"""Extrae FQDNs validos de un texto, con offsets."""

import re

# Lista estatica de TLDs comunes (no exhaustiva — IANA tiene >1500).
# Incluye los gTLD originales, los nuevos mas usados, y ccTLD frecuentes.
_VALID_TLDS = frozenset({
    # gTLD originales
    "com", "org", "net", "edu", "gov", "mil", "int",
    # gTLD comunes
    "info", "biz", "name", "pro", "mobi", "asia", "jobs", "tel", "travel",
    "xxx", "post",
    # nuevos gTLD populares
    "app", "dev", "io", "ai", "tech", "cloud", "online", "site", "store",
    "xyz", "top", "shop", "club", "fun", "live", "blog", "page", "news",
    "media", "design", "studio", "agency", "io", "co", "me", "tv",
    # ccTLD frecuentes
    "us", "uk", "de", "fr", "es", "it", "nl", "be", "se", "no", "fi", "dk",
    "ru", "ua", "pl", "cz", "ch", "at", "pt", "gr", "ie", "tr",
    "ca", "mx", "br", "ar", "cl", "co", "pe", "ve", "uy",
    "cn", "jp", "kr", "in", "id", "th", "vn", "my", "sg", "ph", "tw", "hk",
    "au", "nz",
    "za", "eg", "ma", "ng", "ke",
    "il", "ae", "sa", "qa",
    "eu",
})

# Componentes: letras/digitos con guiones internos, sin empezar/terminar en guion.
_LABEL = r"[A-Za-z0-9](?:[A-Za-z0-9-]{0,61}[A-Za-z0-9])?"
_DOMAIN_REGEX = re.compile(
    rf"(?<![A-Za-z0-9.-])"
    rf"(?:{_LABEL}\.)+"
    rf"[A-Za-z]{{2,63}}"
    rf"(?![A-Za-z0-9.-])"
)


def extract_domains(text: str) -> list[dict]:
    """Extrae FQDNs cuyo TLD esta en la lista estatica.

    Solo captura nombres con al menos un punto y un TLD reconocido. No
    incluye URLs completas (ver `extract_urls`). Si el dominio aparece
    dentro de un email, igual se extrae — el caller puede deduplicar
    por offsets si lo necesita.
    """
    results = []
    for m in _DOMAIN_REGEX.finditer(text):
        candidate = m.group(0)
        tld = candidate.rsplit(".", 1)[-1].lower()
        if tld not in _VALID_TLDS:
            continue
        results.append({
            "value": candidate,
            "start": m.start(),
            "end": m.end(),
            "type": "domain",
        })
    return results