"""自动回复 — 消息匹配知识库后准备答案，由主线程发送"""

import logging
import re
import threading
import jieba

logger = logging.getLogger("msgbot.autoreply")


class AutoReply:
    """自动回复控制器"""

    def __init__(self, monitor):
        self.monitor = monitor
        self._enabled = False
        self._min_score = 0.30

        # 已回复的消息指纹（防重复）
        self._replied: dict = {}
        self._lock = threading.Lock()

    def set_enabled(self, enabled: bool):
        self._enabled = enabled
        logger.info(f"自动回复 {'已开启' if enabled else '已关闭'}")

    def set_min_score(self, score: float):
        self._min_score = max(0.0, min(10.0, score))

    @property
    def enabled(self) -> bool:
        return self._enabled

    @property
    def min_score(self) -> float:
        return self._min_score

    def on_kb_match(self, platform: str, msg: str, top_doc: dict, score: float) -> str or None:
        """知识库匹配命中时调用。线程安全。
        返回要发送的回答文本，返回 None 表示不发送。
        """
        if not self._enabled:
            return None
        if score < self._min_score:
            logger.debug(
                f"[{platform}] 匹配度 {score:.2f} < 阈值 {self._min_score}，跳过回复"
            )
            return None
        # 内容相关性检查：查询词与匹配文档至少有一个共同2字+词，防偶然匹配
        if not self._has_content_relevance(msg, top_doc, score):
            heading = top_doc.get("heading", "")[:40]
            body_preview = (top_doc.get("content", "") or top_doc.get("body", ""))[:60]
            logger.debug(
                f"[{platform}] 内容相关性检查失败，跳过: "
                f"msg={msg[:40]!r} score={score:.2f} doc_heading={heading!r} "
                f"doc_body={body_preview!r}"
            )
            return None
        with self._lock:
            return self._get_answer(platform, msg, top_doc, score)

    def get_reply_data(self, platform: str, msg: str, top_doc: dict, score: float, cleaned_msg: str = None) -> dict or None:
        """返回 {platform, answer, sender, msg} 供主线程发送。
        cleaned_msg 为去噪后的查询（用于相关性校验与去重指纹），
        msg 保留原始文本（含时间戳）供主线程做消息新鲜度检查。
        """
        query = cleaned_msg if cleaned_msg else msg
        answer = self.on_kb_match(platform, query, top_doc, score)
        if not answer:
            return None

        # 获取发送者（在同一线程提取，不涉及窗口操作）
        raw = self.monitor.get_raw_clipboard(platform)
        sender = self.monitor._parse_last_sender(raw)
        # 只有发送者是有效姓名且不在消息内容中时才切会话
        if sender and sender not in msg and score >= self._min_score + 0.05:
            pass
        else:
            sender = None

        return {"platform": platform, "answer": answer, "sender": sender, "msg": msg}

    # 相关性检查用的停用词（通用/无区分度的词），这些词命中不算"有内容相关性"
    _STOPWORDS = {
        "插件","使用","怎么","如何","吗","呢","吧","是","的","了","有","哪",
        "两","种","这","那","和","与","或","在","我","你","他","它","我们","你们",
        "一个","可以","需要","什么","为什么","是否","还是","以及","进行","通过",
        "对于","关于","一些","这样","那样","这个","那个","请问","用","到","对",
        "给","把","被","让","请","该","此","为","等","其","将","时","后","前",
        "会","能","要","想","没","不","别","快","如","若","知","都","也","就",
        "已","再","更","最","很","太","较","但","却","因","故","则","且",
        # 通用名词，出现在太多文档中导致误匹配
        "服务器","玩家","游戏","世界","地图","技能","装备","物品","命令","指令",
    }

    @staticmethod
    def _meaningful_tokens(text: str) -> set:
        """提取有区分度的关键词（长度≥2 且非停用词），全部小写便于匹配。"""
        toks = set(t.lower() for t in jieba.cut(text) if len(t) >= 2)
        return toks - AutoReply._STOPWORDS

    @staticmethod
    def _has_content_relevance(query: str, doc: dict, score: float = 0.0) -> bool:
        """查询词与匹配文档必须共享至少一个有区分度的核心词，防偶然/牛头不对马嘴匹配。

