"""文档分类器

入库链路第二步：基于 L1 总结，用 LLM（Ollama 或 OpenAI 兼容服务，由
runtime_settings.models.classify 决定）将文档判定为 taxonomy 中的
主类目 + 附加标签：
- LLM 输出解析失败 / 类目名不在 taxonomy → 归 uncategorized（confidence=0.0）
- 置信度低于阈值 → 主类目归 uncategorized，候选类目名保留进 tags（软召回用）
"""

import json
import re

import structlog

from app.config import settings
from app.models.knowledge import UNCATEGORIZED, CategoryResult, TaxonomyCategory, load_taxonomy
from app.services.llm import LLMClient, create_llm_client

logger = structlog.get_logger()

# 从 LLM 输出中提取第一个 {...} JSON 块（贪婪匹配到最后的 }，兼容嵌套对象）
_JSON_BLOCK_RE = re.compile(r"\{.*\}", re.DOTALL)


def _extract_json(raw: str) -> dict | None:
    """从 LLM 输出中提取 JSON 对象

    先尝试直接解析；失败则用正则提取第一个 {...} 块再解析。
    返回 None 表示无法提取出合法的 JSON 对象。
    """
    text = raw.strip()
    try:
        data = json.loads(text)
        return data if isinstance(data, dict) else None
    except json.JSONDecodeError:
        pass

    match = _JSON_BLOCK_RE.search(text)
    if not match:
        return None
    try:
        data = json.loads(match.group(0))
        return data if isinstance(data, dict) else None
    except json.JSONDecodeError:
        return None


class Classifier:
    """文档分类器：将 L1 总结判定为 taxonomy 主类目 + 附加标签"""

    def __init__(self, ollama: LLMClient | None = None, taxonomy: list[TaxonomyCategory] | None = None) -> None:
        # 默认按 runtime_settings.models.classify 选择 LLM 实现；
        # 测试可通过 ollama 参数注入替身。
        self.ollama = ollama or create_llm_client("classify")
        self.taxonomy = taxonomy if taxonomy is not None else load_taxonomy()
        # 合法类目名集合（含 uncategorized）
        self._valid_names = {c.name for c in self.taxonomy}

    async def classify(self, l1_summary: str, title: str = "") -> CategoryResult:
        """对文档进行分类判定

        Args:
            l1_summary: 文档 L1 总结
            title: 文档标题（可选，辅助判定）

        Returns:
            CategoryResult: 主类目 / 附加标签 / 置信度
        """
        prompt = self._build_prompt(l1_summary, title)
        raw = await self.ollama.generate(prompt, json_mode=True)

        data = _extract_json(raw)
        if data is None:
            logger.warning("分类失败：LLM 输出非合法 JSON", title=title, output=raw[:200])
            return CategoryResult(main_category=UNCATEGORIZED, tags=[], confidence=0.0)

        main_category = data.get("main_category")
        confidence = data.get("confidence")
        if (
            not isinstance(main_category, str)
            or main_category not in self._valid_names
            or not isinstance(confidence, (int, float))
            or not 0 <= confidence <= 1
        ):
            logger.warning(
                "分类失败：类目名不在 taxonomy 或 confidence 非法",
                title=title,
                main_category=main_category,
                confidence=confidence,
            )
            return CategoryResult(main_category=UNCATEGORIZED, tags=[], confidence=0.0)

        tags = self._clean_tags(data.get("tags"), main_category)
        confidence = float(confidence)

        # 低置信度软召回：主类目归 uncategorized，候选类目名保留进 tags
        if confidence < settings.classify_confidence_threshold:
            logger.info(
                "分类置信度低于阈值，归入 uncategorized",
                title=title,
                candidate=main_category,
                confidence=confidence,
                threshold=settings.classify_confidence_threshold,
            )
            if main_category != UNCATEGORIZED and main_category not in tags:
                tags.insert(0, main_category)
            return CategoryResult(main_category=UNCATEGORIZED, tags=tags, confidence=confidence)

        return CategoryResult(main_category=main_category, tags=tags, confidence=confidence)

    def _build_prompt(self, l1_summary: str, title: str) -> str:
        """构造分类 prompt：列出全部 taxonomy 类目（含 uncategorized 及其用途说明）"""
        category_lines = []
        for c in self.taxonomy:
            if c.name == UNCATEGORIZED:
                category_lines.append(f"- {c.name}: 当文档跨多个类目或无法明确归入其他类目时选择此类目")
            else:
                category_lines.append(f"- {c.name}: {c.description}")
        category_block = "\n".join(category_lines)

        prompt = (
            "你是知识库分类助手。请根据文档标题和总结，判断文档最适合归入以下哪个类目。\n\n"
            f"可选类目：\n{category_block}\n\n"
            "要求：\n"
            "- main_category 只能从上面的类目名中选择，不要输出其他名称；\n"
            "- tags 为 0~3 个附加标签（词或短语），且不能包含 main_category 本身；\n"
            "- confidence 为 0~1 之间的小数，表示对主类目判断的置信度；\n"
            "- 只输出 JSON，不要输出任何其他内容。\n\n"
            '输出格式：{"main_category": "类目名", "tags": ["标签"], "confidence": 0.0}\n\n'
        )
        if title:
            prompt += f"文档标题：{title}\n"
        prompt += f"文档总结：{l1_summary}"
        return prompt

    @staticmethod
    def _clean_tags(raw_tags: object, main_category: str) -> list[str]:
        """清洗 LLM 输出的 tags：仅保留非空字符串、剔除主类目名、最多 3 个"""
        if not isinstance(raw_tags, list):
            return []
        tags = [t for t in raw_tags if isinstance(t, str) and t and t != main_category]
        return tags[:3]