"""doc_convert.py — convierte un .doc viejo a .docx usando Microsoft Word (COM).

Necesario para Marcos (marroro@telefonica.net), que envía .doc (Word antiguo) y
python-docx no sabe leer .doc. El contenido ya viene en EML (lo etiqueta Inma al
revisar); aquí solo cambiamos el FORMATO de archivo.

Requiere Microsoft Word instalado + pywin32 (igual que marcos_review).
API: doc_to_docx(path, force=False) -> Path | None
"""
from __future__ import annotations

from pathlib import Path

WD_FORMAT_DOCX = 16  # wdFormatDocumentDefault (.docx)


def doc_to_docx(path, force: bool = False):
    """Convierte un .doc a .docx con Word COM. Idempotente: si el .docx ya existe y
    no force, lo devuelve sin reconvertir. Devuelve la ruta .docx, o None si falla."""
    path = Path(path)
    if path.suffix.lower() != ".doc":
        return None
    out = path.with_suffix(".docx")
    if out.exists() and not force:
        return out
    try:
        import win32com.client  # type: ignore
    except ImportError:
        return None
    word = win32com.client.Dispatch("Word.Application")
    word.Visible = False
    try:
        d = word.Documents.Open(str(path))
        d.SaveAs(str(out), FileFormat=WD_FORMAT_DOCX)
        d.Close(SaveChanges=False)
    finally:
        word.Quit()
    if out.exists():
        quitar_smarttags(out)
    return out if out.exists() else None


def quitar_smarttags(docx_path) -> int:
    """Desenvuelve los <w:smartTag> del .docx. Devuelve cuántos ha quitado.

    ⚠️ CRÍTICO, no es cosmético. Los .doc de Fray Marcos traen `smartTag` (el viejo
    reconocimiento de nombres de Word) envolviendo expresiones como "la Iglesia" o
    "la Cananea". **python-docx solo lee los <w:r> que cuelgan directamente del párrafo,
    así que el texto de dentro del smartTag DESAPARECE sin dar error**: se publicaron
    frases mutiladas en las cartas 736, 737 y 739 ("...no va dirigida a los apóstoles,
    sino a dureza de la respuesta..."). Detectado el 12-ago-2026.
    """
    import re, shutil, zipfile
    from pathlib import Path

    docx_path = Path(docx_path)
    with zipfile.ZipFile(docx_path) as z:
        piezas = {n: z.read(n) for n in z.namelist()}
    xml = piezas.get("word/document.xml", b"").decode("utf-8", "replace")
    nuevo, n = re.subn(r"</?w:smartTag(?:Pr)?\b[^>]*>|<w:attr\b[^>]*/>", "", xml)
    if not n:
        return 0
    piezas["word/document.xml"] = nuevo.encode("utf-8")
    tmp = docx_path.with_suffix(".docx.tmp")
    with zipfile.ZipFile(tmp, "w", zipfile.ZIP_DEFLATED) as z:
        for nombre, datos in piezas.items():
            z.writestr(nombre, datos)
    shutil.move(str(tmp), str(docx_path))
    return n


if __name__ == "__main__":
    import sys
    if len(sys.argv) < 2:
        print("uso: python doc_convert.py path/al/archivo.doc", file=sys.stderr)
        sys.exit(2)
    res = doc_to_docx(Path(sys.argv[1]), force="--force" in sys.argv)
    print(f"OK: {res}" if res else "FALLO (¿Word/pywin32?)")
    sys.exit(0 if res else 1)