"""
查询意图识别模块

功能：识别用户查询是否为统计类查询
"""

import re

# ========== 统计类查询关键词 ==========

STAT_AGG_KEYWORDS = [
    # 中文常见统计类关键词（已优化）
    "多少", "几种", "几类", "几个", "多少个",
    "数量", "总数", "总量", "总共", "合计", "总计", "共", "共计", "一共有",
    "比例", "占比", "比率", "百分比", "占多少", "占了多少",
    "平均", "均值", "平均值",
    "最大值", "最小值", "最高", "最低", "最大", "最小",
    "分布", "分布情况", "分布状况",
    "排行", "排名", "前几名", "前几", "前十",
    "频次", "累计", "累加", "累积",
    "超限次数", "告警次数", "故障次数", "异常次数", "出现次数", "发生次数",
    "是否存在", "有没有",  # 隐含 count > 0
    "增长", "下降", "变化趋势", "趋势", "增长率", "减少率"
]

EN_STAT_AGG_PATTERNS = [
    r"\bhow many\b",
    r"\bhow much\b",
    r"\bcount\b",
    r"\bnumber of\b",
    r"\bamount of\b",
    r"\btotal\b",
    r"\baverage\b",
    r"\bmean\b",
    r"\bmax(imum)?\b",
    r"\bmin(imum)?\b",
    r"\bsum\b",
    r"\bmedian\b",
    r"\bvariance\b",
    r"\bstd\b",
    r"\bratio\b",
    r"\bpercentage\b",
    r"\bproportion\b",
    r"\bdistribution\b",
    r"\branking\b",
    r"\btop\s*\d+\b",
    r"\boccurrence(s)?\b",
    r"\bfrequency\b",
    r"\bgrowth rate\b",
    r"\bexists?\b",
    r"\bwhether\b.*\b(any|exist)\b"
]


def is_aggregate_query(query: str) -> bool:
    """
    简单的统计类查询意图识别
    
    规则优先，不调用LLM，尽量覆盖常见"多少 / 比例 / 总数 / 平均 / 分布 / 排名 / 频率"等问法
    
    Args:
        query: 用户查询字符串
        
    Returns:
        bool: 如果是统计类查询返回True，否则返回False
    """
    if not query:
        return False
    q = query.strip()

    # 中文关键词命中
    for kw in STAT_AGG_KEYWORDS:
        if kw in q:
            return True

    # 英文模式命中
    lower_q = q.lower()
    for pat in EN_STAT_AGG_PATTERNS:
        if re.search(pat, lower_q):
            return True
    
    return False


# ========== 时间相关关键词 ==========
TIME_KEYWORDS = [
    "年", "月", "日", "季度",
    "今年", "去年", "前年", "明年",
    "本月", "上月",
    "今天", "昨天",
    "同比", "环比", "较上年", "比去年", "相比去年",
    "年初", "年末", "季初", "季末",
    "近一年", "近半年", "近三个月", "近一周", "近期",
    "过去一年", "过去一个月",
    "截至", "截止", "期间", "时间段"
]

# 移除了易误判的："发生", "时间", "日期"（除非配合具体时间格式）

ZH_TIME_PATTERNS = [
    r"\b\d{4}年\b",          # 2025年
    r"\b\d{2}年\b",          # 25年（关键！）
    r"\b\d{1,2}月\b",        # 3月、12月
    r"\b\d{1,2}日\b",        # 5日
    r"\b近[一二三四五六七八九十\d]+[天月年]\b",
    r"\b过去[一二三四五六七八九十\d]+[天月年]\b",
    r"\b\d{4}[-/年]\d{1,2}([-/月]\d{1,2})?\b",  # 2025-12-01, 2025/12, 2025年12月
]

EN_TIME_PATTERNS = [
    r"\b\d{4}\b",            # 年份（独立出现，如 "in 2025"）
    r"\byear\b", r"\bmonth\b", r"\bday\b",
    r"\bthis year\b", r"\blast year\b", r"\bnext year\b",
    r"\bthis month\b", r"\blast month\b",
    r"\btoday\b", r"\byesterday\b",
    r"\byear over year\b", r"\bmonth over month\b",
    r"\bq[1-4]\b",
    r"\bjan|feb|mar|apr|may|jun|jul|aug|sep|oct|nov|dec\b",
    r"\brecent\b",
    r"\bpast\s+\d+\s+(day|week|month|year)s?\b",
    r"\blast\s+\d+\s+(day|week|month|year)s?\b",
    r"\bas of\b",
    r"\b\d{4}[-/]\d{1,2}([-/]\d{1,2})?\b",  # ISO or slash date
]


def has_time_in_query(query: str) -> bool:
    """
    判断查询中是否包含时间相关信息
    
    Args:
        query: 用户查询字符串
        
    Returns:
        bool: 如果包含时间信息返回True，否则返回False
    """
    if not query:
        return False
    
    q = query.strip()
    lower_q = q.lower()
    
