import type { Lang, Token } from '../core/types';
import { matchENKeyword, normalizeENKeyword, normalizeWhitespace, tokenizeEN } from '../core/index';
import { segmentGraphemes } from '../grapheme/index';

export type PhraseSpan = { start: number; end: number; length: number };

function toNonEmptyArray(parts: string[]): string[] {
  return parts.map((s) => s.trim()).filter((s) => s.length > 0);
}

export function preparePhraseTokens(phrase: string, lang: Lang): string[] {
  const input = String(phrase ?? '');
  if (input === '') return [];

  if (lang === 'EN') {
    const { normalizedText } = normalizeWhitespace(input, 'NORMALIZE');
    const words = normalizedText.split(' ');
    // EN：按“全词等值匹配”口径做归一化（小写 + 两端去常见标点）
    return toNonEmptyArray(words).map((w) => normalizeENKeyword(w));
  }

  // TC：按 grapheme clusters
  const { clusters } = segmentGraphemes(input, 'PREFERRED');
  return clusters;
}

function tokenEqualsPhraseToken(tokenText: string, phraseToken: string, lang: Lang): boolean {
  if (lang === 'EN') return matchENKeyword(tokenText, phraseToken);
  return tokenText === phraseToken;
}

/**
 * 在 tokens 中寻找 phraseTokens 的“连续区间完全匹配”（必须）。
 *
 * 输出顺序（确定性）：
 * - start 升序
 * - start 相同：length 降序（更长优先）
 */
export function findPhraseSpans(tokens: Token[], phraseTokens: string[], lang: Lang): PhraseSpan[] {
  const n = tokens.length;
  const m = phraseTokens.length;
  if (n === 0 || m === 0 || m > n) return [];

  const spans: PhraseSpan[] = [];

  for (let i = 0; i <= n - m; i++) {
    let ok = true;
    for (let j = 0; j < m; j++) {
      const t = tokens[i + j]?.text ?? '';
      const p = phraseTokens[j] ?? '';
      if (!tokenEqualsPhraseToken(t, p, lang)) {
        ok = false;
        break;
      }
    }
    if (ok) spans.push({ start: i, end: i + m, length: m });
  }

  spans.sort((a, b) => {
    if (a.start !== b.start) return a.start - b.start;
    return b.length - a.length;
  });
  return spans;
}

/**
 * 判断某个 span 是否被断点拆分到不同的行（即：span 内存在 break）。
 *
 * 说明：
 * - span=[start,end) 是 token 索引区间
 * - breaks[i] 是 token 边界索引（1..N-1）
 * - 若存在 start < b < end，则 span 被拆分
 */
export function isSpanSplitByBreaks(span: PhraseSpan, breaks: number[]): boolean {
  const s = span.start;
  const e = span.end;
  if (e - s <= 1) return false;
  for (const b of breaks) {
    if (b > s && b < e) return true;
    if (b >= e) break; // breaks 升序：可提前退出
  }
  return false;
}

/**
 * 仅用于测试：把 EN 文本按 core-contract 口径 tokenize。
 */
export function tokenizePhraseLikeInputEN(text: string): Token[] {
  const { normalizedText } = normalizeWhitespace(text, 'NORMALIZE');
  return tokenizeEN(normalizedText);
}