        判定顺序：
        1. 提取 query 的有区分度关键词（_meaningful_tokens，去停用词、小写）。
        2. 检查这些词是否出现在 doc 的 heading+title 或 body（前 800 字）中。
        3. 动作/配置类查询（怎么/如何/使用/配置…）额外要求正文也含核心词，
           不能只命中标题（否则 "# Sdf1系列登录插件使用说明" 会因标题含词被误放）。
        4. 子串回退：连续 4~6 字子串命中文档（应对 jieba 切碎的短语，如"资源包"）。
        5. 高匹配度(≥10)但无任何共同词：TF-IDF 误匹配，拒绝。
        """
        import re
        q_mean = AutoReply._meaningful_tokens(query)
        if not q_mean:
            # 极短/纯停用词查询：要求整个 query 子串命中文档
            stripped = re.sub(r'[？?！!。，,\s]', '', query).lower()
            if len(stripped) >= 2:
                full = (doc.get("heading", "") + " " + doc.get("title", "")
                        + " " + (doc.get("content", "") or doc.get("body", ""))).lower()
                return stripped in full
            return False

        _link = re.compile(r'\[([^\]]*)\]\([^\)]+\)')
        heading = doc.get("heading", "")
        title = doc.get("title", "")
        # 清理 Markdown 链接文本，避免 "[sdf1_login登录插件](sdf1_login.md)" 误匹配
        heading_clean = _link.sub(r'\1', heading).lower()
        body = doc.get("content", "") or doc.get("body", "")
        body_clean = _link.sub(r'\1', body).lower()

        ht_tokens = AutoReply._meaningful_tokens(heading_clean + " " + title)
        body_tokens = AutoReply._meaningful_tokens(body_clean[:800])
        has_ht = bool(q_mean & ht_tokens)
        has_body = bool(q_mean & body_tokens)

        # 动作/配置类查询：标题和正文都必须含核心词，防止"牛头不对马嘴"误匹配
        # ⭐ 扩展：has_body=False（正文完全无共同词）时直接拒绝，无论 heading 是否命中
        # 例："领地系统有哪些操作模式?" vs sdf1_login CLI段落 → 拒绝
        #     "领地系统有哪些操作模式?" vs protect 权限段落 → 正常（有body命中）
        action_kw = {"怎么", "如何", "使用", "配置", "修改", "设置", "安装", "用法", "操作"}
        if q_mean & action_kw:
            # ⭐ 排除 action_kw 词参与 body 覆盖统计，避免"使用"(verb)误命中
            non_action_q = q_mean - action_kw
            non_action_body = body_tokens - action_kw
            has_body_nonaction = bool(non_action_q & non_action_body)
            if not has_body_nonaction:
                # 正文（不含动作词）完全没有共同词 → 直接拒绝，无论 heading 是否命中
                logger.debug(
                    f"动作查询正文无共同词拒绝: query={query[:40]!r} "
                    f"doc_heading={heading[:30]!r} body_hits=0 ht_hit={has_ht}"
                )
                return False
            if not has_ht:
                # 正文有非动作词命中但 heading 无命中 → 检查 body 覆盖量（见下方正文覆盖不足防御）
                pass
            # has_ht and has_body_nonaction → 通过
            # 注：原 has_body 已包含 action_kw 词，此处用 has_body_nonaction 更严格
            has_body = has_body_nonaction

        # ⭐ 后台/前台关键词区分：查询含"后台"但文档不含"后台"→ 不相关
        full = heading_clean + " " + title.lower() + " " + body_clean[:800]
        # 注意："管理后台"是整体概念，拆分后"后台"可能不在heading中，但"管理员"+"后端"已表达管理意图
        # 所以当heading含"管理员"或"后端"时，不应因缺"后台"而拒绝
        if "后台" in query and "后台" not in full:
            # 检查是否已通过其他语义规则确认是管理端查询
            is_admin_intent = ('管理员' in query) or ('管理' in query and '密码' in query)
            if not is_admin_intent and ('管理员' not in heading_clean and '后端' not in heading_clean):
                logger.debug(f"后台关键词缺失: query={query[:40]!r} doc={doc.get('heading', '')[:30]!r}")
                return False
        if "前台" in query and "前台" not in full:
            logger.debug(f"前台关键词缺失: query={query[:40]!r} doc={doc.get('heading', '')[:30]!r}")
            return False

