/**
 * Garde-fou des citations (B1-M4) — fonctions pures, sans dépendance (réutilisables par les scripts Node).
 *
 * Problème : une consigne de prompt (REGLE_CITATIONS) ne suffit pas, le modèle met entre guillemets des
 * phrases qui ne figurent pas dans le contexte récupéré (mesuré le 09/10 : 7/7 introuvables sur une
 * question ouverte). Une fausse citation attribuée à un auteur réel engage le site : on la vérifie dans
 * le code. Tout segment long entre guillemets absent des textes de chunks réellement récupérés perd ses
 * guillemets (le texte reste, sans valeur de citation).
 */

export const MIN_MOTS_CITATION = 6

/** Sans accents, minuscules, tout ce qui n'est ni lettre ni chiffre devient un espace (apostrophes, \r\n, markdown). */
export function normaliserTexte(s: string): string {
  return s.normalize('NFD').replace(/[̀-ͯ]/g, '').toLowerCase()
    .replace(/[^\p{L}\p{N}]+/gu, ' ')
    .trim()
}

export interface SegmentCitation {
  /** texte tel qu'il apparaît entre les guillemets */
  segment: string
  mots: number
  /** true si segment court (< minMots) : jamais vérifié, jamais retiré */
  court: boolean
  /** true si retrouvé dans le contexte (toujours true pour un segment court) */
  trouve: boolean
}

export interface ResultatCitations {
  /** réponse dont les citations longues introuvables ont perdu leurs guillemets */
  texte: string
  gardees: number
  retirees: number
  segments: SegmentCitation[]
}

// « … » (espaces fines ou insécables tolérés), “ … ”, " … ". Les « » sont traités en premier :
// un "…" imbriqué ne doit pas casser l'appariement.
const MOTIFS: RegExp[] = [
  /«[\s  ]*([^»]+?)[\s  ]*»/g,
  /“([^”]+?)”/g,
  /"([^"\n]+?)"/g,
]

// Élision dans une citation : [...], […], … ou ... — chaque morceau doit être retrouvé séparément.
const ELISION = /\[\s*(?:\.{3}|…)\s*\]|…|\.{3}/

function mots(n: string): number {
  return n ? n.split(' ').length : 0
}

/**
 * Vérifie les citations de `reponse` contre `contextes` (textes des chunks récupérés).
 * - segment >= minMots mots : cherché (normalisé, borné aux mots entiers) ; absent => guillemets retirés.
 * - segment < minMots mots (titres, expressions) : laissé tel quel.
 * Aucun contexte exploitable => aucune citation longue ne peut être vérifiée, donc aucune n'est gardée.
 */
export function verifierCitations(reponse: string, contextes: string[], minMots: number = MIN_MOTS_CITATION): ResultatCitations {
  const ctx = ` ${normaliserTexte(contextes.join('\n'))} `
  const segments: SegmentCitation[] = []
  let gardees = 0
  let retirees = 0

  const trouve = (seg: string): boolean => {
    const parts = seg.split(ELISION).map(normaliserTexte).filter(Boolean)
    return parts.length > 0 && parts.every(p => ctx.includes(` ${p} `))
  }

  let texte = reponse
  for (const motif of MOTIFS) {
    texte = texte.replace(motif, (entier: string, seg: string) => {
      const n = normaliserTexte(seg.split(ELISION).join(' '))
      const nb = mots(n)
      if (nb < minMots) {
        segments.push({ segment: seg, mots: nb, court: true, trouve: true })
        return entier
      }
      const ok = trouve(seg)
      segments.push({ segment: seg, mots: nb, court: false, trouve: ok })
      if (ok) { gardees++; return entier }
      retirees++
      return seg
    })
  }
  return { texte, gardees, retirees, segments }
}

/** Concatène les textes de chunks d'une réponse LightRAG (`references[].content`, tableau de chaînes ou chaîne). */
export function contenusChunks(references: unknown): string[] {
  if (!Array.isArray(references)) return []
  const out: string[] = []
  for (const r of references) {
    const c = (r as { content?: unknown })?.content
    if (Array.isArray(c)) for (const x of c) { if (typeof x === 'string') out.push(x) }
    else if (typeof c === 'string') out.push(c)
  }
  return out
}