"""课程教学大纲体检 - 纯函数工具层。

设计原则：
- 仅依赖标准库；不依赖 jiangchang_skill_core / jinja2 / python-docx
- 这些函数是 service 层 / CLI 入口都要复用的纯计算，便于 unit test
- 输入允许 str / list[str] / dict；返回稳定标签 / 数值

模块内函数：
- clamp_score(value): 把 0~100 之外的分数裁剪到合法区间
- weighted_total(format_score, matrix_score, ideology_score, weights): 加权总分
- classify_audit_status(score, pass_thr, modify_thr): 根据总分给最终建议
- parse_score_threshold(env_value, default): 从 env 字符串读取阈值
- parse_ideology_keywords(env_value, default_keywords): 解析思政关键词 JSON 数组
- count_keyword_hits(text, keywords): 统计文本中思政关键词命中数
"""

from __future__ import annotations

import json
from typing import Iterable, Mapping

from util.constants import (
    AUDIT_STATUS_MODIFY,
    AUDIT_STATUS_PASS,
    AUDIT_STATUS_REWRITE,
    DEFAULT_WEIGHT_FORMAT,
    DEFAULT_WEIGHT_IDEOLOGY,
    DEFAULT_WEIGHT_MATRIX,
    TOTAL_SCORE_MAX,
    TOTAL_SCORE_MIN,
)


def clamp_score(value, min_val: float = TOTAL_SCORE_MIN, max_val: float = TOTAL_SCORE_MAX) -> float:
    """把分数裁剪到 [min_val, max_val] 区间。None / 非数字输入 → min_val。"""
    try:
        v = float(value)
    except (TypeError, ValueError):
        return float(min_val)
    if v < min_val:
        return float(min_val)
    if v > max_val:
        return float(max_val)
    return v


def weighted_total(
    format_score,
    matrix_score,
    ideology_score,
    weights: Mapping[str, float] | None = None,
) -> float:
    """三个子项加权求和，权重默认 (0.3 / 0.4 / 0.3)。

    weights 可选 dict，覆盖默认值；缺 key 时回退默认权重。
    返回值经 clamp_score 裁剪到 [0, 100]。
    """
    w = weights or {}
    wf = float(w.get("format", DEFAULT_WEIGHT_FORMAT))
    wm = float(w.get("matrix", DEFAULT_WEIGHT_MATRIX))
    wi = float(w.get("ideology", DEFAULT_WEIGHT_IDEOLOGY))
    total = (
        clamp_score(format_score) * wf
        + clamp_score(matrix_score) * wm
        + clamp_score(ideology_score) * wi
    )
    return round(clamp_score(total), 2)


def classify_audit_status(
    score,
    pass_thr,
    modify_thr,
) -> str:
    """根据总分给最终建议。

    - score >= pass_thr → pass（直接送审）
    - modify_thr <= score < pass_thr → modify（修改后送审）
    - score < modify_thr → rewrite（重写）
    """
    s = clamp_score(score)
    try:
        p = float(pass_thr)
    except (TypeError, ValueError):
        p = 0.0
    try:
        m = float(modify_thr)
    except (TypeError, ValueError):
        m = 0.0
    if p < m:
        p, m = m, p  # 防御性：保证 pass >= modify
    if s >= p:
        return AUDIT_STATUS_PASS
    if s >= m:
        return AUDIT_STATUS_MODIFY
    return AUDIT_STATUS_REWRITE


def parse_score_threshold(env_value, default: float) -> float:
    """从 env 字符串读取分数阈值；非法值回退 default。"""
    if env_value is None:
        return float(default)
    s = str(env_value).strip()
    if not s:
        return float(default)
    try:
        v = float(s)
    except ValueError:
        return float(default)
    if v < TOTAL_SCORE_MIN or v > TOTAL_SCORE_MAX:
        return float(default)
    return v


def parse_ideology_keywords(env_value, default_keywords: Iterable[str]) -> list[str]:
    """从 env（JSON 数组字符串）解析思政关键词列表。

    - 空 / 非法 JSON → 默认关键词列表
    - 元素需为 str；非 str 一律跳过
    """
    if env_value is None:
        return list(default_keywords)
    s = str(env_value).strip()
    if not s:
        return list(default_keywords)
    try:
        data = json.loads(s)
    except (ValueError, TypeError):
        return list(default_keywords)
    if not isinstance(data, list):
        return list(default_keywords)
    out: list[str] = []
    for item in data:
        if isinstance(item, str) and item.strip():
            out.append(item.strip())
    return out or list(default_keywords)


def count_keyword_hits(text: str, keywords: Iterable[str]) -> dict[str, int]:
    """统计文本中每个关键词出现的次数（不区分大小写）。

    返回 {keyword: count}；不命中的关键词不出现在结果中（count=0 省略）。
    """
    if not isinstance(text, str):
        return {}
    lower = text.lower()
    out: dict[str, int] = {}
    for kw in keywords:
        if not isinstance(kw, str) or not kw:
            continue
        c = lower.count(kw.lower())
        if c > 0:
            out[kw] = c
    return out