"""
自动分块策略

根据文件类型自动选择最佳分块器。
参考 Dify 的 auto 分块模式。
"""
import logging
from typing import Dict, Any, List, Optional

from .base import BaseChunker, ChunkResult

logger = logging.getLogger(__name__)

# 文件类型 → 推荐分块策略
FILE_TYPE_STRATEGY_MAP = {
    # Markdown 文件使用 Markdown 分块器
    'md': 'markdown',
    'markdown': 'markdown',
    # 代码文件使用按句子分块（按行/语句边界）
    'py': 'sentence',
    'js': 'sentence',
    'ts': 'sentence',
    'java': 'sentence',
    'go': 'sentence',
    'rs': 'sentence',
    'c': 'sentence',
    'cpp': 'sentence',
    'h': 'sentence',
    # 纯文本使用按句子分块
    'txt': 'sentence',
    # CSV/Excel 使用固定大小（表格数据按行分割更合理）
    'csv': 'fixed',
    'xlsx': 'fixed',
    'xls': 'fixed',
    # HTML 使用 Markdown 分块器（HTML 结构类似）
    'html': 'markdown',
    'htm': 'markdown',
    # 其他文档类型使用递归分块
    'pdf': 'recursive',
    'docx': 'recursive',
    'doc': 'recursive',
    'pptx': 'recursive',
    'ppt': 'recursive',
}


class AutoChunker(BaseChunker):
    """
    自动分块器

    根据文档的文件类型自动选择最佳分块策略。
    metadata 中需要包含 'file_type' 字段。
    """

    def chunk(self, text: str, metadata: Dict[str, Any] = None) -> List[ChunkResult]:
        """自动选择分块策略并执行"""
        if not text or not text.strip():
            return []

        metadata = metadata or {}
        file_type = metadata.get('file_type', '').lower().lstrip('.')

        # 根据文件类型选择策略
        strategy = FILE_TYPE_STRATEGY_MAP.get(file_type, 'recursive')

        logger.info(f"AutoChunker: file_type={file_type} → strategy={strategy}")

        # 动态创建对应的分块器
        chunker = self._get_chunker(strategy)
        return chunker.chunk(text, metadata)

    def _get_chunker(self, strategy: str) -> BaseChunker:
        """获取对应策略的分块器实例"""
        from .recursive import RecursiveChunker
        from .markdown import MarkdownChunker
        from .fixed import FixedChunker
        from .sentence import SentenceChunker

        chunkers = {
            'recursive': RecursiveChunker,
            'markdown': MarkdownChunker,
            'fixed': FixedChunker,
            'sentence': SentenceChunker,
        }
        cls = chunkers.get(strategy, RecursiveChunker)
        return cls(
            chunk_size=self.chunk_size,
            chunk_overlap=self.chunk_overlap,
            separator=self.separator,
        )