from phrasetree.tree import Tree
import hanlp

def extract_unique_nouns_from_file(content, model):
    """
    从指定的文本文件中提取所有唯一的名词（NN），去除 '**' 并去重，保持首次出现顺序。

    参数:
        file_path (str): 输入文本文件的路径。
        model: HanLP 预训练模型实例（可选）。如果未提供，则自动加载默认模型。

    返回:
        list: 提取到的唯一名词字符串列表，如 ['转向节', '螺栓', ...]
    """

    # 1. 使用 HanLP 进行句法分析，获取成分句法树（con）
    doc = model(content)

    # 2. 定义递归函数提取所有叶子节点为字符串的 NN 节点
    def extract_nn(tree):
        res = []
        if isinstance(tree, Tree):
            if tree.label() == 'NN' and len(tree) == 1 and isinstance(tree[0], str):
                res.append(['NN', [tree[0]]])
            else:
                for child in tree:
                    res.extend(extract_nn(child))
        return res

    # 3. 提取所有 NN 节点
    nn_list = extract_nn(doc['con'])
    # print(f'共提取到 NN 节点：{len(nn_list)}')

    # 4. 过滤掉词为 '**' 的项
    filtered = [rec for rec in nn_list if rec[1][0] != '**']

    # 5. 去重，保持顺序
    seen = set()
    unique_nn = []
    for rec in filtered:
        key = (rec[0], rec[1][0])  # 使用 (标签, 词语) 作为唯一键
        if key not in seen:
            seen.add(key)
            unique_nn.append(rec[1][0])

    print(f'共提取到 （去重并过滤后）关键词：{len(unique_nn)}')
    print(f'输出提取到的关键词：{unique_nn}')
    return unique_nn