"""
文件内容分析工具
提供代码行数统计、文件大小分析、全文搜索等功能。
"""
import re
from pathlib import Path
from typing import Dict, Any, List, Optional, Pattern
from collections import Counter
# 使用内置异常
from .content_processor import read_file_safe
def count_lines(
file_path: str | Path,
encoding: Optional[str] = None,
) -> Dict[str, int]:
"""
统计代码行数
Args:
file_path: 文件路径
encoding: 文件编码
Returns:
统计结果字典，包含：
- total_lines: 总行数
- code_lines: 代码行数（排除空行和注释）
- blank_lines: 空行数
- comment_lines: 注释行数
- max_line_length: 最长行长度
Raises:
FileNotFoundError: 文件不存在
"""
path = Path(file_path)
if not path.exists():
raise FileNotFoundError(f"文件不存在: {path}")
content = read_file_safe(path, encoding=encoding)
lines = content.splitlines()
total_lines = len(lines)
blank_lines = 0
comment_lines = 0
code_lines = 0
max_line_length = 0
# 简单的注释检测（支持 Python、JavaScript、Kotlin、Dart 等）
comment_patterns = [
re.compile(r'^\s*#'), # Python 单行注释
re.compile(r'^\s*//'), # JavaScript/Kotlin/Dart 单行注释
re.compile(r'^\s*\*'), # 多行注释中的行
]
for line in lines:
line_length = len(line)
if line_length > max_line_length:
max_line_length = line_length
stripped = line.strip()
if not stripped:
blank_lines += 1
else:
# 检查是否是注释
is_comment = False
for pattern in comment_patterns:
if pattern.match(line):
is_comment = True
break
if is_comment:
comment_lines += 1
else:
code_lines += 1
return {
"total_lines": total_lines,
"code_lines": code_lines,
"blank_lines": blank_lines,
"comment_lines": comment_lines,
"max_line_length": max_line_length,
}
def analyze_file_size(
file_path: str | Path,
) -> Dict[str, Any]:
"""
分析文件大小
Args:
file_path: 文件路径
Returns:
分析结果字典，包含：
- size_bytes: 文件大小（字节）
- size_kb: 文件大小（KB）
- size_mb: 文件大小（MB）
- size_gb: 文件大小（GB）
- human_readable: 人类可读的大小字符串
Raises:
FileNotFoundError: 文件不存在
"""
path = Path(file_path)
if not path.exists():
raise FileNotFoundError(f"文件不存在: {path}")
size_bytes = path.stat().st_size
size_kb = size_bytes / 1024
size_mb = size_kb / 1024
size_gb = size_mb / 1024
# 生成人类可读的大小
if size_gb >= 1:
human_readable = f"{size_gb:.2f} GB"
elif size_mb >= 1:
human_readable = f"{size_mb:.2f} MB"
elif size_kb >= 1:
human_readable = f"{size_kb:.2f} KB"
else:
human_readable = f"{size_bytes} B"
return {
"size_bytes": size_bytes,
"size_kb": round(size_kb, 2),
"size_mb": round(size_mb, 2),
"size_gb": round(size_gb, 2),
"human_readable": human_readable,
}
def search_text(
file_path: str | Path,
search_pattern: str | Pattern,
regex: bool = False,
case_sensitive: bool = False,
encoding: Optional[str] = None,
) -> List[Dict[str, Any]]:
"""
在文件中搜索文本
Args:
file_path: 文件路径
search_pattern: 搜索模式（字符串或正则表达式）
regex: 是否使用正则表达式
case_sensitive: 是否区分大小写
encoding: 文件编码
Returns:
匹配结果列表，每个结果包含：
- line_number: 行号
- column: 列号
- match_text: 匹配的文本
- line_content: 行内容
- context_before: 前几行内容（可选）
- context_after: 后几行内容（可选）
Raises:
FileNotFoundError: 文件不存在
"""
path = Path(file_path)
if not path.exists():
raise FileNotFoundError(f"文件不存在: {path}")
content = read_file_safe(path, encoding=encoding)
lines = content.splitlines()
matches = []
# 准备搜索模式
if regex:
if isinstance(search_pattern, str):
flags = 0 if case_sensitive else re.IGNORECASE
pattern = re.compile(search_pattern, flags)
else:
pattern = search_pattern
else:
if case_sensitive:
pattern = re.compile(re.escape(search_pattern))
else:
pattern = re.compile(re.escape(search_pattern), re.IGNORECASE)
# 搜索
for line_num, line in enumerate(lines, 1):
for match in pattern.finditer(line):
matches.append({
"line_number": line_num,
"column": match.start() + 1,
"match_text": match.group(),
"line_content": line,
"start": match.start(),
"end": match.end(),
})
return matches
def count_words(
file_path: str | Path,
encoding: Optional[str] = None,
) -> Dict[str, Any]:
"""
统计文件中的单词数
Args:
file_path: 文件路径
encoding: 文件编码
Returns:
统计结果字典，包含：
- total_words: 总单词数
- unique_words: 唯一单词数
- total_chars: 总字符数
- total_chars_no_spaces: 不含空格的字符数
- word_frequency: 单词频率字典（前10个最常见的单词）
Raises:
FileNotFoundError: 文件不存在
"""
path = Path(file_path)
if not path.exists():
raise FileNotFoundError(f"文件不存在: {path}")
content = read_file_safe(path, encoding=encoding)
# 统计字符
total_chars = len(content)
total_chars_no_spaces = len(content.replace(" ", "").replace("\n", "").replace("\t", ""))
# 提取单词（简单的单词分割）
words = re.findall(r'\b\w+\b', content.lower())
total_words = len(words)
unique_words = len(set(words))
# 统计单词频率
word_freq = Counter(words)
top_words = dict(word_freq.most_common(10))
return {
"total_words": total_words,
"unique_words": unique_words,
"total_chars": total_chars,
"total_chars_no_spaces": total_chars_no_spaces,
"word_frequency": top_words,
}
