"""
parser.py -- Extrahiert Text und Standort aus HTML.
"""

import re
import logging
from bs4 import BeautifulSoup

logger = logging.getLogger(__name__)

MAX_TEXT_LENGTH = 3000


def extract_text(html: str) -> str:
    """
    Extrahiert bereinigten Text aus HTML.
    Priorisiert: Impressum, Kontakt, About-Bereiche.
    """
    try:
        soup = BeautifulSoup(html, "html.parser")

        # Unwichtige Tags entfernen
        for tag in soup(["script", "style", "nav", "footer",
                         "header", "aside", "form", "iframe", "noscript"]):
            tag.decompose()

        text = soup.get_text(" ", strip=True)
        text = re.sub(r"\s+", " ", text)
        return text[:MAX_TEXT_LENGTH]

    except Exception as e:
        logger.debug(f"Text-Extraktion fehlgeschlagen: {e}")
        return ""


def extract_location(text: str) -> str | None:
    """
    Sucht Standort (Stadt, Land) im Text.

    Returns:
        z.B. "Muenchen, Deutschland" oder None
    """
    pattern = r"\b([A-ZÄÖÜ][a-zäöü]+(?:\s[A-ZÄÖÜ][a-zäöü]+)?),\s*(Deutschland|Oesterreich|Österreich|Schweiz|Spain|Spanien|Austria|Germany|Switzerland)\b"
    match = re.search(pattern, text)
    if match:
        return match.group(0)
    return None