#!/usr/bin/env python3
"""Метрика «дрейф ПОДПИСАННЫХ сущностей ВНЕ инъецированного блока» — класс 花酒行者.

Найдена пробой 18 (`docs/experiments/18-editor-wire-probe.md`): инъекция селективна и ограничена
бюджетом 800 токенов, поэтому блок несёт лишь то, что сработало в чанке. Всё остальное подписанное
не защищено ничем — а редактор его переписывает. Здесь это считается числом.

Знаменатель — ПОДПИСАННЫЕ (approved, `gold.jsonl` in_bank) строки, чей src встречается в исходнике
окна и которых НЕТ в тест-блоке пробы 18. Скорится присутствие канонической формы в выходе.
$0: работает по уже персистированному сырью.
"""
from __future__ import annotations
import json
import re
import sys
import unicodedata
from pathlib import Path

REPO = Path("/home/ubuntu/projects/textmachine")
RAW = Path.home() / "books" / "gu-zhenren" / "bank-arbitration"
sys.path.insert(0, str(REPO / "eval" / "bank_arbitration"))
from inject_probe import pick_windows, TERMS  # noqa: E402

GOLD = {r["bank_src"]: r["gold_dst"]
        for r in (json.loads(l) for l in open(REPO / "eval/bank_arbitration/gold/gold.jsonl", encoding="utf-8"))
        if r.get("in_bank")}

# Стем-регексы канонических форм. КОНСЕРВАТИВНО: скорим только строки, у которых форма
# опознаётся устойчивым стемом. Отброшенные строки печатаются — знаменатель честный.
STEM = {
    "方源": r"фан\s+юан",
    "方正": r"фан\s+чжэн",
    "古月": r"гуюэ",                      # «Гу Юэ» раздельно НЕ матчится — это и есть дрейф
    "古月漠北": r"гуюэ\s+мобэй",
    "蛊虫": r"гу-черв",
    "本命蛊": r"гу\s*жизни",
    "希望蛊": r"гу\s*надежды",
    "酒虫": r"винн\w*\s*черв",
    "家老": r"старейшин",
    "花酒行者": r"монах\s*цветочного\s*вина",
    "青茅山": r"гор\w*\s*цинмао",
    "凡人": r"смертн",
    "一转": r"перв\w*\s*ранг",
    "三转": r"трет\w*\s*ранг",
    "甲等": r"класс\w*\s+а\b",
    "乙等": r"класс\w*\s+б\b",
    "丙等": r"класс\w*\s+в\b",
    "丁等": r"класс\w*\s+г\b",
}
# Не скорятся: 转 «ранг» (слишком общая форма — ложные срабатывания внутри «первый ранг»),
# 炼化 «очистить и подчинить» (глагольная перифраза, устойчивого стема нет).
DROPPED = {"转", "炼化"}


def norm(s: str) -> str:
    return " ".join(unicodedata.normalize("NFKC", s or "").casefold().replace("ё", "е").split())


def offblock_cells(block_terms: set[str] | None = None):
    """[(окно, src, gold_dst, regex)] — подписанные строки окна вне блока."""
    block = set(TERMS) if block_terms is None else block_terms
    out = []
    for k, (_, buf, _) in enumerate(pick_windows()):
        for src, dst in GOLD.items():
            if src in block or src in DROPPED or src not in STEM:
                continue
            if src in buf:
                out.append((k, src, dst, STEM[src]))
    return out


def score(tags: dict[str, str], label_of=lambda k: None):
    """tags: {метка арма: шаблон тега с {k}}. Печатает долю канонических форм вне блока."""
    cells = offblock_cells()
    print(f"знаменатель: {len(cells)} клеток (подписанные строки в исходнике окна, ВНЕ блока), "
          f"{len({c[1] for c in cells})} уникальных сущностей")
    print(f"не скорятся (нет устойчивого стема): {', '.join(DROPPED)}\n")
    rows = {}
    for arm, pat in tags.items():
        hit = tot = 0
        misses = []
        for k, src, dst, rx in cells:
            f = RAW / (pat.format(k=k) + ".json")
            if not f.exists():
                continue
            out = norm(json.load(open(f, encoding="utf-8"))["content"])
            tot += 1
            if re.search(rx, out):
                hit += 1
            else:
                misses.append(f"w{k}:{src}«{dst}»")
        rows[arm] = (hit, tot, misses)
        pct = f"{100*hit/tot:.0f}%" if tot else "—"
        print(f"  {arm:34s} {hit:3d}/{tot:<3d} ({pct})")
    return rows


if __name__ == "__main__":
    print("=== ЧЕРНОВИК (что редактор получил на вход) ===")
    cells = offblock_cells()
    hit = 0
    dmiss = []
    for k, src, dst, rx in cells:
        d = norm(json.load(open(RAW / f"inj-w{k}-B.json", encoding="utf-8"))["content"])
        if re.search(rx, d):
            hit += 1
        else:
            dmiss.append(f"w{k}:{src}«{dst}»")
    print(f"  канон в черновике: {hit}/{len(cells)}")
    print(f"  чего в черновике не было: {', '.join(dmiss)}\n")
    print("=== ВЫХОД РЕДАКТОРА ===")
    rows = score({
        "A0 full-regen БЕЗ блока": "edp-A0-w{k}",
        "A5 full-regen БЕЗ блока (2-й розыгр.)": "edp-A5-w{k}",
        "A1 full-regen + закон-блок": "edp-A1-w{k}",
        "A2 full-regen + блок (неверная 元海)": "edp-A2-w{k}",
    })
    print("\n=== что именно потеряно (арм A1, блок есть, но эти строки в него не попали) ===")
    for m in rows["A1 full-regen + закон-блок"][2]:
        print("   ", m)