        # ⭐ 语义意图验证：OCR查询可能含错字（如"录"→"登"、"php"→"pHp"），
        #   需要结合heading确认查询意图，防止"云背包管理员密码"压过"php管理员后端"
        #   查询含"php"时，heading必须含"php"或满足以下例外规则：
        if 'php' in query.lower():
            if 'php' not in heading_clean:
                # 例外1：查询含"管理"+"密码"类词，heading含"管理"即可（指向phpadmin的管理功能）
                # 例："php用户管理可以看到哪些信息" → 允许返回"### 用户管理"
                has_management_intent = ('管理' in query and '管理' in heading_clean)
                # 例外2：查询含"后端"概念，heading含"后端"即可
                # 例："那pHP后端的那管理员默认密码是多少" → 允许返回"## php管理员后端"
                has_backend_intent = ('后端' in query and '后端' in heading_clean)
                if not has_management_intent and not has_backend_intent:
                    logger.debug(f"php查询意图不匹配: query={query[:40]!r} heading={heading[:30]!r}")
                    return False
            # ⭐ 增强：区分php.md(玩家端)和phpadmin.md(管理端)
            # 当查询含"密码"且含"php"时，heading必须含"管理员"或"后端"（防止php.md玩家端被误选）
            if '密码' in query and 'php' in query.lower():
                if '管理员' not in heading_clean and '后端' not in heading_clean:
                    logger.debug(
                        f"php密码查询意图不匹配(疑似玩家端): query={query[:40]!r} "
                        f"heading={heading[:30]!r}"
                    )
                    return False
            # ⭐ 新增：当query含"后端"或"管理员端"但heading不含"后端"也不含"php"时，可能是云背包等无关文档
            # 例："那pHP后端的那管理员默认密码是多少" vs beibao.md的"## 使用方法-管理员"
            #     beibao不含"php"也不含"后端"→ 拒绝
            # 例："那pHP的那个管理员端的密码" vs beibao.md的"## 使用方法-管理员"
            #     查询含"管理员端"，heading只含"管理员"→ 拒绝（必须含"php"或"后端"）
            if ('后端' in query or '管理员端' in query) and '后端' not in heading_clean and 'php' not in heading_clean:
                logger.debug(
                    f"php后端/管理员端查询意图不匹配: query={query[:40]!r} "
                    f"heading={heading[:30]!r} (heading不含'后端'或'php')"
                )
                return False

        if has_ht or has_body:
            # ⭐ 多关键词覆盖防御（2026-08-13）：
            #   区分核心词与非核心词，防止通用短语因单一关键词误选不相关文档。
            #   核心词：实词（名词/动词/形容词），排除疑问词、量词、方位词等
            #   规则：
            #     1. 如果heading含核心词命中（has_ht=True）→ 放宽检查，不强制覆盖全部
            #     2. 如果heading无命中（has_ht=False）且正文有多关键词 → 要求覆盖≥50%
            #   例："草原深险服务器备用号服务器近期的一些公告有哪些"
            #       核心词={'草原','近期','公告'}（排除'哪些','备用','深险'等OCR碎片）
            #       sdf1.md"注意事项"只含"草原"(1/3)→ 若has_ht=False则拒绝
            #       index.md"近期公告"含"近期"+"公告"(2/3)→ 通过
            non_core_kw = {'多少', '哪些', '哪个', '什么', '怎么', '如何', '吗', '呢', '吧',
                          '备用', '深险', '端的', '那', '这', '些', '个', '种', '类',
                          # 时间/程度副词：通用且难以区分文档
                          '最近', '近期', '刚才', '现在', '当前', '刚刚', '以前', '之后', '当天',
                          '第一', '最新', '全部', '所有', '一起', '各种', '各种各样',
                          # 疑问代词变体
                          '哪些', '哪个', '什么', '怎么', '如何', '多少',
                          }
            core_kw = q_mean - non_core_kw
            doc_text = heading_clean + " " + title.lower() + " " + body_clean[:800]
            core_hits = sum(1 for kw in core_kw if kw in doc_text)

