Wp2ghost/CSharpGhostImporter/InternalLinkManager.cs

using System.Text.Json;
using System.Text.RegularExpressions;
using HtmlAgilityPack;

namespace wp2ghost
{
    // =============================================================================
    // InternalLinkManager — merkt sich, welcher WordPress-Beitrag welchen Ghost-Slug
    // bekommen hat, und schreibt Links zwischen den eigenen Beiträgen auf Ghost um.
    // =============================================================================
    static class InternalLinkManager
    {
        // WordPress-Slug (dekodiert, klein) → Ghost-Slug
        private static readonly Dictionary<string, string> SlugMap = new();
        // WordPress-ID → Ghost-Slug (für Links der Form ?p=123)
        private static readonly Dictionary<int, string> IdMap = new();
        private static string MapPath = "";

        public static int Count => SlugMap.Count;

        public static void Init(string baseDir)
        {
            MapPath = Path.Combine(baseDir, "internal_links.txt");
            SlugMap.Clear();
            IdMap.Clear();

            if (File.Exists(MapPath))
            {
                foreach (var line in File.ReadAllLines(MapPath))
                {
                    var parts = line.Split('|');
                    if (parts.Length == 3 && int.TryParse(parts[0], out int wpId))
                        Add(wpId, parts[1], parts[2]);
                }
            }

            // Bereits abgerufene Beiträge übernehmen (auch aus Läufen vor Einführung dieser Datei)
            string postsDir = Path.Combine(baseDir, "ghostPosts");
            if (!Directory.Exists(postsDir)) return;
            bool added = false;
            foreach (var file in Directory.GetFiles(postsDir, "*.json"))
            {
                try
                {
                    using var doc = JsonDocument.Parse(File.ReadAllText(file));
                    var root = doc.RootElement;
                    int wpId = root.GetProperty("wp_id").GetInt32();
                    string wpSlug = root.GetProperty("wp_slug").GetString() ?? "";
                    if (wpSlug.Length == 0 || IdMap.ContainsKey(wpId)) continue;
                    Add(wpId, wpSlug, SlugHelper.Clean(wpSlug, $"post-{wpId}"));
                    added = true;
                }
                catch { }
            }
            if (added) Save();
        }

        /// <summary>Merkt sich die Zuordnung eines abgerufenen Beitrags.</summary>
        public static void Register(int wpId, string? wpSlug, string ghostSlug)
        {
            if (string.IsNullOrEmpty(wpSlug)) return;
            Add(wpId, wpSlug, ghostSlug);
            Save();
        }

        private static void Add(int wpId, string wpSlug, string ghostSlug)
        {
            SlugMap[NormalizeSlug(wpSlug)] = ghostSlug;
            IdMap[wpId] = ghostSlug;
        }

        private static void Save()
        {
            var bySlug = SlugMap.ToDictionary(kv => kv.Value, kv => kv.Key);
            File.WriteAllLines(MapPath, IdMap.OrderBy(kv => kv.Key)
                .Select(kv => $"{kv.Key}|{(bySlug.TryGetValue(kv.Value, out var wpSlug) ? wpSlug : kv.Value)}|{kv.Value}"));
        }

        private static string NormalizeSlug(string slug)
        {
            try { slug = Uri.UnescapeDataString(slug); } catch { }
            return slug.Trim().ToLowerInvariant();
        }

        /// <summary>
        /// Schreibt Links auf eigene WordPress-Beiträge, -Seiten, Kategorien, Schlagwörter und die
        /// Startseite auf die entsprechende Ghost-Adresse um. Links auf noch nicht abgerufene Beiträge
        /// bleiben stehen und werden als offen zurückgegeben — beim nächsten Lauf, wenn das Ziel
        /// bekannt ist, werden sie automatisch ersetzt.
        /// </summary>
        /// <param name="ghostBase">Basis der neuen Adressen: Ghost-URL oder "__GHOST_URL__" (ZIP-Export)</param>
        public static (string Html, int Replaced, List<string> Unresolved) Rewrite(string html, string wpBaseUrl, string ghostBase)
        {
            var unresolved = new List<string>();
            if (string.IsNullOrWhiteSpace(html) || !Uri.TryCreate(wpBaseUrl, UriKind.Absolute, out var wpUri))
                return (html, 0, unresolved);

