"""39개 침해 케이스 커버리지 갭 분석 (계획서 2단계 정밀도 97% 근거).

목적: 현재 표절 탐지 엔진이 자동 판별 가능한 케이스(detectable_internal=True) 중,
평가/학습 샘플이 확보된 케이스와 그렇지 않은 케이스를 구분해 컴북스에 요청할
데이터의 '케이스 단위 갭'을 산출한다. (정밀도 97% 달성은 케이스 커버리지가 전제)

상태 분류:
  - covered            : 탐지 대상 + 평가 샘플 보유
  - detectable_no_data : 탐지 대상이나 샘플 없음  → 데이터 요청 대상
  - out_of_engine_scope: 탐지 모듈 범위 밖(운영/약관/유족 등) → 데이터 불필요
"""

from __future__ import annotations

from dataclasses import dataclass


@dataclass
class CaseCoverage:
    case_id: str
    subgroup: str
    actor: str
    detectable: bool
    sample_count: int
    status: str


def analyze_coverage(cases: list, case_sample_counts: dict[str, int] | None = None) -> dict:
    """taxonomy 케이스 + (옵션) 케이스별 보유 샘플 수 → 커버리지 리포트.

    cases: Taxonomy.cases (case_id/subgroup/actor/detectable_internal 속성 보유)
    case_sample_counts: {case_id: 보유 샘플 수}. None 이면 모두 0(=데이터 미보유)으로 간주.
    """
    counts = case_sample_counts or {}
    rows: list[CaseCoverage] = []
    for c in cases:
        n = counts.get(c.case_id, 0)
        if not c.detectable_internal:
            status = "out_of_engine_scope"
        elif n > 0:
            status = "covered"
        else:
            status = "detectable_no_data"
        rows.append(CaseCoverage(
            case_id=c.case_id, subgroup=c.subgroup, actor=c.actor,
            detectable=c.detectable_internal, sample_count=n, status=status,
        ))

    detectable = [r for r in rows if r.detectable]
    covered = [r for r in detectable if r.status == "covered"]
    need_data = [r for r in detectable if r.status == "detectable_no_data"]

    return {
        "total_cases": len(rows),
        "detectable_cases": len(detectable),
        "covered_cases": len(covered),
        "need_data_cases": len(need_data),
        "coverage_ratio": round(len(covered) / len(detectable), 4) if detectable else 0.0,
        "rows": rows,
        "data_request_list": [
            {"case_id": r.case_id, "subgroup": r.subgroup, "actor": r.actor}
            for r in need_data
        ],
    }