"""성능지표 #4 시험 데이터 예시를 성적서 형식으로 출력한다.

전 차수 성적서(GERI `GERIR.CE.2511-02.009`) 12페이지 "1. 데이터 준비" 는
비표절/표절 데이터를 각각 첫 건과 마지막 건만 `{line_number, original_text}`
형태로 싣고 중간을 `...` 로 생략한 뒤 총 건수를 적는다. 그 형식으로 낸다.

시험셋(`pairs.jsonl`)의 실제 레코드를 읽으며, 데이터를 새로 만들지 않는다.
표절 데이터의 `original_text` 는 변형이 적용된 질의문(`derived_text`)이다.
판정 대상이 되는 글이 곧 그것이기 때문이다.

사용:
    python scripts/show_plagiarism_samples.py
    python scripts/show_plagiarism_samples.py --head 2 --tail 2
    python scripts/show_plagiarism_samples.py --max-chars 300 --out samples.txt
"""
from __future__ import annotations

import argparse
import json
from pathlib import Path


def load(testset: Path) -> tuple[list[dict], list[dict]]:
    rows = [json.loads(line) for line
            in (testset / "pairs.jsonl").read_text(encoding="utf-8").splitlines()
            if line.strip()]
    legitimate = [r for r in rows if not r["is_plagiarism"]]
    plagiarism = [r for r in rows if r["is_plagiarism"]]
    return legitimate, plagiarism


def record(line_number: int, text: str, max_chars: int | None) -> list[str]:
    body = " ".join(text.split())          # 줄바꿈·연속 공백 정리
    if max_chars and len(body) > max_chars:
        body = body[:max_chars] + " …"
    return [
        "  {",
        '    "line_number": %d,' % line_number,
        '    "original_text": "%s",' % body,
        "  },",
    ]


def block(label: str, rows: list[dict], head: int, tail: int,
          max_chars: int | None) -> list[str]:
    total = len(rows)
    lines = ["%s 데이터 예시 :" % label]

    indices = list(range(min(head, total)))
    tail_start = max(len(indices), total - tail)
    indices += list(range(tail_start, total))

    previous = -1
    for i in indices:
        if previous >= 0 and i != previous + 1:
            lines.append("...")
        lines.extend(record(i + 1, rows[i]["derived_text"], max_chars))
        previous = i

    lines.append("")
    lines.append("%s 데이터 총 %d건" % (label, total))
    return lines


def main() -> int:
    parser = argparse.ArgumentParser(description=__doc__)
    parser.add_argument("--testset", type=Path, default=Path("data/eval/testset_v2"))
    parser.add_argument("--head", type=int, default=1, help="앞에서 N건")
    parser.add_argument("--tail", type=int, default=1, help="뒤에서 N건")
    parser.add_argument("--max-chars", type=int, default=None,
                        help="본문 길이 제한 (미지정 시 전문)")
    parser.add_argument("--out", help="파일로 저장 (미지정 시 표준출력)")
    args = parser.parse_args()

    legitimate, plagiarism = load(args.testset)

    lines = ["1. 데이터 준비"]
    lines.extend(block("비표절", legitimate, args.head, args.tail, args.max_chars))
    lines.append("")
    lines.extend(block("표절", plagiarism, args.head, args.tail, args.max_chars))
    lines.append("전체 데이터 총 %d건" % (len(legitimate) + len(plagiarism)))

    text = "\n".join(lines)
    if args.out:
        Path(args.out).write_text(text + "\n", encoding="utf-8")
        print("%s 에 기록" % args.out)
    else:
        print(text)
    return 0


if __name__ == "__main__":
    raise SystemExit(main())