modelo-fastapi/links.py

"""Guarda dos links encurtados.

Os links ficam num dicionário na memória do processo: simples e sem banco, mas
somem toda vez que o app reinicia ou é publicado de novo. Para guardar de vez,
troque este arquivo por consultas a um Postgres.
"""

import ipaddress
import re
import secrets
import unicodedata
from datetime import datetime, timezone
from urllib.parse import urlsplit, urlunsplit

import idna

ALFABETO = "abcdefghijklmnopqrstuvwxyz0123456789"
TAMANHO_CODIGO = 6
TAMANHO_MAXIMO_URL = 2048
# Teto de links guardados: passou disso, o mais antigo sai (protege a memória).
MAXIMO_DE_LINKS = 1000
LINKS_NA_LISTA = 20
# Caminhos do próprio app que nunca podem virar código.
RESERVADOS = {"api", "docs"}

FORMATO_CODIGO = re.compile(r"^[a-z0-9]{6}$")

LINK_INVALIDO = "Esse não parece um link válido. Use um endereço que comece com http:// ou https://."

# Caracteres que o navegador troca por %XX em cada parte do link (conjuntos do
# padrão WHATWG URL, os mesmos do `new URL()` dos modelos Node). Além destes,
# todo caractere fora do ASCII visível (acentos, controle, bidi) vira %XX.
_CODIFICAR_NO_CAMINHO = frozenset(' "#<>?`{}')
_CODIFICAR_NA_CONSULTA = frozenset(" \"#<>'")
_CODIFICAR_NO_FRAGMENTO = frozenset(' "<>`')
_CODIFICAR_NO_USUARIO = _CODIFICAR_NO_CAMINHO | frozenset("/:;=@[\\]^|")

# Último pedaço do host que o navegador lê como número (ex.: "1", "0x7f").
_PARECE_NUMERO = re.compile(r"^(?:[0-9]+|0x[0-9a-f]*)$")
_OCTETO = re.compile(r"^(?:0|[1-9][0-9]{0,2})$")

# Dicionário do Python mantém a ordem de inserção: o primeiro é o mais antigo.
_links: dict[str, dict] = {}


class ErroDeValidacao(ValueError):
    pass


def _gerar_codigo() -> str:
    while True:
        codigo = "".join(secrets.choice(ALFABETO) for _ in range(TAMANHO_CODIGO))
        if codigo not in _links and codigo not in RESERVADOS:
            return codigo


def _validar_url(valor) -> str:
    if not isinstance(valor, str) or not valor.strip():
        raise ErroDeValidacao('Envie o campo "url" com o link que você quer encurtar.')
    texto = valor.strip()
    if len(texto) > TAMANHO_MAXIMO_URL:
        raise ErroDeValidacao(f"Esse link é comprido demais (máximo de {TAMANHO_MAXIMO_URL} caracteres).")
    # Barra invertida o navegador lê como "/" (e "a.com\@b.com" abre a.com, não
    # b.com); espaço e meio caractere UTF-16 também não entram.
    if "\\" in texto or any(c.isspace() or 0xD800 <= ord(c) <= 0xDFFF for c in texto):
        raise ErroDeValidacao(LINK_INVALIDO)
    try:
        partes = urlsplit(texto)
        porta = partes.port  # porta inválida (ex.: ":abc") levanta ValueError
    except ValueError:
        partes = None
    if not partes or partes.scheme.lower() not in ("http", "https") or not partes.hostname:
        raise ErroDeValidacao(LINK_INVALIDO)
    return _normalizar(partes, porta)


