"""Phase Z-2 Content Object extractor (B1 v0 — dormant module).

SPEC v1 §1 의 typed content_object schema 만족하는 dedicated extractor.

v0 minimal :
  - 지원 type : text_block, transform_table 2 개 만 (table / image / diagram / details 제외)
  - role : 모두 "summary" (v0 default — role 정밀화는 별 axis)
  - dormant — runtime path 미연결 (pipeline / composition / mapper 미터치)
  - mapper 미수정, 기존 helper move / promote / copy 없음
  - transform_table 은 *arrow column 보존* 위해 B1 *local helper* 로 구현
    (regex / parsing 일부가 mapper helper 와 유사 — 단 mapper helper 는 arrow 폐기.
     향후 helper promote / 통합 refactor 는 별 axis)

v0 흐름 :
  section.raw_content
    → 3-column markdown table 감지 (arrow glyph 포함) → transform_table
    → 나머지 content → text_block (format / bullet_count / has_emphasis 분석)
  → list[ContentObject]

검증 :
  - dormancy : MDX 03 final.html SHA = canonical 유지 (runtime path 미연결)
  - correctness : __main__ self-test (text_block 1 case + transform_table 1 case)
"""

from __future__ import annotations

import re
from dataclasses import dataclass, field
from typing import Optional

# B1 v0 helper 처리 정직 기록 (기존 보고 정정 — 2026-04-30) :
#   - `phase_z2_mapper` 미수정. 기존 mapper helper (`_extract_markdown_table` 등) move /
#     promote / copy 없음.
#   - 단 SPEC v1 §1.2 transform_table.rows = [{from, arrow, to}] schema 가
#     mapper 의 helper 출력 (from/to 만, arrow 폐기) 와 호환 안 됨.
#   - 따라서 *arrow column 보존* 이 필요한 transform_table 추출 부분은 본 module 의
#     *layer-agnostic local helper* (`_capture_3col_transform_table`) 로 *별도 구현*.
#   - mapper helper 와 regex / parsing 일부 유사 — 향후 *promote / 통합 refactor* 는
#     별 axis (B1 안정 후 layer-agnostic helper module 통합 검토 가능).


# ─── ContentObject schema (SPEC v1 §1.1) ────────────────────────


@dataclass
class ContentObject:
    """SPEC v1 §1.1 base schema. v0 = text_block + transform_table 만 지원.

    Fields :
      id                  : section 내 unique id (예: '03-2.transform-1' / '03-2.text-1')
      type                : "text_block" | "transform_table"
      role                : v0 = "summary" 만 (정밀화는 별 axis)
      raw_payload         : 원본 markdown (자름 / 변형 X — 원문 보존 룰)
      size_estimate       : type 별 (line_count / rows 등)
      type_specific       : type 별 detail (SPEC v1 §1.2)
      source_shape_index  : positional index within source_shape (Option 1, optional)
      source_shape_kind   : "top_bullets" | "h3_subsections" | ... (Option 1, optional)
    """

    id: str
    type: str
    role: str
    raw_payload: str
    size_estimate: dict = field(default_factory=dict)
    type_specific: dict = field(default_factory=dict)
    source_shape_index: Optional[int] = None
    source_shape_kind: Optional[str] = None


# ─── Transform table extraction ─────────────────────────────────


_ARROW_GLYPHS = ("➜", "➠", "→", "->", "=>")

_TABLE_PATTERN = re.compile(
    r"(^[ \t]*\|[^\n]+\|\n[ \t]*\|[\s\-:|]+\|\n(?:[ \t]*\|[^\n]+\|\n?)+)",
    re.MULTILINE,
)


def _capture_3col_transform_table(content: str) -> tuple[dict | None, str]:
    """3-column markdown table 에서 (from / arrow / to) 캡처 → transform_table.

    본 함수 = B1 v0 의 *layer-agnostic extractor helper*. mapper 의
    `_extract_markdown_table` 와 regex / parsing 의 일부가 유사하나, mapper helper 는
    arrow column 을 폐기 (from/to 만 추출) — SPEC v1 §1.2 의
    `transform_table.rows = [{from, arrow, to}]` schema 를 직접 만족 못 함.
    따라서 arrow column 보존 필요해 본 module 안에 *별도 구현*. mapper 미수정 유지.

    *향후 helper promote / 통합 refactor 는 별 axis* — B1 안정 후 mapper 와
    *layer-agnostic helper module* 통합 검토 가능.

    arrow column 에 arrow glyph 가 있어야 transform 으로 인정.