    # 中文时间关键词
    for kw in TIME_KEYWORDS:
        if kw in q:
            return True
    
    # 中文时间模式（如 "2025年"、"25年"、"3月"、"2025-12-01" 等）
    for pat in ZH_TIME_PATTERNS:
        if re.search(pat, q):
            return True
    
    # 英文时间模式
    for pat in EN_TIME_PATTERNS:
        if re.search(pat, lower_q):
            return True
    
    return False


def get_current_date_info() -> dict:
    """
    获取当前系统时间信息（用于注入到Prompt中）
    
    Returns:
        dict: 包含当前日期信息的字典
    """
    from datetime import datetime
    now = datetime.now()
    
    # 计算下个月的第一天
    if now.month == 12:
        # 如果是12月，下个月是下一年的1月
        next_month_start = datetime(now.year + 1, 1, 1).strftime("%Y-%m-%d")
    else:
        # 否则是当前年的下一个月
        next_month_start = datetime(now.year, now.month + 1, 1).strftime("%Y-%m-%d")
    
    return {
        "current_year": str(now.year),
        "current_month": str(now.month),
        "current_day": str(now.day),
        "current_date": now.strftime("%Y-%m-%d"),
        "current_datetime": now.strftime("%Y-%m-%d %H:%M:%S"),
        "last_year": str(now.year - 1),
        "next_year": str(now.year + 1),
        "next_month_start": next_month_start,
    }


# ========== 时间段统计类型识别 ==========

# 双时间段对比关键词
DUAL_TIME_COMPARISON_KEYWORDS = [
    "同比", "环比", "较上年", "比去年", "相比去年", "相比", "对比",
    "比", "较", "vs", "VS", "对比", "比较",
    "多多少", "少多少", "增加", "减少", "增长", "下降",
    "比...多", "比...少", "比...增加", "比...减少",
]

DUAL_TIME_COMPARISON_PATTERNS = [
    r"比.*[多少]",  # 比去年多、比去年少
    r"较.*[多少]",  # 较去年多
    r"相比.*[多少]",  # 相比去年多
    r"vs\s+",  # vs
    r"对比\s+",  # 对比
    r"year over year",  # 同比
    r"month over month",  # 环比
    r"compared to",  # 相比
    r"vs\.",  # vs.
]

# 多时间段关键词（3个及以上时间段）
MULTI_TIME_KEYWORDS = [
    "各年", "每年", "历年", "逐年",
    "各月", "每月", "各季度", "每季度",
    "分别", "分别统计",
]

MULTI_TIME_PATTERNS = [
    r"各[年月季度周天]",  # 各年、各月、各季度
    r"每[年月季度周天]",  # 每年、每月、每季度
    r"历年",  # 历年
    r"逐年",  # 逐年
    r"分别",  # 分别
    r"each\s+(year|month|quarter)",  # each year, each month
    r"per\s+(year|month|quarter)",  # per year, per month
]


def classify_time_aggregate_type(query: str) -> str:
    """
    分类时间统计查询类型
    
    类型：
    - "single": 单时间段统计（如"2024年发生的故障有多少？"）
    - "dual": 双时间段统计（如"今年比去年多吗？"、"25年异常同比减少多少？"）
    - "multi": 多时间段统计（如"2023、2024、2025年的故障数"、"各年的故障数"）
    
    Args:
        query: 用户查询字符串
        
    Returns:
        str: 时间段统计类型（"single"、"dual"、"multi"）
    """
    if not query:
        return "single"
    
    q = query.strip()
    lower_q = q.lower()
    
    # 1. 检查是否为多时间段统计
    for kw in MULTI_TIME_KEYWORDS:
        if kw in q:
            return "multi"
    
    for pat in MULTI_TIME_PATTERNS:
        if re.search(pat, q) or re.search(pat, lower_q):
            return "multi"
    
    # 检查是否包含多个明确的时间段（如"2023、2024、2025年"）
    # 匹配多个年份或时间段
    year_matches = len(re.findall(r"\d{4}年|\d{2}年", q))
    if year_matches >= 2:
        # 检查是否有对比关键词，如果没有，可能是多时间段
        has_comparison = False
        for kw in DUAL_TIME_COMPARISON_KEYWORDS:
            if kw in q:
                has_comparison = True
                break
        if not has_comparison and year_matches >= 2:
            return "multi"
    
    # 2. 检查是否为双时间段统计
    for kw in DUAL_TIME_COMPARISON_KEYWORDS:
        if kw in q:
            return "dual"
    
    for pat in DUAL_TIME_COMPARISON_PATTERNS:
        if re.search(pat, q) or re.search(pat, lower_q):
            return "dual"
    
    # 3. 默认返回单时间段统计
    return "single"