#!/usr/bin/env python3
"""调试知识库搜索 — 打印每个 section 的分数，定位为什么返回错误结果"""
import sys, os, re
sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))

import jieba
from knowledge_base import KnowledgeBase

def dump(query):
    kb = KnowledgeBase("D:/桌面/源码/文档/docs")
    kb.reload()
    print(f"\n{'='*70}")
    print(f"查询: {query!r}")
    print(f"jieba tokens: {list(jieba.cut(query))}")
    query_nouns = set(jieba.cut(query)) & {'密码','用户管理','领地','商品','CDK','工单','债券','在线'}
    print(f"query core_nouns: {query_nouns}")

    results = kb.search(query, top_k=3)
    print("\n--- 最终返回结果 (top_k=3) ---")
    if results:
        for i,(doc,score) in enumerate(results):
            print(f"  [{i+1}] {doc['title']} | {score:.2f} | heading={doc['heading'][:50]!r}")
            print(f"       body={doc['body'][:80]!r}")
    else:
        print("  无结果")

    # 手动遍历所有 section，打印 combined_scores 近似（不精确，但看排序）
    # 直接复用内部逻辑太复杂，这里只打印每个 doc 的 heading+body 片段供人工判断
    print("\n--- 知识库所有 section（含'密码'/'管理员'关键词的优先）---")
    matches = []
    for d in kb.docs:
        txt = d.get('heading','') + ' ' + d.get('body','')
        if '密码' in txt or '管理员' in txt:
            matches.append(d)
    for d in matches:
        print(f"  [{d['title']}] heading={d['heading'][:40]!r}")
        print(f"      body={d['body'][:90]!r}")

if __name__ == "__main__":
    for q in [
        # 干净查询（对照组，应返回 phpadmin）
        "PHP管理员端的默认密码是多少？",
        # 假设 OCR 丢失"密码"二字
        "PHP管理员端的默认是多少？",
        "php管理员端默认",
        "管理员端默认",
        "php管理员端默认是多少",
        # 假设 OCR 把"密码"拆成"密 码"或加了空格
        "php 管理员 端 默认 密码 是 多少",
        # 假设查询被拼接了 bot 可见的旧回复（全局配置）
        "PHP管理员端的默认密码是多少？全局配置：管理员可通过该配置，配置默认用户拥有多少格领地，创建领地价格是多少",
        # 假设 OCR 把 PHP 误读（大小写/空格）
        "Php管理员端的默认密码是多少？",
        "php 管理员端的默认密码是多少？",
    ]:
        dump(q)