    Returns :
      ({"type_specific": ..., "raw_payload": <table markdown>}, content_without_table)
      또는 (None, original_content) — transform 패턴 미감지 시
    """
    m = _TABLE_PATTERN.search(content)
    if not m:
        return None, content

    raw_lines = [r.strip() for r in m.group(1).strip().splitlines() if r.strip()]
    if len(raw_lines) < 3:                                # header + separator + ≥1 data row
        return None, content

    data_rows = raw_lines[2:]                             # skip header + separator
    pairs: list[dict] = []
    arrow_glyph = ""
    for r in data_rows:
        cells = [c.strip() for c in r.strip("|").split("|")]
        if len(cells) < 3:
            continue
        f = re.sub(r"\*\*(.+?)\*\*", r"\1", cells[0])
        a = re.sub(r"\*\*(.+?)\*\*", r"\1", cells[1])
        t = re.sub(r"\*\*(.+?)\*\*", r"\1", cells[2])
        if not arrow_glyph:
            for g in _ARROW_GLYPHS:
                if g in a:
                    arrow_glyph = g
                    break
        pairs.append({"from": f, "arrow": a, "to": t})

    if not pairs:
        return None, content

    # transform 인지 검증 — arrow glyph 가 *어느 row 든* 등장해야
    has_arrow = any(any(g in p["arrow"] for g in _ARROW_GLYPHS) for p in pairs)
    if not has_arrow:
        return None, content

    type_specific = {
        "pair_count": len(pairs),
        "arrow_glyph": arrow_glyph,
        "rows": pairs,
    }
    raw_table = m.group(1)
    remaining = content[: m.start()] + content[m.end() :]
    return ({"type_specific": type_specific, "raw_payload": raw_table}, remaining)


# ─── Text block extraction ──────────────────────────────────────


def _detect_text_block_specific(content: str) -> tuple[dict, int]:
    """text_block 의 type_specific + line_count 추출.

    format 결정 :
      - top bullet 0           → paragraph
      - top bullet 있음, nested 0  → bullet_list
      - top bullet + nested    → nested_list

    Returns :
      (type_specific dict, line_count)
    """
    lines = content.splitlines()

    top_bullets = sum(1 for l in lines if re.match(r"^[\*\-]\s", l))
    nested_bullets = sum(1 for l in lines if re.match(r"^\s+[\*\-]\s", l))

    # max_indent_level (2-space indent 단위)
    max_indent = 0
    for l in lines:
        mm = re.match(r"^( *)[\*\-]\s", l)
        if mm:
            level = len(mm.group(1)) // 2
            max_indent = max(max_indent, level)

    if top_bullets == 0:
        fmt = "paragraph"
    elif nested_bullets > 0:
        fmt = "nested_list"
    else:
        fmt = "bullet_list"

    has_emphasis = bool(
        re.search(r"\*\*[^*\n]+\*\*", content)
        or re.search(r"(?<!\*)\*[^*\n]+\*(?!\*)", content)
    )

    line_count = sum(1 for l in lines if l.strip())

    type_specific = {
        "format": fmt,
        "bullet_count": top_bullets,
        "max_indent_level": max_indent,
        "has_emphasis": has_emphasis,
    }
    return type_specific, line_count


# ─── Public entry ───────────────────────────────────────────────


def extract_content_objects(section, source_shape: Optional[str] = None) -> list[ContentObject]:
    """MDX section.raw_content → typed content_object list (SPEC v1 §1).

    v0 minimal :
      - 1 section → 1~2 ContentObject (transform_table + text_block 또는 text_block 만)
      - role = "summary" (모두 — v0 default)
      - 미지원 type (table / image / diagram / details) = 무시 (별 axis)
      - 원문 (raw_payload) = 자름 / 변형 X (원문 보존 룰)

    Option 1 (source_shape-aware) :
      - source_shape="top_bullets" : raw_content 를 mapper.split_source 로 N units 분할 →
        unit 별 ContentObject 1 개 (text_block) with source_shape_index=i / source_shape_kind="top_bullets"
      - source_shape=None 또는 미지원 값 (h3_subsections 등) : 기존 legacy 동작

    Args :
      section      : MdxSection-like 객체 (section_id, raw_content 필드 필요)
      source_shape : "top_bullets" 시 source_shape-aware 분기. None 이면 legacy.

    Returns :
      list[ContentObject]  — legacy 0~2 / top_bullets N (bullet 수)
    """
    content = section.raw_content
    section_id = section.section_id

    if source_shape == "top_bullets":
        from phase_z2_mapper import split_source
        units = split_source("top_bullets", content)
        objects: list[ContentObject] = []
        for i, unit in enumerate(units):
            unit_text = unit if isinstance(unit, str) else str(unit)
            if not unit_text.strip():
                continue
            text_specific, line_count = _detect_text_block_specific(unit_text)
            objects.append(
                ContentObject(
                    id=f"{section_id}.text-{i + 1}",
                    type="text_block",
                    role="summary",
                    raw_payload=unit_text.strip(),
                    size_estimate={"line_count": line_count},
                    type_specific=text_specific,
                    source_shape_index=i,
                    source_shape_kind="top_bullets",
                )
            )
        return objects

