"""Сравнение сегментации: правила vs обученный сегментатор (predict_release).

Метрика — пары (тип, автор) на уровне релиза против меток датасета, только по
страницам, которых сегментатор не видел при обучении (is_test_release).
Запуск: .venv/Scripts/python tests/e2e_segmenter.py
"""

from __future__ import annotations

import json
import sys
from collections import defaultdict
from pathlib import Path

sys.path.insert(0, str(Path(__file__).resolve().parents[1]))

from src.html_extract import read_input  # noqa: E402
from src.predict import DubPredictor  # noqa: E402
from src.release import predict_release  # noqa: E402
from src.segmenter import is_test_release  # noqa: E402

ROOT = Path(__file__).resolve().parents[1]


def run(predictor, rows, mode: str, test_only: bool) -> dict:
    by_rel = defaultdict(list)
    for r in rows:
        by_rel[r["release_id"]].append(r)
    per_src = defaultdict(list)
    for page in sorted((ROOT / "data" / "pages").glob("*.txt")):
        rid = page.stem
        if is_test_release(rid) != test_only or rid not in by_rel:
            continue
        gold = {(r["translation_type"], r["studio"] or None) for r in by_rel[rid]}
        res = predict_release(predictor, text=read_input(page), segmenter=mode)
        pred = {(t["translation_type"], t["studio"]) for t in res["tracks"]}
        tp = len(gold & pred)
        p = tp / len(pred) if pred else 0.0
        r = tp / len(gold) if gold else 0.0
        per_src[by_rel[rid][0]["source"]].append((p, r))
    out = {}
    for s, v in per_src.items():
        out[s] = (len(v), sum(x[0] for x in v) / len(v), sum(x[1] for x in v) / len(v))
    return out


def main() -> None:
    rows = json.loads((ROOT / "data" / "processed" / "dataset.json").read_text(encoding="utf-8"))
    seg_dir = sys.argv[1] if len(sys.argv) > 1 else "models/segmenter"
    predictor = DubPredictor(segmenter_dir=seg_dir)
    print(f"сегментатор: {seg_dir}")
    if predictor.segmenter is None:
        sys.exit("нет models/segmenter: python -m src.segmenter --train")
    for test_only, name in ((True, "тестовые страницы (не виделись сегментатору)"),
                            (False, "train-страницы (для справки, оптимистично)")):
        print(f"== {name} ==")
        for mode in ("rules", "model"):
            res = run(predictor, rows, mode, test_only)
            print(f"  {mode:5s}: " + "; ".join(
                f"{s} n={n} P={p:.3f} R={r:.3f}" for s, (n, p, r) in res.items()))


if __name__ == "__main__":
    main()