"""
services/desensitize_service.py
章节内容脱敏：把范文正文中的"精确数据"过滤掉，得到可复用的模板化内容。

规则（默认）：
- 阿拉伯数字串（含小数、千分位、全角数字）→ 占位符（默认 "X"），
  如 "总投资10.5亿元" → "总投资X亿元"、"2020年3月" → "X年X月"、"85.3%" → "X%"。
- 标题行（以 # 开头）整行保留，不动章节编号/标题。
- 行首的列表/枚举序号（如 "1）" "1." "（2）"）保留，仅脱敏正文中的数字。
- 单位与符号（万元/亿元/%/吨/年 等）保留，仅去掉其中的精确数值。

可通过 config 调整占位符、是否脱敏表格数字、是否启用。
中文数字（一二三…）通常用于序数/层级，默认保留。
"""

from __future__ import annotations

import logging
import re

from config import settings

logger = logging.getLogger(__name__)

# 阿拉伯数字（含全角）串，允许小数点/千分位分隔
_NUMBER_RE = re.compile(r"[0-9０-９]+(?:[.．,，][0-9０-９]+)*")

# 行首枚举序号：1） / 1. / （2） / 2、 等（这些是结构标记，保留）
_LEADING_ENUM_RE = re.compile(r"^(\s*(?:[（(]\s*[0-9０-９]+\s*[)）]|[0-9０-９]+\s*[）).、．]))")

_HEADING_RE = re.compile(r"^\s*#{1,6}\s")
_TABLE_ROW_RE = re.compile(r"^\s*\|.*\|\s*$")
_TABLE_SEP_RE = re.compile(r"^\s*\|?[\s:\-|]+\|?\s*$")


def _mask_numbers(segment: str, placeholder: str) -> str:
    return _NUMBER_RE.sub(placeholder, segment)


def _desensitize_line(line: str, placeholder: str, mask_table_numbers: bool) -> str:
    # 标题行整行保留（不动章节编号/标题）
    if _HEADING_RE.match(line):
        return line

    # 表格行
    if _TABLE_ROW_RE.match(line):
        if _TABLE_SEP_RE.match(line):  # 分隔行 |---|---|
            return line
        if not mask_table_numbers:
            return line
        return _mask_numbers(line, placeholder)

    # 普通正文：保留行首枚举序号，仅脱敏其余部分
    m = _LEADING_ENUM_RE.match(line)
    if m:
        prefix = m.group(1)
        rest = line[len(prefix):]
        return prefix + _mask_numbers(rest, placeholder)

    return _mask_numbers(line, placeholder)


def desensitize_content(text: str) -> str:
    """对单个章节正文脱敏。未启用时原样返回。"""
    if not text:
        return text
    if not bool(getattr(settings, "DESENSITIZE_ENABLED", True)):
        return text

    placeholder = str(getattr(settings, "DESENSITIZE_PLACEHOLDER", "X") or "X")
    mask_table = bool(getattr(settings, "DESENSITIZE_MASK_TABLE_NUMBERS", True))

    lines = text.splitlines()
    out = [_desensitize_line(ln, placeholder, mask_table) for ln in lines]
    return "\n".join(out)


def count_masked_numbers(original: str, filtered: str) -> int:
    """粗略统计脱敏掉的数字串数量（用于日志）。"""
    return len(_NUMBER_RE.findall(original or "")) - len(_NUMBER_RE.findall(filtered or ""))