#!/usr/bin/env python3
"""harkaq-trace-norm — canoniza la traza cruda de harkaq-trace (plan-freebsd T1.2).

    harkaq-trace-norm.py <traza-cruda> [--store <dir>] [--drop <prefijo>]... [--resumen]

Las reglas de normalización son la parte que FreeBSD tardó años en iterar (los `.meta` de
META MODE): el ruido no se CALLA, se clasifica con reglas explícitas — D3 aplica acá igual
que en el verdict. Reglas:

  1. DROP por prefijo: /proc /sys /dev /tmp /out /src (el build escribe /out y lee /src por
     contrato; lo interesante es lo demás). Ampliable con --drop.
  2. DEDUPE + ORDEN ESTABLE: la traza cruda trae un evento por open(); el mismo path N veces
     no es señal (el orden de llegada tampoco: readdir no garantiza orden — la lección
     número uno de META MODE). Salida: paths únicos, ordenados.
  3. ATRIBUCIÓN por dep (--store): un path store/<hash>-<nombre>/resto se atribuye a la dep
     <nombre>. Con --resumen emite el conteo por dep — la señal de PODA (T1.4): una dep
     declarada con 0 toques es grasa de la clausura.

El sellado (T1.3) NO es de este script: la salida canónica es determinista a propósito
(orden estable, sin timestamps) para que `b3sum` del worker la selle tal cual y viaje junto
al of_tree. Un script canoniza, el store sella — cada pieza tonta en lo suyo.
"""
import argparse
import re
import sys
from collections import Counter
from pathlib import Path

# /cache: la cache content-addressed de zig DENTRO de la jaula — estado derivado del propio
# build (84 entradas en el piloto zlib), no entrada de la clausura. La lección META MODE
# repite: las reglas de ruido SON el producto; cada una entra medida, no adivinada.
DROP_DEFAULT = ["/proc", "/sys", "/dev", "/tmp", "/out", "/src", "/run", "/cache"]


def main():
    ap = argparse.ArgumentParser()
    ap.add_argument("traza")
    ap.add_argument("--store", default=None,
                    help="raíz del store para atribuir paths a deps (store/<hash>-<nombre>/…)")
    ap.add_argument("--drop", action="append", default=[],
                    help="prefijo adicional a descartar (repetible)")
    ap.add_argument("--resumen", action="store_true",
                    help="emite conteo por dep en vez de la lista canónica")
    args = ap.parse_args()

    drops = DROP_DEFAULT + args.drop
    store = str(Path(args.store).resolve()) if args.store else None
    # store/<hash-hex>-<nombre>/… — el nombre puede traer guiones; el hash no.
    re_dep = re.compile(re.escape(store) + r"/[0-9a-f]{16,}-([^/]+)/") if store else None

    unicos = set()
    por_dep = Counter()
    with open(args.traza) as f:
        for linea in f:
            p = linea.strip()
            if not p or any(p == d or p.startswith(d + "/") for d in drops):
                continue
            if p not in unicos and re_dep:
                m = re_dep.match(p)
                if m:
                    por_dep[m.group(1)] += 1
            unicos.add(p)

    if args.resumen:
        for dep, n in sorted(por_dep.items()):
            print(f"{n:6d}  {dep}")
    else:
        for p in sorted(unicos):
            print(p)
    return 0


if __name__ == "__main__":
    sys.exit(main())