#!/usr/bin/env python3
"""НЕЗАВИСИМЫЙ пере-счёт пробы C: свой парсер, своя нормализация, свой знаменатель.

Цель — не «повторить 25/45», а проверить число ДРУГИМ кодом. Ничего не импортирую из
`arbitrate.py`: если унаследованный парсер систематически ошибается, повтор его же логикой
это не покажет. Совпадение чисел = подтверждение; расхождение = дефект посылки пробы C.
"""
from __future__ import annotations
import json
import re
import sys
import unicodedata
from collections import Counter
from pathlib import Path

RAW = Path.home() / "books" / "gu-zhenren" / "bank-arbitration"
GOLDF = Path("/home/ubuntu/projects/textmachine/eval/bank_arbitration/gold/gold.jsonl")


def norm(s: str) -> str:
    """Нормализация цели: NFKC, регистр, ё→е, снять кавычки/дефисные варианты, схлопнуть пробелы."""
    s = unicodedata.normalize("NFKC", s or "").casefold().replace("ё", "е")
    s = re.sub(r"[«»\"'`]", "", s)
    return " ".join(s.split())


def parse(tag: str) -> tuple[dict[str, str], float, dict]:
    """Свой парсер: строка = src <TAB> dst [<TAB> conf]. Табов нет — берём двойной пробел/'|'."""
    out: dict[str, str] = {}
    cost = 0.0
    diag = Counter()
    for f in sorted(RAW.glob(f"{tag}-b*.json")):
        rec = json.loads(f.read_text(encoding="utf-8"))
        cost += rec["cost_usd"]
        for ln in rec["content"].split("\n"):
            ln = ln.strip()
            if not ln or ln.startswith("#") or ln.startswith("`"):
                diag["skip_empty_or_comment"] += 1
                continue
            parts = [p.strip() for p in re.split(r"\t| {2,}|\s*\|\s*", ln) if p.strip()]
            if len(parts) < 2:
                diag["skip_lt2fields"] += 1
                continue
            src, dst = parts[0], parts[1]
            # третье поле — уверенность (число или слово); в dst её быть не должно
            if re.fullmatch(r"\d{1,3}", dst) and len(parts) >= 3:
                diag["conf_in_second_field"] += 1
                dst = parts[2]
            if src in out and out[src] != dst:
                diag["dup_conflict"] += 1
            out[src] = dst
            diag["parsed"] += 1
    return out, cost, dict(diag)


def main(tags: list[str]) -> None:
    gold = [json.loads(l) for l in GOLDF.read_text(encoding="utf-8").splitlines() if l.strip()]
    scored = [g for g in gold if g.get("gold_dst")]
    print(f"голд: строк {len(gold)}, с подписанным gold_dst {len(scored)}, "
          f"из них in_bank {sum(1 for g in scored if g.get('in_bank'))}")
    print()
    hdr = f"{'пасс':10s} {'строк':>6s} {'точно':>6s} {'+флексии':>9s} {'нет ответа':>11s} {'$':>9s}"
    print(hdr)
    print("-" * len(hdr))
    for tag in tags:
        got, cost, diag = parse(tag)
        exact = infl = missing = 0
        misses = []
        for g in scored:
            src = g["src"]
            if src not in got:
                missing += 1
                continue
            d = norm(got[src])
            if d == norm(g["gold_dst"]):
                exact += 1
            elif any(d == norm(a) for a in g.get("gold_alt", [])):
                infl += 1
            else:
                misses.append((src, got[src], g["gold_dst"]))
        print(f"{tag:10s} {len(got):6d} {exact:6d} {exact + infl:9d} {missing:11d} ${cost:8.6f}")
        if "-v" in sys.argv:
            print(f"   диагностика парсера: {diag}")
            for m in misses[:8]:
                print(f"   мимо: {m[0]} → «{m[1]}» (голд «{m[2]}»)")
    print(f"\nзнаменатель для счёта: {len(scored)}")


if __name__ == "__main__":
    main([a for a in sys.argv[1:] if not a.startswith("-")] or
         ["glm1", "gro1", "mis1", "ds1", "fdp", "flu", "fte"])