            string wpHost = StripWww(wpUri.Host);
            ghostBase = ghostBase.TrimEnd('/');

            var doc = new HtmlDocument();
            doc.LoadHtml(html);
            var anchors = doc.DocumentNode.SelectNodes("//a[@href]");
            if (anchors == null) return (html, 0, unresolved);

            int replaced = 0;
            foreach (var anchor in anchors.ToList())
            {
                string href = HtmlEntity.DeEntitize(anchor.GetAttributeValue("href", "")).Trim();
                if (!Uri.TryCreate(href, UriKind.Absolute, out var uri) || StripWww(uri.Host) != wpHost) continue;

                // Dateien (Bilder, PDFs ...) und technische Adressen sind keine Beitragslinks
                string path = uri.AbsolutePath;
                if (path.StartsWith("/wp-content/", StringComparison.OrdinalIgnoreCase) || path.StartsWith("/wp-json/", StringComparison.OrdinalIgnoreCase)
                    || path.StartsWith("/wp-admin", StringComparison.OrdinalIgnoreCase))
                    continue;

                string? target = Resolve(uri);
                if (target != null)
                {
                    anchor.SetAttributeValue("href", ghostBase + target + uri.Fragment);
                    // Interne Links sollen nicht in neuem Tab öffnen
                    anchor.Attributes.Remove("target");
                    anchor.Attributes.Remove("rel");
                    replaced++;
                }
                else if (IsOnlyImage(anchor))
                {
                    // Bild, das auf seine WordPress-Anhangseite verlinkt: die Seite gibt es in Ghost nicht
                    foreach (var child in anchor.ChildNodes.ToList())
                        anchor.ParentNode!.InsertBefore(child, anchor);
                    anchor.Remove();
                    replaced++;
                }
                else if (!unresolved.Contains(href))
                {
                    unresolved.Add(href);
                }
            }

            return (replaced > 0 ? doc.DocumentNode.OuterHtml : html, replaced, unresolved);
        }

        // Liefert den Ghost-Pfad ("/slug/") oder null, wenn das Ziel (noch) unbekannt ist
        private static string? Resolve(Uri uri)
        {
            var segments = uri.AbsolutePath.Split('/', StringSplitOptions.RemoveEmptyEntries);

            // ?p=123
            var idMatch = Regex.Match(uri.Query, @"[?&](?:p|page_id)=(\d+)");
            if (idMatch.Success)
                return IdMap.TryGetValue(int.Parse(idMatch.Groups[1].Value), out string? byId) ? $"/{byId}/" : null;

            if (segments.Length == 0) return "/"; // Startseite

            string last = NormalizeSlug(segments[^1]);

            // Kategorien und Schlagwörter sind in Ghost beides Tags
            if (segments[0].Equals("category", StringComparison.OrdinalIgnoreCase) || segments[0].Equals("tag", StringComparison.OrdinalIgnoreCase))
            {
                if (segments.Length < 2) return null;
                // Ignorierte Kategorien ("Allgemein") gibt es in Ghost nicht als Tag → Startseite
                if (CategoryRules.IsIgnored(last)) return "/";
                string tagSlug = SlugHelper.Clean(last, "");
                return tagSlug.Length > 0 ? $"/tag/{tagSlug}/" : null;
            }

            // /slug/ oder Datums-Permalink /2023/03/05/slug/ — davor dürfen nur Zahlen stehen
            if (segments.Take(segments.Length - 1).All(s => s.All(char.IsDigit)) && SlugMap.TryGetValue(last, out string? ghostSlug))
                return $"/{ghostSlug}/";

            return null;
        }

        private static bool IsOnlyImage(HtmlNode anchor) =>
            anchor.SelectSingleNode(".//img") != null && string.IsNullOrWhiteSpace(HtmlEntity.DeEntitize(anchor.InnerText));

        private static string StripWww(string host) =>
            host.StartsWith("www.", StringComparison.OrdinalIgnoreCase) ? host.Substring(4).ToLowerInvariant() : host.ToLowerInvariant();
    }
}