// 不直接 import @node-rs/jieba：它的运行时平台探测和 __dirname 词典加载
// 在 `bun build --compile` 之后都失效，原因见 vendor/jieba.ts
import { withBuiltinDict, type JiebaInstance } from "../vendor/jieba"

/**
 * 流程图评语词云的分词。对齐旧后端 `flowchart/views/admin.py` 的
 * STOPWORDS / CUSTOM_WORDS / _build_word_frequencies 三段。
 *
 * 停用词表逐词照搬，改一个词就会让词云和旧后端对不上 —— 教师是拿它横向比不同班级的，
 * 词表变了历史截图就没法比。
 */
const STOPWORDS = new Set(
  (
    "的 了 是 在 和 有 就 不 也 都 要 会 这 那 到 说 上 为 与 及 等 " +
    "把 被 从 而 所 但 如 又 或 很 更 还 让 对 已 向 只 能 以 中 可以 " +
    "可能 需要 没有 使用 进行 注意 建议 应该 考虑 整体 基本 部分 " +
    "一个 一些 一下 一定 一种 这个 所有 其他 比较 存在 明确 " +
    "正确 良好 清晰 合理 较好 不错 符合 标准 "
  )
    .split(" ")
    .filter(Boolean),
)

const CUSTOM_WORDS = [
  "循环结构",
  "条件判断",
  "判断条件",
  "结束条件",
  "循环条件",
  "异常处理",
  "边界条件",
  "输入输出",
  "输入验证",
  "开始结束",
  "结束节点",
  "开始节点",
  "判断节点",
  "流程走向",
  "逻辑错误",
  "逻辑缺陷",
  "逻辑不清",
  "缺少分支",
  "缺少步骤",
  "缺少判断",
  "缺少循环",
  "死循环",
  "无限循环",
  "循环出口",
  "循环体",
  "条件分支",
  "分支结构",
  "分支不全",
  "分支缺失",
  "符号使用",
  "符号不规范",
  "连线混乱",
  "变量初始化",
  "赋值操作",
  "累加操作",
  "终止条件",
  "退出条件",
  "返回值",
]

/**
 * 词典加载有一次性开销（约 100ms），放在模块级会拖慢 API 冷启动，
 * 而词云只有教师偶尔点一次。改成首次调用时才建。
 */
let instance: Promise<JiebaInstance> | null = null

function jieba() {
  // 缓存 Promise 而不是结果：并发进来两个请求也只会建一次词典
  if (instance) return instance
  instance = (async () => {
    const built = await withBuiltinDict()
    // 对应旧后端的 jieba.add_word(w, freq=9999)。
    // @node-rs/jieba@2 没有导出 insertWord/addWord，改用用户词典缓冲区，格式为「词 词频」。
    built.loadDict(
      Buffer.from(CUSTOM_WORDS.map((word) => `${word} 9999`).join("\n") + "\n"),
    )
    return built
  })()
  return instance
}

export async function buildWordFrequencies(texts: string[], topN = 80) {
  const counter = new Map<string, number>()
  const cutter = await jieba()
  for (const raw of texts) {
    const text = raw.replaceAll("【重点】", "")
    for (const token of cutter.cut(text)) {
      const word = token.trim()
      if (word.length < 2 || STOPWORDS.has(word)) continue
      counter.set(word, (counter.get(word) ?? 0) + 1)
    }
  }
  return [...counter]
    .sort((a, b) => b[1] - a[1])
    .slice(0, topN)
    .map(([word, count]) => ({ word, count }))
}