def _normalizar_host(host: str) -> str:
    """O host exatamente como o navegador vai abrir — é ele que a página de aviso
    mostra, então nada aqui pode ser ambíguo. Na dúvida, o link é recusado."""
    if ":" in host:  # IPv6, que veio entre colchetes
        try:
            if "%" in host:
                raise ValueError
            return f"[{ipaddress.IPv6Address(host).compressed}]"
        except ValueError:
            raise ErroDeValidacao(LINK_INVALIDO) from None
    host = host.lower()
    # Só letras, números, "-" e ".": fica de fora %XX, controle, bidi e símbolos.
    if any(unicodedata.category(c)[0] not in "LMN" and c not in "-." for c in host):
        raise ErroDeValidacao(LINK_INVALIDO)
    if not host.isascii():  # nome com acento → punycode (xn--...), como o navegador
        try:
            host = idna.encode(host, uts46=True, transitional=False).decode("ascii")
        except (idna.IDNAError, UnicodeError):
            raise ErroDeValidacao(LINK_INVALIDO) from None
    # Host que termina em número o navegador lê como IPv4 ("0x7f.1" abre
    # 127.0.0.1). Aceita só a forma de sempre: 4 números de 0 a 255.
    rotulos = host.split(".")
    ultimo = rotulos[-2] if len(rotulos) > 1 and rotulos[-1] == "" else rotulos[-1]
    if _PARECE_NUMERO.match(ultimo):
        if len(rotulos) != 4 or not all(_OCTETO.match(r) and int(r) <= 255 for r in rotulos):
            raise ErroDeValidacao(LINK_INVALIDO)
    return host


def _codificar(texto: str, conjunto: frozenset) -> str:
    """Troca por %XX (UTF-8) o que o navegador trocaria; %XX que já vem fica."""
    return "".join(
        c if 0x20 < ord(c) < 0x7F and c not in conjunto else "".join(f"%{b:02X}" for b in c.encode("utf-8"))
        for c in texto
    )


def _normalizar(partes, porta) -> str:
    """Mesma forma que o `new URL(...).href` dos modelos Node: esquema e host em
    minúsculas (com acento vira punycode), sem a porta padrão, "/" quando o
    caminho vem vazio e %XX onde o navegador também codifica."""
    esquema = partes.scheme.lower()
    host = _normalizar_host(partes.hostname)
    if porta is not None and porta != {"http": 80, "https": 443}[esquema]:
        host = f"{host}:{porta}"
    if partes.username is not None:
        credenciais = _codificar(partes.username, _CODIFICAR_NO_USUARIO)
        if partes.password is not None:
            credenciais += ":" + _codificar(partes.password, _CODIFICAR_NO_USUARIO)
        host = f"{credenciais}@{host}"
    return urlunsplit(
        (
            esquema,
            host,
            _codificar(partes.path or "/", _CODIFICAR_NO_CAMINHO),
            _codificar(partes.query, _CODIFICAR_NA_CONSULTA),
            _codificar(partes.fragment, _CODIFICAR_NO_FRAGMENTO),
        )
    )


def criar_link(valor) -> dict:
    link = {
        "codigo": _gerar_codigo(),
        "url": _validar_url(valor),
        "cliques": 0,
        "criadoEm": datetime.now(timezone.utc).isoformat(timespec="milliseconds").replace("+00:00", "Z"),
    }
    _links[link["codigo"]] = link
    if len(_links) > MAXIMO_DE_LINKS:
        del _links[next(iter(_links))]
    return link


def listar_links() -> list[dict]:
    """Os últimos links criados, do mais novo para o mais antigo."""
    return list(reversed(list(_links.values())[-LINKS_NA_LISTA:]))


def buscar_link(codigo: str) -> dict | None:
    """O link do código, ou None se ele não existe (não soma clique)."""
    return _links.get(codigo)


def host_do_link(url: str) -> str:
    """O host de um link já guardado (normalizado na criação): sem usuário/senha
    e com a porta só quando não é a padrão — igual ao `new URL(url).host` do Node."""
    partes = urlsplit(url)
    host = partes.hostname or ""
    if ":" in host:  # IPv6 volta entre colchetes
        host = f"[{host}]"
    if partes.port is not None:
        host = f"{host}:{partes.port}"
    return host


def registrar_clique(codigo: str) -> dict | None:
    """Soma um clique e devolve o link, ou None se o código não existe."""
    link = _links.get(codigo)
    if link is None:
        return None
    link["cliques"] += 1
    return link