#!/usr/bin/env python3
"""ДЕТЕРМИНИРОВАННЫЙ ПОСТ-ПРОЦЕССОР ЧЕРНОВИКА. $0 по ключам провайдеров.

Зачем. Оба слепых читателя независимо назвали главным источником непечатного текста НЕ перевод,
а механический слой: прямая речь в кавычках вместо тире, служебная преамбула модели, протёкшая
markdown-разметка, авторский текст под тире. Если дешёвая детерминированная правка поверх
черновика закрывает существенную часть разрыва «черновик против редактора» (+1.88), то второй
проход покупает меньше, чем кажется, и часть запланированных покупок уточняет цену того, что не
нужно. Проверка стоит только голосов судей — сам пост-процессор бесплатен.

Правила закрытые и проверяемые. Каждое чинит класс, названный читателями ЦИТАТОЙ, и ни одно не
трогает содержание перевода: пост-процессор не переставляет слова, не сливает абзацы и не правит
лексику. Он снимает ровно то, что является браком вывода, а не браком перевода.

⚠ Чего он НЕ делает и почему: слипшиеся абзацы не разделяются (границу хода детерминированно не
установить, а неверная разбивка хуже слипшейся), непереведённые остатки не переводятся (это
работа модели), калька не правится (это суждение).

Запуск:  --selfcheck   проверка правил на входах с известным ответом, $0
         --emit        породить арм F_post из черновиков, $0
"""
from __future__ import annotations
import re
import sys
from pathlib import Path

REPO = Path("/home/ubuntu/projects/textmachine")
sys.path.insert(0, str(REPO / "eval" / "role_topology"))

# Служебная преамбула модели перед текстом. Поймана слепым чтением дословно:
# «Вот перевод фрагмента на русский язык в соответствии с вашими требованиями:».
_RE_PREAMBLE = re.compile(
    r"^\s*(?:вот\s+)?(?:перевод|отредактированн\w+\s+текст|результат)[^\n:]{0,80}:\s*\n+",
    re.I)
_RE_MD_HEAD = re.compile(r"^\s{0,3}#{1,6}\s+", re.M)          # ### Раздел 17
_RE_MD_BOLD = re.compile(r"\*\*(.+?)\*\*", re.S)              # **Глава 19**
_RE_MD_ITAL = re.compile(r"(?<!\*)\*(?!\s)(.+?)(?<!\s)\*(?!\*)", re.S)
_RE_HR = re.compile(r"^\s*(?:---+|===+|\*\s*\*\s*\*)\s*$", re.M)
# Реплика, целиком взятая в кавычки на отдельной строке: «…» или "…" в начале абзаца.
_RE_QUOTED_LINE = re.compile(r'^[ \t]*[«"„]\s*(.+?)\s*[»"“]([ \t]*[,.—-].*)?$', re.M)
_RE_MULTI_BLANK = re.compile(r"\n{3,}")


def strip_service(text: str) -> str:
    """Убрать служебную преамбулу и markdown-разметку, протёкшую в тело книги."""
    t = _RE_PREAMBLE.sub("", text)
    t = _RE_MD_HEAD.sub("", t)
    t = _RE_MD_BOLD.sub(r"\1", t)
    t = _RE_MD_ITAL.sub(r"\1", t)
    t = _RE_HR.sub("", t)
    return _RE_MULTI_BLANK.sub("\n\n", t).strip()


def dialogue_dash(text: str) -> str:
    """Реплику, стоящую отдельным абзацем в кавычках, оформить русским тире.

    ⚠ Правило намеренно узкое: трогается только строка, которая ЦЕЛИКОМ является закавыченной
    репликой (возможно со словами автора после закрывающей кавычки). Кавычки ВНУТРИ абзаца не
    трогаются — там они могут быть цитатой, названием или мыслью, и различить это детерминированно
    нельзя. Узкое правило чинит меньше, но не портит.
    """
    def repl(m: re.Match) -> str:
        body, tail = m.group(1), (m.group(2) or "")
        if len(body) < 2:
            return m.group(0)
        return f"— {body}{tail}"
    return _RE_QUOTED_LINE.sub(repl, text)


def process(text: str) -> str:
    return dialogue_dash(strip_service(text))


CASES: list[tuple[str, str, str]] = [
    ("служебная преамбула",
     "Вот перевод фрагмента на русский язык в соответствии с вашими требованиями:\n\nОн вышел.",
     "Он вышел."),
    ("markdown-заголовок", "### Раздел семнадцатый\n\nОн вышел.", "Раздел семнадцатый\n\nОн вышел."),
    ("markdown-жирный", "**Глава 19: Цикада!**\n\nТекст.", "Глава 19: Цикада!\n\nТекст."),
    ("реплика в ёлочках", '«Время летит. Садись», — сказал он.', "— Время летит. Садись, — сказал он."),
    ("реплика в лапках", '"Спасибо", — ответил племянник.', "— Спасибо, — ответил племянник."),
    ("кавычки ВНУТРИ абзаца не трогаются",
     'Он вспомнил «Тысячу и одну ночь» и усмехнулся.',
     'Он вспомнил «Тысячу и одну ночь» и усмехнулся.'),
    ("уже тире — не трогается", "— Время летит. Садись, — сказал он.",
     "— Время летит. Садись, — сказал он."),
    ("чистый текст не меняется", "Он вышел за дверь. Небо было серым.",
     "Он вышел за дверь. Небо было серым."),
]


def selfcheck() -> int:
    bad = 0
    for name, src, want in CASES:
        got = process(src)
        ok = got == want
        bad += not ok
        print(f"[{'OK ' if ok else 'ПРОВАЛ'}] {name}" + ("" if ok else f"\n   получено: {got!r}\n   ждали:    {want!r}"))
    print(f"\n{'ПРАВИЛА ЧИСТЫ' if not bad else f'ПРОВАЛОВ: {bad}'}  ({len(CASES) - bad}/{len(CASES)})")
    return bad


def emit() -> None:
    """Породить выходы арма F_post: пост-процессор поверх ТОГО ЖЕ черновика, что правят армы."""
    import json                                              # noqa: PLC0415
    import bakeoff as BO                                     # noqa: PLC0415
    OUT = Path.home() / "books" / "role-topology"
    changed = 0
    for u in BO.units():
        src = BO.text_of("F", u)
        dst = process(src)
        (OUT / f"bo2-F_post-{u['uid']}.json").write_text(
            json.dumps(dict(tag=f"bo2-F_post-{u['uid']}", arm="F_post", uid=u["uid"],
                            model="$0-postproc", cost_usd=0.0, content=dst,
                            changed=dst != src, delta_chars=len(dst) - len(src)),
                       ensure_ascii=False), encoding="utf-8")
        changed += dst != src
    print(f"единиц {len(BO.units())} · пост-процессор изменил {changed}")


if __name__ == "__main__":
    a = sys.argv[1:] or ["--selfcheck"]
    if a[0] == "--selfcheck":
        sys.exit(1 if selfcheck() else 0)
    elif a[0] == "--emit":
        emit()
    else:
        print(__doc__)