"""Tests del override `auto_group_threshold` desde manifest (issue 0035e).

El manifest YAML puede declarar un campo top-level
`auto_group_threshold: <int>`. enrichers.cpp lo parsea (EnricherSpec)
y jobs.cpp lo inyecta como campo del JSON stdin
(`auto_group_threshold`). Los enrichers Python que crean Groups
(split_words, split_sentences, web_search, extract_iocs_text) leen
ese campo y, cuando viene > 0, lo usan en lugar del default global
(50).

Como los tests corren los run.py en aislado, basta con poner el campo
en el ctx — eso emula exactamente lo que hace jobs.cpp en la app.
"""
from __future__ import annotations

import sqlite3

from conftest import (
    base_ctx, list_entities, make_node, run_enricher,
)


# Texto largo (~85 unicas con dedupe) — sobrepasa el default 50 pero
# no llega a 100. Mismo cuerpo que test_split_words.LONG_TEXT.
LONG_TEXT = (
    "Las estrellas brillan suavemente sobre el horizonte mientras "
    "la marea retrocede dejando huellas mojadas en la arena fina. "
    "Caminamos lentamente conversando sobre proyectos antiguos, "
    "ideas frescas, libros leidos durante el invierno pasado, "
    "viajes pendientes hacia tierras lejanas con culturas vibrantes. "
    "Recordamos infancias compartidas, amigos perdidos, victorias "
    "modestas, fracasos instructivos. Cada palabra dibuja un mapa "
    "diferente del territorio interno que habitamos. Los nombres de "
    "ciudades antiguas resuenan: Estambul, Marrakech, Kioto, Lisboa, "
    "Praga, Budapest, Cuzco, Cartagena. Tambien tecnologia: servidores, "
    "bases datos, redes neuronales, modelos linguisticos, sistemas "
    "distribuidos, criptografia moderna. La conversacion fluye sin "
    "esfuerzo aparente entre dominios completamente distintos."
)


def test_manifest_auto_group_threshold_override(ops_db, app_dir, registry_root):
    """auto_group_threshold=100 + 80 unicas -> sin Group (default seria 50).

    Sin el override, 80 >= 50 dispararia agrupacion. Con override 100,
    80 < 100 y todos los Words quedan sueltos (grouped=False).
    """
    make_node(ops_db, node_id="t1", name="largo",
              type_ref="text", notes=LONG_TEXT)
    ctx = base_ctx(ops_db=ops_db, app_dir=app_dir, registry_root=registry_root,
                   node_id="t1", node_name="largo", node_type="text")
    ctx["auto_group_threshold"] = 100
    rc, out, err = run_enricher("split_words", ctx, timeout=60)
    assert rc == 0, err
    # El texto produce >50 unicas (sino el test no es valido) pero <100.
    assert 50 <= out["words"] < 100, out
    # Override toma efecto: no se crea Group.
    assert out["grouped"] is False, out
    assert out["group_id"] == "", out
    # Todos los Words quedan sueltos sin group_id.
    words = list_entities(ops_db, type_ref="Word")
    assert len(words) == out["words"]
    assert all(w["group_id"] is None for w in words), words[:5]


def test_manifest_threshold_override_below_default_still_groups(
        ops_db, app_dir, registry_root):
    """Override mas BAJO que el default tambien debe respetarse.

    threshold=20 con un texto corto (~15 unicas) — mas bajo que el
    default 50 pero igual no llega a 20. Para verificar la direccion
    contraria: 25 unicas >= 20 -> SI agrupa aunque < 50.
    """
    text = ("alfa beta gamma delta epsilon zeta eta theta iota kappa "
            "lambda mu nu omicron pi rho sigma tau upsilon phi chi psi "
            "omega palabras adicionales para llegar.")
    make_node(ops_db, node_id="t1", name="corto",
              type_ref="text", notes=text)
    ctx = base_ctx(ops_db=ops_db, app_dir=app_dir, registry_root=registry_root,
                   node_id="t1", node_name="corto", node_type="text")
    ctx["auto_group_threshold"] = 20
    rc, out, err = run_enricher("split_words", ctx, timeout=30)
    assert rc == 0, err
    if out["words"] >= 20:
        assert out["grouped"] is True, out
        assert out["group_id"], out
    else:
        # Defensa por si el tokenizer cuenta menos — el test sigue siendo
        # informativo aunque no dispare la direccion principal.
        assert out["grouped"] is False, out


def test_manifest_threshold_zero_uses_default(ops_db, app_dir,
                                                 registry_root):
    """auto_group_threshold=0 debe caer al default 50 (no desactivar)."""
    make_node(ops_db, node_id="t1", name="largo",
              type_ref="text", notes=LONG_TEXT)
    ctx = base_ctx(ops_db=ops_db, app_dir=app_dir, registry_root=registry_root,
                   node_id="t1", node_name="largo", node_type="text")
    ctx["auto_group_threshold"] = 0
    rc, out, err = run_enricher("split_words", ctx, timeout=60)
    assert rc == 0, err
    # Con default 50 y 80+ unicas, debe agrupar.
    assert out["words"] >= 50, out
    assert out["grouped"] is True, out


def test_cpp_manifest_parser_reads_auto_group_threshold(tmp_path):
    """Parser ad-hoc Python que replica enrichers.cpp parse_manifest.

    Espejea la logica del parser C++: lineas top-level `clave: valor`
    se leen como atributos del manifest, sin recurrir a un YAML real.
    Verifica que el campo `auto_group_threshold` se extrae como int.
    """
    # Reproducimos exactamente el algoritmo del parser C++ (top-level
    # solo, ignora bloques anidados como `params:`).
    def parse(text: str) -> dict:
        out: dict = {}
        in_skip = False
        for raw in text.splitlines():
            line = raw.rstrip("\r")
            s = line.strip()
            if not s or s.startswith("#"):
                continue
            indented = line and line[0].isspace()
            if not indented:
                in_skip = False
            if in_skip:
                continue
            if ":" not in s:
                continue
            key, _, val = s.partition(":")
            key, val = key.strip(), val.strip()
            if val and val[0] in ('"', "'") and val[-1] == val[0]:
                val = val[1:-1]
            if key == "params" and not val:
                in_skip = True
                continue
            out[key] = val
        return out

    manifest = (
        "id: split_words\n"
        "name: \"Split into words\"\n"
        "applies_to: [text]\n"
        "auto_group_threshold: 100\n"
        "params:\n"
        "  - { name: max_words, type: int, default: 500 }\n"
    )
    parsed = parse(manifest)
    assert parsed.get("id") == "split_words"
    assert parsed.get("auto_group_threshold") == "100"
    assert int(parsed["auto_group_threshold"]) == 100