    # legacy path (source_shape=None 또는 미지원 값)
    objects: list[ContentObject] = []

    # 1. transform_table 추출 시도 (3-col with arrow)
    transform_result, remaining = _capture_3col_transform_table(content)
    if transform_result is not None:
        objects.append(
            ContentObject(
                id=f"{section_id}.transform-1",
                type="transform_table",
                role="summary",
                raw_payload=transform_result["raw_payload"],
                size_estimate={"rows": transform_result["type_specific"]["pair_count"]},
                type_specific=transform_result["type_specific"],
            )
        )

    # 2. text_block 추출 (transform 추출 후 남은 content, 또는 transform 없으면 전체)
    text_remainder = remaining if transform_result is not None else content
    if text_remainder.strip():
        text_specific, line_count = _detect_text_block_specific(text_remainder)
        objects.append(
            ContentObject(
                id=f"{section_id}.text-1",
                type="text_block",
                role="summary",
                raw_payload=text_remainder.strip(),
                size_estimate={"line_count": line_count},
                type_specific=text_specific,
            )
        )

    return objects


# ─── Self-test (B1 v0 correctness 검증) ─────────────────────────


def _run_self_test():
    """v0 unit test : text_block 1 case + transform_table 1 case.

    scope-lock 의 검증 (b) correctness — 추출기 정확성 확인.
    fixed input 기반, MDX 01/02/04 미사용.
    """

    class MockSection:
        def __init__(self, section_id: str, raw_content: str):
            self.section_id = section_id
            self.raw_content = raw_content

    # ─── Test 1 : text_block (nested_list 형태, F13 style) ───────
    text_section = MockSection(
        "test-1",
        "* **기술 부족**\n"
        "  * 디지털 도구 미숙\n"
        "  * BIM 활용 제한\n"
        "* **인력 부족**\n"
        "  * 전문가 부재\n"
        "* **자연 환경**\n"
        "  * 지역적 제약\n",
    )
    objs1 = extract_content_objects(text_section)
    assert len(objs1) == 1, f"text-only section → 1 obj 기대, got {len(objs1)}"
    o = objs1[0]
    assert o.type == "text_block", f"type=text_block 기대, got {o.type}"
    assert o.role == "summary"
    assert o.id == "test-1.text-1"
    assert o.type_specific["format"] == "nested_list", f"format=nested_list 기대, got {o.type_specific['format']}"
    assert o.type_specific["bullet_count"] == 3, f"top bullet=3 기대, got {o.type_specific['bullet_count']}"
    assert o.type_specific["max_indent_level"] >= 1, "nested 가 있으니 max_indent ≥ 1"
    assert o.type_specific["has_emphasis"] is True, "**bold** 존재 → has_emphasis=True"
    assert o.size_estimate["line_count"] >= 6
    assert "기술 부족" in o.raw_payload, "원문 보존 — '기술 부족' 잔존 필요"
    print("[OK] Test 1 (text_block) passed.")

    # ─── Test 2 : transform_table (3-col, arrow 포함) + 잔여 text ─
    transform_section = MockSection(
        "test-2",
        "**프로세스 변환**\n"
        "\n"
        "| AS-IS | ➜ | TO-BE |\n"
        "|---|---|---|\n"
        "| 도면 중심 | ➜ | BIM 모델 중심 |\n"
        "| 단계별 분리 | ➜ | 통합 협업 |\n"
        "| 사후 검토 | ➜ | 실시간 검증 |\n"
        "\n"
        "추가 설명 : 위 변환이 핵심.\n",
    )
    objs2 = extract_content_objects(transform_section)
    assert len(objs2) == 2, f"transform+text → 2 obj 기대, got {len(objs2)}"

    # transform_table 검증
    t = objs2[0]
    assert t.type == "transform_table", f"첫 obj=transform_table 기대, got {t.type}"
    assert t.role == "summary"
    assert t.id == "test-2.transform-1"
    assert t.type_specific["pair_count"] == 3, f"pair_count=3 기대, got {t.type_specific['pair_count']}"
    assert t.type_specific["arrow_glyph"] == "➜", f"arrow_glyph=➜ 기대, got {t.type_specific['arrow_glyph']}"
    assert len(t.type_specific["rows"]) == 3
    assert t.type_specific["rows"][0]["from"] == "도면 중심"
    assert t.type_specific["rows"][0]["to"] == "BIM 모델 중심"
    assert t.size_estimate["rows"] == 3
    assert "도면 중심" in t.raw_payload, "raw_payload 에 원본 table 보존"

    # text_block 검증 (transform 제거 후 남은 content)
    tb = objs2[1]
    assert tb.type == "text_block", f"두번째 obj=text_block 기대, got {tb.type}"
    assert tb.id == "test-2.text-1"
    assert "프로세스 변환" in tb.raw_payload, "transform 제거 후 surrounding text 보존 — '프로세스 변환'"
    assert "추가 설명" in tb.raw_payload, "transform 뒤 잔여 text 보존 — '추가 설명'"
    print("[OK] Test 2 (transform_table + text_block) passed.")

    print("\n=== B1 v0 self-test PASS ===")


if __name__ == "__main__":
    _run_self_test()