"""MinHash LSH для нечёткого поиска похожих документов.

Позволяет быстро находить документы с похожим содержимым
без точного сравнения всех пар.
"""

import logging

from datasketch import MinHash, MinHashLSH

logger = logging.getLogger(__name__)

# Параметры MinHash LSH
LSH_THRESHOLD = 0.5  # Минимальная схожесть для включения в результаты
LSH_NUM_PERM = 128  # Количество хэш-функций (точность vs память)

# Глобальный LSH индекс (in-memory)
_lsh: MinHashLSH | None = None


def get_lsh() -> MinHashLSH:
    """Получить или создать глобальный LSH индекс."""
    global _lsh
    if _lsh is None:
        _lsh = MinHashLSH(threshold=LSH_THRESHOLD, num_perm=LSH_NUM_PERM)
        logger.info("MinHash LSH индекс создан")
    return _lsh


def get_shingles(text: str, k: int = 3) -> set[str]:
    """
    Получить k-слоговые шинглы из текста.

    Args:
        text: Исходный текст
        k: Размер шингла (количество слов)

    Returns:
        Множество шинглов
    """
    words = text.lower().split()
    if len(words) < k:
        return {" ".join(words)} if words else set()
    return {" ".join(words[i : i + k]) for i in range(len(words) - k + 1)}


def text_to_minhash(text: str) -> MinHash:
    """
    Создать MinHash подпись для текста.

    Args:
        text: Исходный текст

    Returns:
        MinHash объект
    """
    m = MinHash(num_perm=LSH_NUM_PERM)
    for shingle in get_shingles(text):
        m.update(shingle.encode("utf-8"))
    return m


def add_to_lsh(doc_key: str, text: str) -> None:
    """
    Добавить документ в LSH индекс.

    Args:
        doc_key: Уникальный ключ документа (например, "doc:{id}")
        text: Текст документа
    """
    lsh = get_lsh()
    m = text_to_minhash(text)
    try:
        lsh.insert(doc_key, m)
    except ValueError:
        # Документ уже в индексе — игнорируем
        pass


def find_similar(text: str) -> list[str]:
    """
    Найти похожие документы в LSH индексе.

    Args:
        text: Текст для поиска похожих

    Returns:
        Список ключей похожих документов
    """
    lsh = get_lsh()
    m = text_to_minhash(text)
    try:
        return lsh.query(m)
    except Exception as e:
        logger.warning(f"Ошибка запроса к MinHash LSH: {e}")
        return []


def compute_jaccard_minhash(text_a: str, text_b: str) -> float:
    """
    Оценить схожесть двух текстов через MinHash Jaccard.

    Args:
        text_a: Первый текст
        text_b: Второй текст

    Returns:
        Оценка схожести Жаккара через MinHash
    """
    m_a = text_to_minhash(text_a)
    m_b = text_to_minhash(text_b)
    return m_a.jaccard(m_b)


def reset_lsh() -> None:
    """Сбросить LSH индекс (для тестов)."""
    global _lsh
    _lsh = None