PayrollManagementSystem/backend/app/repositories/operation_log_repository.py

"""操作日志数据访问。

本层只 flush 不 commit —— 事务边界由 services 层控制。

写入前处理（截断 / 脱敏 / 序列化）集中在本层，与 `login_log_repository`
的做法一致：模型定义的长度常量在这里落实，调用方只需传业务值。
"""

import json
from dataclasses import dataclass

from sqlalchemy import Select, func, select
from sqlalchemy.orm import Session, defer

from app.core.logging import scrub
from app.models import OperationLog
from app.models.operation_log import (
    ACTION_MAX_LEN,
    ERROR_MESSAGE_MAX_LEN,
    IP_MAX_LEN,
    METHOD_MAX_LEN,
    MODULE_MAX_LEN,
    PATH_MAX_LEN,
    REQUEST_DATA_MAX_BYTES,
    SUMMARY_MAX_LEN,
    USER_AGENT_MAX_LEN,
    USERNAME_MAX_LEN,
)
from app.repositories.query_utils import LogFilters, apply_log_filters

# 键名（不区分大小写）含以下子串的字段，其值一律整体抹除。
# 口径与 core.logging.scrub 的键名正则一致，但改为结构化处理 ——
# 文本正则有三种逃逸形态：值以空白开头时整体匹配失败（完全不脱敏）、
# 值含空格/逗号时只抹首段、值含引号时既残留又破坏 JSON 结构。
# phone/mobile/id_card 系 CLAUDE.md「日志禁输出手机号/身份证」红线的键名口径 ——
# 带分隔符的号码会穿过文本正则，必须在这里按整值抹除
_SENSITIVE_KEY_PARTS = (
    "password",
    "passwd",
    "pwd",
    "secret",
    "token",
    "app_key",
    "access_key",
    "phone",
    "mobile",
    "id_card",
    "idcard",
)

_MASK = "***"


@dataclass(frozen=True, slots=True)
class OperationLogEntry:
    """一条待写入的操作日志（全字段 DTO）。

    替代 14 个平铺参数：字段若在 audit() / _safe_write() / add() 三处
    重复展开，增删字段时任何一侧漏改都只表现为审计数据不完整、不报错
    （success 默认 0 的语义使漏传尤其隐蔽）。
    """

    user_id: int | None
    username: str
    module: str
    action: str
    summary: str
    success: bool
    method: str | None = None
    path: str | None = None
    ip: str | None = None
    user_agent: str | None = None
    request_data: dict | None = None
    error_message: str | None = None
    duration_ms: int | None = None


def add(session: Session, entry: OperationLogEntry) -> None:
    """写入一条操作日志。只 flush 不 commit。

    所有文本列按模型定义的长度常量截断 —— 超长在 MySQL 严格模式下抛 1406，
    而「审计失败不影响业务」的约定会把该异常吞掉，结果是整条日志**静默丢失**，
    事后极难排查。截断是唯一防线，必须在此层无条件执行。
    """
    session.add(
        OperationLog(
            user_id=entry.user_id,
            username=entry.username[:USERNAME_MAX_LEN],
            module=entry.module[:MODULE_MAX_LEN],
            action=entry.action[:ACTION_MAX_LEN],
            summary=entry.summary[:SUMMARY_MAX_LEN],
            method=_clip(entry.method, METHOD_MAX_LEN),
            path=_clip(entry.path, PATH_MAX_LEN),
            ip=_clip(entry.ip, IP_MAX_LEN),
            user_agent=_clip(entry.user_agent, USER_AGENT_MAX_LEN),
            request_data=_serialize_request_data(entry.request_data),
            success=1 if entry.success else 0,
            error_message=_clip(entry.error_message, ERROR_MESSAGE_MAX_LEN),
            duration_ms=entry.duration_ms,
        )
    )
    session.flush()


def get_by_id(session: Session, log_id: int) -> OperationLog | None:
    """按主键查询单条日志（详情端点用，含 request_data）。不存在返回 None。"""
    return session.get(OperationLog, log_id)


def list_logs(
    session: Session,
    *,
    offset: int,
    limit: int,
    filters: LogFilters,
    module: str | None = None,
    action: str | None = None,
) -> list[OperationLog]:
    """分页查询操作日志。