            # ⭐ 当heading含核心词时（has_ht=True），也需检查覆盖比例
            #   防止"草原"等通用词单一命中导致误选sdf1.md等不相关文档
            #   规则：
            #     - has_ht=True: 要求覆盖≥50%核心词（最低2个）
            #     - has_ht=False: 要求覆盖≥50%核心词（最低2个）
            #     - 例：查询含核心词={'草原','近期','公告'}
            #           sdf1.md只含"草原"(1/3)→ 拒绝
            #           index.md含"近期"+"公告"(2/3)→ 通过
            if len(core_kw) >= 2:
                min_core_hits = max(2, (len(core_kw) + 1) // 2)
                if core_hits < min_core_hits:
                    logger.debug(
                        f"多关键词覆盖不足跳过(防牛头不对马嘴): query={query[:40]!r} "
                        f"doc_heading={heading[:30]!r} core_hits={core_hits}/{len(core_kw)} "
                        f"(阈值≥{min_core_hits}), missing={ [kw for kw in core_kw if kw not in doc_text]!r}, has_ht={has_ht}"
                    )
                    return False
            # 原有正文覆盖不足防御（保留作为兜底）
            if not has_ht and has_body:
                q_count = len(q_mean)
                body_hits = len(q_mean & body_tokens)
                min_body_hits = min(q_count, (q_count * 3 + 4) // 5)
                min_body_hits = max(2, min_body_hits)
                if body_hits < min_body_hits:
                    logger.debug(
                        f"正文覆盖不足跳过(防牛头不对马嘴): query={query[:40]!r} "
                        f"doc_heading={heading[:30]!r} body_hits={body_hits}/{q_count} "
                        f"(阈值≥{min_body_hits}), ht_hit={has_ht}"
                    )
                    return False
            return True

        # ⭐ 下载意图放行：查询含"下载/下到/哪下"等口语，且section heading含"下载"
        # 修复"在哪儿能下到那登录插件啊?"——原文无"下载"二字（口语"下到"），
        # q_mean 不含"下载"，"## 4. 下载地址"heading 虽有"下载"仍被相关性拒绝，
        # 导致误回"插件设置"（body 恰含"登录超时秒数"）
        if any(w in query for w in ('下载', '下到', '哪下', '在哪下', '怎么下')) and '下载' in heading_clean:
            logger.debug(f"下载意图放行: query={query[:30]!r} heading={heading[:30]!r}")
            return True

        # 子串回退：jieba 可能产生碎片 token，导致交集为空但文档确实含查询短语
        full = heading_clean + " " + title.lower() + " " + body_clean[:800]
        stripped = re.sub(r'[？?！!。，,\s]', '', query).lower()
        if len(stripped) >= 4:
            # ⭐ 修复：子串回退必须同时满足两个条件：
            # 1. 有有意义的子串（≥4字）命中文档
            # 2. 至少有一个 meaningful_token 命中文档（防止"服务器"等通用词泛匹配）
            has_meaningful_hit = bool(q_mean & (set(heading_clean) | set(title.lower()) | set(body_clean[:800])))
            if not has_meaningful_hit:
                # 没有 meaningful_token 命中，即使有子串匹配也拒绝
                logger.debug(f"无有意义token命中拒绝: query={query[:40]!r} doc_heading={heading[:30]!r}")
                return False
            for qlen in range(min(len(stripped), 6), 3, -1):
                for start in range(len(stripped) - qlen + 1):
                    phrase = stripped[start:start + qlen]
                    if phrase in full:
                        logger.debug(
                            f"子串回退命中: phrase={phrase!r} in doc={doc.get('heading', '')[:30]!r}"
                        )
                        return True

        # 高匹配度但无共同词：TF-IDF 误匹配，拒绝
        if score >= 10.0 and not (has_ht or has_body):
            return False

        return False

    def _get_answer(self, platform: str, msg: str, doc: dict, score: float) -> str or None:
        """提取答案 + 防重复检查。
        优先返回 doc['answer']（Q&A 段），兜底使用 doc['body']（仅正文，不含 heading）。
        KB 搜索已按 section 切分，doc['body'] 即最相关的片段正文。
        只需截断到 300 字符避免消息过长。
        """
        answer = doc.get("answer")
        if answer:
            answer = answer.strip()
        else:
            # 优先用 body（纯正文），兜底用 content（heading+正文）
            body = doc.get("body", "").strip()
            if body and len(body) > 20:
                answer = self._extract_table_answer(body)
            else:
                content = doc.get("content", "").strip()
                answer = self._extract_table_answer(content) if content else ""

        if not answer:
            return None

        # 清理 HTML 换行标签（纯文本消息里 <br> 会原形显示）
        import re
        answer = re.sub(r'</?br\s*/?>', '\n', answer, flags=re.IGNORECASE)
        answer = answer.strip()

        # 清理 Markdown 格式，返回纯文本
        answer = self._clean_markdown(answer)
        if not answer:
            return None

        # 拒绝把纯标题/免责声明当作答案发送
        if answer.startswith("# ") and len(answer) < 60:
            logger.debug(f"[{platform}] 答案为纯标题，跳过: {answer[:60]!r}")
            return None
        if re.search(r'特别说明|免责声明|本插件.*自行修改|仅供参考|版权所有', answer):
            logger.debug(f"[{platform}] 答案为免责声明/通用说明，跳过: {answer[:60]!r}")
            return None

