"""offerqingbaoju.cn 招聘公告地址抓取。

接口说明见 doc/offerqingbaoju.md：
- 明文 JSON，无加密。
- 匿名访问只能取 page=1，但 per_page 可以拉很大（实测 6000+ 条一次返回）。
- 公告地址取每条数据的 `公告链接` 字段。
"""

from __future__ import annotations

import httpx

from app.core.logger import log

# 招聘数据接口
_API_URL = "https://offerqingbaoju.cn/api/simple/navigation/60/data"

_HEADERS = {
    "accept": "application/json",
    "user-agent": (
        "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 "
        "(KHTML, like Gecko) Chrome/150.0.0.0 Safari/537.36"
    ),
}

# 请求超时（秒）
_TIMEOUT = 30


def fetch_offerqingbaoju(limit: int) -> list[str]:
    """抓取 offerqingbaoju 招聘公告地址。

    Args:
        limit: 抓取条数（映射到接口的 per_page，匿名只取第 1 页）。

    Returns:
        公告地址列表（已去重、过滤空值，保持原始顺序）。
    """
    if limit <= 0:
        return []

    try:
        response = httpx.get(
            _API_URL,
            params={"page": 1, "per_page": limit},
            headers=_HEADERS,
            timeout=_TIMEOUT,
        )
        response.raise_for_status()
        payload = response.json()
    except (httpx.HTTPError, ValueError) as exc:
        log.error(f"offerqingbaoju 抓取失败: {exc}")
        return []

    rows = payload.get("data") or []

    urls: list[str] = []
    seen: set[str] = set()
    for row in rows:
        url = (row.get("公告链接") or "").strip()
        if not url or not url.startswith("http"):
            continue
        if url in seen:
            continue
        seen.add(url)
        urls.append(url)

    log.info(f"offerqingbaoju 抓取到 {len(urls)} 条公告地址（原始 {len(rows)} 条）")
    return urls