"""Stufe 2: Rechnungs-PDF per Direktlink laden (Stripe, Paddle, ThriveCart, *.pdf, Tracker-Links z.B. OpenAI).""" import re import urllib.request from typing import Optional from urllib.parse import urlsplit from backend.routers.emails import DIRECT_LINK, TRACKERS MAX_BYTES = 20 * 1024 * 1024 UA = {"User-Agent": "Mozilla/5.0 (C-Stone Invoice Picker)"} STRIPE_HOSTED = re.compile(r"^https://invoice\.stripe\.com/i/(acct_\w+)/(\w+)", re.I) def pdf_url(url: str) -> str: """Stripe-Rechnungsseite (HTML) -> PDF-Download-URL; alles andere unverändert.""" m = STRIPE_HOSTED.match(url) if not m: return url q = urlsplit(url).query return f"https://pay.stripe.com/invoice/{m[1]}/{m[2]}/pdf" + (f"?{q}" if q else "") def fetch_pdf(url: str, timeout: int = 30) -> Optional[bytes]: """-> PDF-Bytes oder None (kein PDF, z.B. HTML-Login-Seite).""" if TRACKERS.match(url): # nur Weiterleitung auflösen, Ziel muss wieder auf der Allowlist stehen with urllib.request.urlopen(urllib.request.Request(url, headers=UA), timeout=timeout) as r: url = r.geturl() if not DIRECT_LINK.search(url): return None with urllib.request.urlopen(urllib.request.Request(pdf_url(url), headers=UA), timeout=timeout) as r: data = r.read(MAX_BYTES + 1) if len(data) > MAX_BYTES or not data.startswith(b"%PDF-"): return None return data