/**
 * Snorklee — Beacon crawler IA (Next.js middleware, runtime Edge).
 *
 * Les crawlers IA récupèrent le HTML sans exécuter w.js : invisibles côté
 * client. Ce middleware s'exécute sur l'Edge avant le rendu, laisse passer la
 * requête (NextResponse.next()) et — sans bloquer — signale la visite au
 * dashboard quand le User-Agent correspond à un crawler IA.
 *
 * Installation : déposer ce fichier en `middleware.js` (ou `.ts`) à la racine
 * du projet Next.js.
 *
 * Configuration :
 *   - SITE_DOMAIN   : doit être IDENTIQUE à l'attribut data-site de w.js.
 *   - DASHBOARD_URL : URL du dashboard (défaut https://snorklee.com).
 *   Surchargeables via process.env.SNORKLEE_SITE_DOMAIN / SNORKLEE_DASHBOARD_URL.
 *
 * Patterns : miroir strict de ai-crawlers.json (source de vérité).
 */

import { NextResponse } from "next/server";

const SITE_DOMAIN = process.env.SNORKLEE_SITE_DOMAIN || "example.com";
const DASHBOARD_URL = process.env.SNORKLEE_DASHBOARD_URL || "https://snorklee.com";

// Miroir strict de ai-crawlers.json (même ordre). Googlebot exclu volontairement.
const AI_CRAWLER_PATTERNS = [
  "GPTBot",
  "ChatGPT-User",
  "OAI-SearchBot",
  "ClaudeBot|anthropic-ai|Claude-Web|Claude-User|Claude-SearchBot",
  "PerplexityBot|Perplexity-User",
  "Google-Extended",
  "Applebot-Extended",
  "cohere-ai",
  "Bytespider",
  "CCBot",
  "FacebookBot|Meta-ExternalAgent",
  "MistralAI|Mistralbot",
  "YouBot",
  "DuckAssistBot",
  "Amazonbot",
  "PetalBot",
  "DeepSeekBot",
  "Grok(?:bot|-User)",
  "Diffbot",
];

const AI_CRAWLER_RE = new RegExp(AI_CRAWLER_PATTERNS.join("|"), "i");


// IP du robot. Derrière un proxy, l'adresse vue est celle du proxy — souvent
// PRIVÉE. Snorklee écarte les IP privées (elles ne prouvent rien) et le hit
// retombe en « déclaré » au lieu de « vérifié ». On prend donc la PREMIÈRE
// valeur de X-Forwarded-For et on refuse toute adresse privée.
const PRIVATE_IP_RE =
  /^(10\.|127\.|169\.254\.|192\.168\.|172\.(1[6-9]|2\d|3[01])\.|::1$|f[cd])/i;

function crawlerIp(...candidates) {
  for (const c of candidates) {
    if (!c) continue;
    const first = String(c).split(",")[0].trim().replace(/^::ffff:/i, "");
    if (first && !PRIVATE_IP_RE.test(first)) return first;
  }
  return "";
}

export function middleware(request) {
  const ua = request.headers.get("user-agent") || "";

  if (ua && AI_CRAWLER_RE.test(ua)) {
    try {
      const headers = {
        "Content-Type": "application/json",
        "User-Agent": ua,
        "X-Snorklee-Server": "vercel/1",
      };
      const ip = crawlerIp(
        request.headers.get("x-real-ip"),
        request.headers.get("x-forwarded-for"),
      );
      if (ip) {
        // En-tête DÉDIÉ : X-Forwarded-For est réécrit par chaque proxy traversé
        // entre le site et Snorklee, ce qui faisait perdre l'IP du robot. Les
        // deux sont envoyés pour rester compatible avec les installations qui
        // n'ont pas encore mis à jour ce fichier.
        headers["X-Snorklee-Crawler-IP"] = ip;
        headers["X-Forwarded-For"] = ip;
      }

      const path = request.nextUrl.pathname.slice(0, 2048);

      // Fire-and-forget : on n'attend pas la promesse, mais on attrape le rejet
      // pour ne jamais laisser fuiter une erreur (la réponse n'est pas retardée).
      fetch(`${DASHBOARD_URL}/api/event`, {
        method: "POST",
        headers,
        body: JSON.stringify({ s: SITE_DOMAIN, p: path, t: "pageview" }),
        signal: AbortSignal.timeout(2000),
      }).catch(() => {});
    } catch {
      // Non bloquant : un échec du beacon ne doit jamais affecter le crawler.
    }
  }

  return NextResponse.next();
}

// Pages uniquement : exclut les assets statiques, _next et l'API.
export const config = {
  matcher: [
    "/((?!api|_next/static|_next/image|favicon.ico|.*\\.[a-z0-9]+$).*)",
  ],
};