import re


_BLOCK_TAG_PATTERN = re.compile(r"<(p|div|article|section|img|video|h1|h2|h3|h4|blockquote|li)\b", re.I)
_HTML_TAG_PATTERN = re.compile(r"<[^>]+>")


def has_publishable_article_content(content: str) -> bool:
    """判断资讯正文是否达到可发布标准。"""
    raw = (content or "").strip()
    if not raw:
        return False

    plain = _HTML_TAG_PATTERN.sub("", raw).strip()
    if len(plain) < 50:
        return False

    # 抓取器和富文本编辑器通常会输出结构化 HTML；纯摘要文本即使较长也先保守视为未完成正文。
    if _BLOCK_TAG_PATTERN.search(raw):
        return True

    return len(plain) >= 200


def resolve_crawled_article_is_show(content: str) -> int:
    """根据正文内容决定采集文章的默认状态：1=发布，0=稿子。"""
    return 1 if has_publishable_article_content(content) else 0