"""DA-12: 1단계 — Kei 실장 (꼭지 추출 + 분석).

본문에서 핵심 꼭지를 추출하고, 각 꼭지의 레이어/강조/배치 방향을 분석한다.
이미지/표/상세 콘텐츠도 판단한다.
"""
from __future__ import annotations

import json
import logging
import re
from typing import Any

import anthropic

from src.config import settings

logger = logging.getLogger(__name__)

CLASSIFICATION_PROMPT = """당신은 콘텐츠를 분석하여 슬라이드 구조를 설계하는 실장이다.

## 역할
본문에서 핵심 꼭지를 추출하고, 각 꼭지의 성격을 분석하여 슬라이드 구조를 설계한다.

## 꼭지 추출 규칙
- 본문에서 2~5개의 핵심 꼭지(파트)를 추출한다
- 1페이지 적정 꼭지 수: 5개
- 꼭지가 5개를 넘고 중요도가 동등하면 → 2페이지로 분리 (의미 기반 분할)
- 5개인데 내용이 많으면 → 세부 내용은 "자세히보기" 대상으로 표시

## 각 꼭지 분석 항목
1. **레이어 수준**: 도입(문제 제기, 배경) / 핵심(핵심 내용, 정의) / 보조(사례, 근거) / 결론(요약, 핵심 메시지)
2. **강조**: 눈에 띄게 해야 하는 꼭지 표시 (true/false)
3. **배치 방향**: 세로로 긴 내용(vertical) / 가로로 나열(horizontal) / 유연(flexible)
4. **콘텐츠 유형**: text(텍스트) / image(이미지) / table(표) / mixed(혼합)
5. **이미지 정보** (이미지가 있는 경우):
   - 핵심인지 보조인지 (core/supplementary)
   - 텍스트 포함 여부 (도표/차트는 true)
6. **표 정보** (표가 있는 경우):
   - 대략적 행/열 수
   - 전체 표시 가능한지 판단
7. **자세히보기 대상**: 너무 구체적/세부적인 내용은 detail_target: true

## 출력 형식 (반드시 JSON만. 설명 없이.)
```json
{
    "title": "슬라이드 제목",
    "total_pages": 1,
    "topics": [
        {
            "id": 1,
            "title": "꼭지 제목",
            "summary": "꼭지 내용 요약 (1~2줄)",
            "layer": "intro|core|supporting|conclusion",
            "emphasis": true,
            "direction": "vertical|horizontal|flexible",
            "content_type": "text|image|table|mixed",
            "image_info": {"role": "core|supplementary", "has_text": true},
            "table_info": {"rows": 5, "cols": 3, "fits_page": true},
            "detail_target": false,
            "page": 1
        }
    ]
}
```"""


async def classify_content(content: str) -> dict[str, Any] | None:
    """1단계: 본문에서 꼭지를 추출하고 분석한다.

    Args:
        content: 원본 텍스트 콘텐츠

    Returns:
        분류 결과 JSON. 실패 시 None.
    """
    if not settings.anthropic_api_key:
        logger.warning("ANTHROPIC_API_KEY 미설정. 수동 분류 모드.")
        return None

    try:
        client = anthropic.AsyncAnthropic(api_key=settings.anthropic_api_key)

        response = await client.messages.create(
            model="claude-sonnet-4-20250514",
            max_tokens=2048,
            system=CLASSIFICATION_PROMPT,
            messages=[
                {
                    "role": "user",
                    "content": f"다음 콘텐츠를 분석하여 꼭지를 추출하고 구조를 설계해줘:\n\n{content}",
                }
            ],
        )

        result_text = response.content[0].text
        analysis = _parse_json(result_text)

        if analysis and "topics" in analysis:
            logger.info(
                f"꼭지 추출 완료: {analysis.get('title', 'untitled')}, "
                f"{len(analysis['topics'])}개 꼭지, "
                f"{analysis.get('total_pages', 1)}페이지"
            )
            return analysis
        else:
            logger.warning(f"분류 JSON 파싱 실패. 응답: {result_text[:200]}")
            return None

    except Exception as e:
        logger.warning(f"실장 분류 호출 실패: {e}")
        return None


def _parse_json(text: str) -> dict[str, Any] | None:
    """텍스트에서 JSON을 추출한다."""
    patterns = [
        r"```json\s*(.*?)```",
        r"```\s*(.*?)```",
        r"(\{.*\})",
    ]
    for pattern in patterns:
        match = re.search(pattern, text, re.DOTALL)
        if match:
            try:
                return json.loads(match.group(1).strip())
            except json.JSONDecodeError:
                continue
    return None


def manual_classify(content: str) -> dict[str, Any]:
    """실장 분류 실패 시 기본 구조를 반환하는 fallback."""
    return {
        "title": "슬라이드",
        "total_pages": 1,
        "topics": [
            {
                "id": 1,
                "title": "핵심 내용",
                "summary": content[:100],
                "layer": "core",
                "emphasis": False,
                "direction": "flexible",
                "content_type": "text",
                "detail_target": False,
                "page": 1,
            },
        ],
    }