#!/usr/bin/env python3
"""$0 детерминированная батарея по армам (задачи A и B). Судья не участвует.

Приборы:
  · ЭХО — `cjk_share > 0.15`, определение движка (`disposition.go:269-281`, Han|Hiragana|Katakana);
    порог тот же, что у P4, поэтому числа сравнимы с 09.07 напрямую.
  · ЯЗЫК ВЫХОДА — доля кириллицы против латиницы среди БУКВ. Это встречный риск en-промпта,
    названный в промте сессии: английская инструкция может утянуть выход в английский.
  · АНТИ-ОМИССИЯ — len_ratio (симв. без пробелов, коридор пары [2.2, 4.2] из `pairs/zh-ru.yaml`)
    и отношение числа предложений (оракул `refusal_bench.split_sentences`).
  · ФОРМА — преамбула, markdown-заголовок, утёкший разделитель банкноты, латинские прогоны.
  · ПРОВОД — reasoning_tokens (сырьё, движок их для deepseek сознательно обнуляет), finish, цена.
"""
from __future__ import annotations

import argparse
import json
import re
import sys
import unicodedata
from pathlib import Path

REPO = Path("/home/ubuntu/projects/textmachine")
sys.path.insert(0, str(REPO / "eval"))
from refusal_bench import split_sentences  # noqa: F401  (оракул уже применён в run_arms)

PL = Path.home() / "books" / "gu-zhenren" / "promptlang"
PREAMBLE_RE = re.compile(r"^\s*(вот|ниже|перевод[:\s]|here is|translation[:\s]|note[:\s])", re.I)
MD_RE = re.compile(r"^\s{0,3}#{1,6}\s", re.M)
LAT_RUN_RE = re.compile(r"[A-Za-z]{3,}")


def script_mix(s: str) -> tuple[float, float, int]:
    cyr = lat = 0
    for ch in s:
        if not ch.isalpha():
            continue
        n = unicodedata.name(ch, "")
        if n.startswith("CYRILLIC"):
            cyr += 1
        elif n.startswith("LATIN"):
            lat += 1
    tot = cyr + lat
    return (cyr / tot if tot else 0.0), (lat / tot if tot else 0.0), tot


def main() -> int:
    ap = argparse.ArgumentParser()
    ap.add_argument("--arms", default="a0,a1,a2,e0")
    ap.add_argument("--raw", type=Path, default=PL / "armsraw")
    a = ap.parse_args()

    per = {}
    for arm in a.arms.split(","):
        rs = []
        for f in sorted(a.raw.glob(f"{arm}-f*.json")):
            j = json.loads(f.read_text(encoding="utf-8"))
            if "error" in j:
                rs.append(j)
                continue
            c = j["content"]
            cyr, lat, letters = script_mix(c)
            j["cyr_share"] = round(cyr, 4)
            j["lat_share"] = round(lat, 4)
            j["off_language"] = bool(letters) and cyr < 0.5      # выход не в целевом письме
            j["preamble"] = bool(PREAMBLE_RE.match(c))
            j["markdown"] = bool(MD_RE.search(c))
            j["bank_marker"] = "⟦TM-BANK" in c
            j["latin_runs"] = len(LAT_RUN_RE.findall(c))
            j["in_corridor"] = (j["len_ratio"] is not None and 2.2 <= j["len_ratio"] <= 4.2)
            rs.append(j)
        per[arm] = rs

    print(f"{'арм':<5}{'n':>3}{'эхо':>5}{'off_lang':>9}{'вне кор.':>9}{'преамб':>8}{'md':>4}"
          f"{'лат.прог':>9}{'ср.lr':>7}{'ср.sent':>9}{'ср.rt':>7}{'сумма $':>10}")
    for arm, rs in per.items():
        ok = [r for r in rs if "error" not in r]
        if not ok:
            continue
        clean = [r for r in ok if not r["echo"]]
        lr = [r["len_ratio"] for r in clean if r["len_ratio"] is not None]
        sr = [r["sent_out"] / r["sent_src"] for r in clean if r["sent_src"]]
        print(f"{arm:<5}{len(ok):>3}{sum(r['echo'] for r in ok):>5}"
              f"{sum(r['off_language'] for r in ok):>9}"
              f"{sum(1 for r in clean if not r['in_corridor']):>9}"
              f"{sum(r['preamble'] for r in ok):>8}{sum(r['markdown'] for r in ok):>4}"
              f"{sum(r['latin_runs'] for r in ok):>9}"
              f"{(sum(lr)/len(lr) if lr else 0):>7.2f}{(sum(sr)/len(sr) if sr else 0):>9.2f}"
              f"{sum(r['reasoning_tokens'] for r in ok)/len(ok):>7.0f}"
              f"{sum(r['cost_usd'] for r in ok):>10.6f}")

    print("\nпофрагментно (эхо и коридор — по фрагментам, чтобы видеть, ГДЕ именно):")
    frags = sorted({r["frag"] for rs in per.values() for r in rs})
    print(f"{'фраг':<6}" + "".join(f"{arm:>18}" for arm in per))
    for fr in frags:
        cells = []
        for arm, rs in per.items():
            r = next((x for x in rs if x["frag"] == fr), None)
            if r is None or "error" in r:
                cells.append(f"{'—':>18}")
                continue
            mark = "ЭХО" if r["echo"] else ("OFFLANG" if r["off_language"] else
                                            ("вне кор." if not r["in_corridor"] else "ok"))
            cells.append(f"{mark + ' lr=' + str(r['len_ratio']):>18}")
        print(f"{fr:<6}" + "".join(cells))

    out = PL / "analyze_arms.json"
    out.write_text(json.dumps({k: [{kk: vv for kk, vv in r.items()
                                    if kk not in ("system", "user", "reasoning_content")}
                                   for r in v] for k, v in per.items()},
                              ensure_ascii=False, indent=1), encoding="utf-8")
    print(f"\nсырьё сведено: {out}")
    return 0


if __name__ == "__main__":
    raise SystemExit(main())