    **按 id 倒序而非 create_time**：后者是秒级精度，同一秒内的多条记录排序
    不确定，翻页会重复或遗漏（与用户列表同一理由）。

    **排除 request_data 列**（TEXT，单行最大 60000 字节）：列表页默认不
    展示它，全列加载会让翻页负担随日志表增长线性放大；详情走 `get_by_id`
    按需读取。
    """
    stmt = _apply_filters(
        select(OperationLog).options(defer(OperationLog.request_data)),
        filters=filters,
        module=module,
        action=action,
    )
    stmt = stmt.order_by(OperationLog.id.desc()).offset(offset).limit(limit)
    return list(session.execute(stmt).scalars())


def count_logs(
    session: Session,
    *,
    filters: LogFilters,
    module: str | None = None,
    action: str | None = None,
) -> int:
    """统计符合条件的日志总数，供分页使用。"""
    stmt = _apply_filters(
        select(func.count(OperationLog.id)), filters=filters, module=module, action=action
    )
    return int(session.execute(stmt).scalar_one())


def _apply_filters(
    stmt: Select,
    *,
    filters: LogFilters,
    module: str | None,
    action: str | None,
) -> Select:
    """应用筛选条件（公共部分复用 query_utils，与登录日志同口径）。"""
    stmt = apply_log_filters(stmt, OperationLog, filters)
    if module:
        stmt = stmt.where(OperationLog.module == module)
    if action:
        stmt = stmt.where(OperationLog.action == action)
    return stmt


def _clip(text: str | None, limit: int) -> str | None:
    """按字符数截断（长度常量与数据库列宽均按字符定义）。"""
    return text[:limit] if text else None


def _is_sensitive_key(key: object) -> bool:
    name = str(key).lower()
    return any(part in name for part in _SENSITIVE_KEY_PARTS)


def _sanitize_sensitive(value: object) -> object:
    """递归抹除请求参数中的敏感字段值（dict 按键名整体替换、list 逐项递归）。"""
    if isinstance(value, dict):
        return {
            key: _MASK if _is_sensitive_key(key) else _sanitize_sensitive(item)
            for key, item in value.items()
        }
    if isinstance(value, list):
        return [_sanitize_sensitive(item) for item in value]
    return value


def _serialize_request_data(data: dict | None) -> str | None:
    """请求参数 → JSON 文本：两段脱敏 → 字节边界截断。

    脱敏分两层，各司其职：

    - **结构化抹除**（`_sanitize_sensitive`）：按键名整体置 ``***``，
      不依赖文本模式匹配 —— 密码含空格、引号、前导空白等形态都不受影响
    - `core.logging.scrub` 作文本兜底：覆盖手机号、Bearer 等无法按键名
      判断的值

    截断必须在 **UTF-8 字节边界** 进行：request_data 列是 TEXT（65535 字节
    上限），而 request_data 上限 60000 字节也是按字节定的；若按字符切片，
    中文场景下字符数与字节数相差 3 倍同样可能超限；先编码再按字节切片
    则可能把多字节字符切成两半产生非法序列。故顺序为：编码 → 字节切片 →
    宽容解码丢弃残片。encode 用 ``errors="replace"`` 兜底孤立代理字符 ——
    请求 JSON 里的 ``\\ud800`` 转义会解析为孤立代理，直接 encode 会抛
    UnicodeEncodeError，被审计兜底逻辑吞掉后该请求的记录**静默丢失**。
    """
    if not data:
        return None
    text = scrub(json.dumps(_sanitize_sensitive(data), ensure_ascii=False, default=str))
    encoded = text.encode("utf-8", errors="replace")
    if len(encoded) <= REQUEST_DATA_MAX_BYTES:
        return text
    return encoded[:REQUEST_DATA_MAX_BYTES].decode("utf-8", errors="ignore")