"""标题树解析器

从纯文本中解析文档原生标题结构，支持两类模式：
- Markdown ATX 标题（# ~ ######，# 数量即层级）
- 中文编号标题（第X章/节/篇、一、1.1 等编号，行长度不超过 60 字符）

解析结果用于 L2 大纲生成与 chunk 的 section 切分。
"""

import re

from pydantic import BaseModel, Field


class Heading(BaseModel):
    """文档标题节点"""

    title: str = Field(description="标题文本")
    level: int = Field(description="标题层级，1 为最顶层")
    line_index: int = Field(description="标题所在行号（从 0 开始）")


# Markdown ATX 标题：1~6 个 # 后跟空白
_ATX_PATTERN = re.compile(r"^(#{1,6})\s+(.+?)\s*$")

# 中文篇章节编号：第X章/第X节/第X篇（章/篇=1 级，节=2 级）
_CN_CHAPTER_PATTERN = re.compile(r"^第[一二三四五六七八九十百\d]+([章节篇])")

# 中文序号：一、二、……，固定 1 级
_CN_ENUM_PATTERN = re.compile(r"^[一二三四五六七八九十]+、")

# 数字编号：1. / 1、/ 1.1 / 1.1.1 等，按点分段数定层级
_NUM_PATTERN = re.compile(r"^(\d+(?:\.\d+)*)[、.\s]")

# 编号类标题行的最大长度，超过则视为正文
_MAX_HEADING_LINE_LENGTH = 60

# 第X[章节篇] 后缀对应的层级
_CN_CHAPTER_LEVELS = {"章": 1, "节": 2, "篇": 1}


def parse_headings(text: str) -> list[Heading]:
    """解析文本中的标题，按行号升序返回

    Args:
        text: 文档纯文本内容

    Returns:
        list[Heading]: 标题列表，无标题时返回空列表
    """
    headings: list[Heading] = []
    for line_index, line in enumerate(text.splitlines()):
        heading = _match_heading(line, line_index)
        if heading is not None:
            headings.append(heading)
    return headings


def render_outline(headings: list[Heading]) -> str:
    """将标题树渲染为大纲文本，每行一个节点，按层级缩进"""
    return "\n".join(f"{'  ' * (h.level - 1)}- {h.title}" for h in headings)


def _match_heading(line: str, line_index: int) -> Heading | None:
    """匹配单行是否为标题，是则返回 Heading，否则返回 None"""
    stripped = line.strip()
    if not stripped:
        return None

    # Markdown ATX 标题（无长度限制）
    match = _ATX_PATTERN.match(stripped)
    if match:
        return Heading(title=match.group(2), level=len(match.group(1)), line_index=line_index)

    # 编号类标题有行长度限制，过长视为正文
    if len(stripped) > _MAX_HEADING_LINE_LENGTH:
        return None

    # 第X章/节/篇
    match = _CN_CHAPTER_PATTERN.match(stripped)
    if match:
        return Heading(title=stripped, level=_CN_CHAPTER_LEVELS[match.group(1)], line_index=line_index)

    # 一、二、……
    if _CN_ENUM_PATTERN.match(stripped):
        return Heading(title=stripped, level=1, line_index=line_index)

    # 数字编号，层级 = 点分段数（1.=1、1.1=2、1.1.1=3）
    match = _NUM_PATTERN.match(stripped)
    if match:
        level = match.group(1).count(".") + 1
        return Heading(title=stripped, level=level, line_index=line_index)

    return None