiwerk(wort)) break;

            // Eine Jahreszahl beendet den Titel — aber nur, wenn schon etwas
            // davorsteht. Sonst verlöre „2012" seinen ganzen Namen.
            if (genommen.Count > 0 && IstPlausiblesJahr(wort, out var gelesen))
            {
                jahr = gelesen;
                break;
            }

            genommen.Add(wort);
        }

        return (Säubern(string.Join(' ', genommen)), jahr);
    }

    private static bool IstBeiwerk(string wort)
    {
        var blank = wort.Trim('[', ']', '(', ')', '{', '}', '-', '_');
        if (blank.Length == 0) return false;

        // **Fassungsnamen beenden den Titel wie jedes andere Beiwerk.**
        // Vorher tat das nur die Auflösung: aus
        // „The Matrix (1999) - Mobil.mp4" wurde der Film „The Matrix - Mobil",
        // also ein zweiter Eintrag neben „The Matrix" — und die mobile
        // Fassung stand getrennt vom Original in der Mediathek.
        if (Fassungsnamen.ContainsKey(Schlank(blank))) return true;

        if (Beiwerk.Contains(blank) || Auflösung().IsMatch(blank)) return true;

        // „x264-GRP" und „DD5.1" hängen am Beiwerk fest.
        var vorStrich = blank.Split('-', '.')[0];
        return vorStrich.Length > 1 && (Beiwerk.Contains(vorStrich) || Auflösung().IsMatch(vorStrich));
    }

    /// <summary>Vier Ziffern allein machen noch kein Jahr.</summary>
    ///
    /// <remarks>
    /// <b>„Blade Runner 2049" ist der Fall, an dem sich das entscheidet.</b>
    /// Eine Obergrenze knapp über heute trennt eine Jahreszahl von einer Zahl
    /// im Titel — alles, was weit in der Zukunft liegt, gehört zum Namen.
    /// </remarks>
    private static bool IstPlausiblesJahr(string wort, out int jahr)
    {
        jahr = 0;
        var blank = wort.Trim('[', ']', '(', ')');
        if (blank.Length != 4 || !int.TryParse(blank, NumberStyles.None, CultureInfo.InvariantCulture, out var zahl))
            return false;

        if (zahl < 1880 || zahl > DateTime.UtcNow.Year + 2) return false;
        jahr = zahl;
        return true;
    }

    /// <summary>Dateiname ohne Pfad und ohne Endung.</summary>
    private static string Rohname(string dateiname) => Path.GetFileNameWithoutExtension(dateiname);

    /// <summary>Zerlegt in Worte und holt ein eingeklammertes Jahr heraus.</summary>
    ///
    /// <remarks>
    /// <b>Punkte werden nur dann zu Leerzeichen, wenn sonst keine da sind.</b>
    /// „The.Matrix.1999" braucht es; „S.W.A.T. (2003)" verlöre dadurch seinen
    /// Namen. Dass im Namen überhaupt Leerzeichen stehen, heisst: hier hat
    /// jemand von Hand benannt, und seine Punkte sind gewollt.
    /// </remarks>
    private static (string[] Worte, int? JahrInKlammern) Zerlegen(string eingabe, bool istDateiname = true)
    {
        var text = istDateiname ? Rohname(eingabe) : eingabe;

        int? jahr = null;
        var geklammert = JahrInKlammern().Match(text);
        if (geklammert.Success && int.TryParse(geklammert.Groups["jahr"].Value, out var gelesen))
        {
            jahr = gelesen;
            text = text.Remove(geklammert.Index, geklammert.Length);
        }

        text = text.Replace('_', ' ');
        if (!text.Contains(' ')) text = text.Replace('.', ' ');

        return (Leerraum().Split(text.Trim()).Where(w => w.Length > 0).ToArray(), jahr);
    }

    /// <summary>Räumt Trennzeichen weg, die am Rand übrig bleiben.</summary>
    ///
    /// <remarks>
    /// <b>Der Punkt steht ausdrücklich nicht dabei.</b> Aus „S.W.A.T." würde
    /// sonst „S.W.A.T" — und ein Punkt am Titelende ist ohnehin selten, weil
    /// Trennpunkte schon beim Zerlegen zu Leerzeichen werden.
    /// </remarks>
    private static string Säubern(string roh) =>
        Leerraum().Replace(roh.Replace('_', ' '), " ").Trim(' ', '-', '–', ',', '[', ']', '(', ')');
}