CloudRecoveryAS/app/extract/seven_zip.py

"""Gestión de extracción de archivos con 7-Zip."""

import subprocess
from pathlib import Path
from typing import Optional, Tuple
import time
from ..utils.logger import app_logger


class SevenZipExtractor:
    """Gestor de extracción con 7-Zip."""
    
    def __init__(self, seven_zip_path: Optional[str] = None):
        """
        Inicializa el extractor.
        
        Args:
            seven_zip_path: Ruta a 7z.exe (se auto-detecta si es None)
        """
        self.seven_zip_path = seven_zip_path or self._auto_detect_7zip()
        if not self.seven_zip_path or not Path(self.seven_zip_path).exists():
            raise FileNotFoundError(
                "No se encontró 7-Zip. Instálalo o especifica la ruta en la configuración."
            )
    
    @staticmethod
    def _auto_detect_7zip() -> Optional[str]:
        """Auto-detecta la ubicación de 7z.exe."""
        possible_paths = [
            r"C:\Program Files\7-Zip\7z.exe",
            r"D:\Program Files\7-Zip\7z.exe",
            r"C:\Program Files (x86)\7-Zip\7z.exe",
            r"D:\Program Files (x86)\7-Zip\7z.exe"
        ]
        
        for path in possible_paths:
            if Path(path).exists():
                app_logger.info(f"7-Zip auto-detectado en: {path}")
                return path
        
        return None
    
    def extract(
        self,
        zip_path: str,
        output_dir: str,
        timeout_minutes: int = 30
    ) -> Tuple[int, str, str]:
        """
        Extrae un archivo ZIP (incluyendo multipart) usando 7-Zip.
        
        Para archivos multipart (.zip.001), 7-Zip detecta automáticamente
        las demás partes si están en la misma carpeta.
        
        Args:
            zip_path: Ruta al archivo ZIP (o .zip.001 para multipart)
            output_dir: Directorio de salida
            timeout_minutes: Timeout en minutos
        
        Returns:
            Tupla (exit_code, stdout, stderr)
        
        Raises:
            subprocess.TimeoutExpired: Si se excede el timeout
            FileNotFoundError: Si no existe el archivo ZIP
        """
        zip_path_obj = Path(zip_path)
        if not zip_path_obj.exists():
            raise FileNotFoundError(f"Archivo ZIP no encontrado: {zip_path}")
        
        # Crear directorio de salida
        output_path = Path(output_dir)
        output_path.mkdir(parents=True, exist_ok=True)
        
        # Comando 7-Zip: extraer con rutas completas, sobrescribir sin preguntar
        cmd = [
            str(self.seven_zip_path),
            "x",  # Extract with full paths
            f"-o{output_dir}",  # Output directory
            "-y",  # Answer yes to all prompts
            str(zip_path)
        ]
        
        app_logger.info(f"Ejecutando extracción: {' '.join(cmd)}")
        
        start_time = time.time()
        
        try:
            result = subprocess.run(
                cmd,
                capture_output=True,
                text=True,
                timeout=timeout_minutes * 60,
                encoding='utf-8',
                errors='replace'
            )
            
            elapsed = time.time() - start_time
            app_logger.info(
                f"Extracción completada en {elapsed:.2f}s - Exit code: {result.returncode}"
            )
            
            return result.returncode, result.stdout, result.stderr
            
        except subprocess.TimeoutExpired as e:
            elapsed = time.time() - start_time
            app_logger.error(f"Timeout de extracción después de {elapsed:.2f}s")
            raise
    
    def list_contents(self, zip_path: str) -> Tuple[int, str, str]:
        """
        Lista el contenido de un archivo ZIP.
        
        Args:
            zip_path: Ruta al archivo ZIP
        
        Returns:
            Tupla (exit_code, stdout, stderr)
        """
        cmd = [
            str(self.seven_zip_path),
            "l",  # List contents
            str(zip_path)
        ]
        
        result = subprocess.run(
            cmd,
            capture_output=True,
            text=True,
            encoding='utf-8',
            errors='replace'
        )
        
        return result.returncode, result.stdout, result.stderr
    
    @staticmethod
    def find_bak_file(extract_dir: str) -> Optional[str]:
        """
        Busca el archivo .bak extraído en el directorio.
        
        Args:
            extract_dir: Directorio donde se extrajo
        
        Returns:
            Ruta al archivo .bak o None si no se encuentra
        
        Raises:
            ValueError: Si hay múltiples archivos .bak
        """
        extract_path = Path(extract_dir)
        bak_files = list(extract_path.rglob("*.bak"))
        
        if not bak_files:
            app_logger.error(f"No se encontró archivo .bak en {extract_dir}")
            return None
        
        if len(bak_files) > 1:
            # Si hay múltiples, tomar el más reciente
            app_logger.warning(
                f"Múltiples archivos .bak encontrados ({len(bak_files)}), "
                "seleccionando el más reciente"
            )
            bak_files.sort(key=lambda p: p.stat().st_mtime, reverse=True)
        
        bak_path = str(bak_files[0])
        app_logger.info(f"Archivo .bak encontrado: {bak_path}")
        return bak_path
    
    @staticmethod
    def is_multipart(zip_path: str) -> bool:
        """
        Verifica si un archivo es parte de un ZIP multipart.
        
        Args:
            zip_path: Ruta al archivo
        
        Returns:
            True si es multipart (.zip.001, .zip.002, etc.)
        """
        path = Path(zip_path)
        # Buscar patrón .zip.NNN
        if path.suffix.lower() in ['.zip']:
            # Verificar si hay un .001 al final del stem
            if path.stem.endswith('.001') or path.stem.endswith('.002'):
                return True
        
        # Verificar extensiones como .zip.001
        name_lower = path.name.lower()
        return '.zip.' in name_lower and any(
            name_lower.endswith(f'.zip.{i:03d}') for i in range(1, 100)
        )
    
    @staticmethod
    def get_first_part(zip_path: str) -> str:
        """
        Si es un archivo multipart, retorna la ruta al primer archivo (.001).
        
        Args:
            zip_path: Ruta a cualquier parte del multipart
        
        Returns:
            Ruta al primer archivo (.001)
        """
        path = Path(zip_path)
        name_lower = path.name.lower()
        
        # Si ya es .001, retornar tal cual
        if name_lower.endswith('.zip.001'):
            return str(path)
        
        # Si es otra parte, buscar el .001
        if '.zip.' in name_lower:
            base_name = name_lower.split('.zip.')[0]
            first_part = path.parent / f"{base_name}.zip.001"
            if first_part.exists():
                return str(first_part)
        
        return str(path)