// HTML 提取：链接、标题与正文文本。
//
// 基于 moonbit-community/html（HTML5 容错解析）。三个入口都是纯函数，
// 引擎对抓到的页面逐一调用；脚本与样式子树不参与正文。

///|
/// 收集页面中所有  的原始值（文档顺序，未解析）。
pub fn extract_links(html : String) -> Array[String] {
  let out : Array[String] = []
  let doc = @html.parse(html)
  walk_links(doc, doc.document_element, out)
  out
}

///|
fn walk_links(doc : @html.Document, node : Int32, out : Array[String]) -> Unit {
  if node < 0 {
    return
  }
  match doc.get_node(node) {
    Some(@html.ElementNode(el)) => {
      if doc.is_html_element(node, "a") {
        match get_attr(el, "href") {
          Some(href) => {
            let _ = out.push(href)
          }
          None => ()
        }
      }
      for child in el.children {
        walk_links(doc, child, out)
      }
    }
    _ => ()
  }
}

///|
fn get_attr(el : @html.Element, name : String) -> String? {
  for pair in el.attributes {
    let (k, v) = pair
    if k == name {
      return Some(v)
    }
  }
  None
}

///|
/// 提取