        # 防重复指纹
        fp = hash(f"{platform}:{msg}:{answer[:80]}")
        replied_set = self._replied.setdefault(platform, set())
        if fp in replied_set:
            logger.debug(f"[{platform}] 重复命中，跳过: {msg[:40]}")
            return None
        replied_set.add(fp)
        # 控制缓存上限
        if len(replied_set) > 200:
            self._replied[platform] = set(list(replied_set)[-100:])

        logger.info(
            f"[{platform}] 🎯 自动回复触发 | 匹配度 {score:.2f} | "
            f"消息: {msg[:40]}"
        )
        return answer

    @staticmethod
    def _clean_markdown(text: str) -> str:
        """清理文本中的 Markdown 格式，返回纯文本。

        处理：
        - 标题语法：## 标题 → 标题
        - 链接语法：[text](url) → text
        - 列表语法：- item → item
        - 加粗语法：**text** → text
        - 引用语法：> text → text
        - 编号列表：1. item → item
        """
        import re
        if not text:
            return text

        # 移除标题语法：## 标题 → 标题
        text = re.sub(r'^#{1,6}\s+', '', text, flags=re.MULTILINE)

        # 移除链接语法：[text](url) → text
        text = re.sub(r'\[([^\]]*)\]\([^\)]+\)', r'\1', text)

        # 移除列表语法：- item → item
        text = re.sub(r'^[\-\*]\s+', '', text, flags=re.MULTILINE)

        # 移除加粗语法：**text** → text
        text = re.sub(r'\*\*(.+?)\*\*', r'\1', text)

        # 移除引用语法：> text → text
        text = re.sub(r'^>\s+', '', text, flags=re.MULTILINE)

        # 移除编号列表：1. item → item
        text = re.sub(r'^\d{1,3}[\.\)、]\s+', '', text, flags=re.MULTILINE)

        # 移除多余空行
        text = re.sub(r'\n\s*\n', '\n', text)

        return text.strip()

    @staticmethod
    def _extract_table_answer(text: str, max_chars: int = 800) -> str:
        """从含表格的文本中提取表格 + 紧邻上下文，避免返回整段 section。

        问题背景：知识库含表格的文档（如 php.md "## php后台玩家端"）被匹配后，
        原逻辑把整个 section（表格 + 其后大量无关图文）全部塞入回复。
        实际答案只是表格附近的几句话。

        提取规则：
        - 表格块：连续以 `|` 开头且含 ≥2 个 `|` 的行（含表头/分隔/数据行）
          ⭐ 放宽：只要行首含 `|` 且含 ≥2 个 `|` 就算表格行，不要求行尾必须有 `|`
          （避免 OCR 识别不完整或 Markdown 表格未闭合时遗漏数据行）
        - 上文：表格前最近 2 个非空行（通常是说明句），给答案提供语境
        - 下文：不保留。表格之后的内容往往是下一个话题的开头（如"仪表盘：…"
          "商城：…"），保留会重新引入整段无关图文，违背"只返回表格附近的几句话"
        - 截断到 max_chars 字符
        若文本中无完整表格，则退回前 max_chars 字符。
        """
        if not text:
            return ""
        lines = text.split('\n')
        table_start = None
        table_end = None
        for i, ln in enumerate(lines):
            s = ln.strip()
            # ⭐ 2026-08-14 修复：放宽表格行检测，不要求行尾必须有 |
            # 原因：Markdown 表格可能未闭合（如 `| 2026年6月7日 | 🎮 升级服务器到26.1.2`）
            # 或 OCR 识别不完整，导致数据行被误判为非表格行
            if '|' in s and s.count('|') >= 2:
                if table_start is None:
                    table_start = i
                table_end = i

        # 无表格或表格过短：退回前 max_chars 字符
        if table_start is None:
            return text[:max_chars]

        # 上文：向前找最多 2 个非空行（说明句）
        pre: list = []
        j = table_start - 1
        while j >= 0 and len(pre) < 2:
            if lines[j].strip():
                pre.insert(0, lines[j].strip())
            j -= 1

        block = pre + lines[table_start:table_end + 1]
        out = '\n'.join(block)
        if len(out) > max_chars:
            out = out[:max_chars] + "..."
        return out