"""Разбиение текста документа на фрагменты для проверки плагиата — чистая логика.

Скользящее окно по словам с перекрытием. Вынесено из Celery-задачи, чтобы
границы фрагментов (от них зависит, что именно проверяется на плагиат) можно
было тестировать изолированно.
"""

from typing import Any


def split_into_fragments(
    text: str,
    window: int = 200,
    overlap: int = 50,
) -> list[dict[str, Any]]:
    """Разбить текст на фрагменты скользящим окном с перекрытием.

    Args:
        text: Исходный текст
        window: Размер окна в словах
        overlap: Перекрытие между соседними фрагментами в словах

    Returns:
        Список словарей {"text": str, "start": int, "end": int}, где start/end —
        позиции в символах. Фрагменты короче 20 слов отбрасываются.
    """
    words = text.split()
    if not words:
        return []

    fragments: list[dict[str, Any]] = []
    step = window - overlap

    # Позиция первого символа каждого слова (слова разделены одним пробелом)
    char_positions = []
    pos = 0
    for word in words:
        char_positions.append(pos)
        pos += len(word) + 1  # +1 для пробела

    for i in range(0, max(1, len(words) - window + 1), step):
        chunk_words = words[i : i + window]
        if len(chunk_words) < 20:  # слишком короткий фрагмент — пропустить
            continue

        start_char = char_positions[i]
        end_idx = min(i + window - 1, len(words) - 1)
        end_char = char_positions[end_idx] + len(words[end_idx])

        fragments.append({
            "text": " ".join(chunk_words),
            "start": start_char,
            "end": end_char,
        })

    return fragments