#!/usr/bin/env python3
"""Ищет гендерно-зависимые обращения к читателю в главе Книги Монтана.

Использование:
    python3 gender_check.py "/путь/к/главе.md"

Возвращает код 0 если нарушений нет, 1 если есть.

Логика через pymorphy3:
1. VERB прошедшего времени мужского рода — блокер, только если «ты» идёт в том же
   предложении и в пределах 3 токенов до глагола (схема «ты успел подумать»).
   Иначе глагол описывает другого субъекта (например, «Клод сформулировал»).
2. Полные прилагательные (ADJF) и полные причастия (PRTF) мужского рода — блокер
   только в именительном падеже и только в окне ±2 токенов от «ты»
   (схема «Ты — единственный», «другой ты»). В косвенных падежах они почти всегда
   описывают существительное м.р. в предложении («в этот момент», «этому сну»), а
   не читателя.
3. Краткие прилагательные (ADJS) и краткие причастия (PRTS) мужского рода — блокер,
   если «ты» есть в предложении (схема «ты готов», «ты уверен», «ты покинут»).
4. Местоимения (NPRO) не проверяются — они согласуются с существительным,
   не с обращением.
5. Существительные (NOUN) не проверяются — свой род имеют по лексеме.

Омонимы (слова с разборами и masc, и femn) пропускаются — даём шанс контексту.
"""
import re
import sys
from pathlib import Path

import pymorphy3

MORPH = pymorphy3.MorphAnalyzer()

READER = {"ты", "тебя", "тебе", "тобой", "тобою"}
WORD_RE = re.compile(r"[А-Яа-яЁё]+")

# Относительные местоимения, которые pymorphy3 классифицирует как ADJF,
# но функционально они описывают антецедент, а не читателя.
RELATIVE_PRONOUNS = {
    "который", "которая", "которое", "которые",
    "которого", "которой", "которых",
    "которому", "которым", "которыми", "которому",
    "котором", "которой",
    "тот", "та", "то", "те", "того", "той", "тех",
    "этот", "эта", "это", "эти", "этого", "этой", "этих",
    "такой", "такая", "такое", "такие",
    "всякий", "каждый", "любой", "иной", "сам",
    "мой", "твой", "свой", "наш", "ваш", "его", "её", "их",
}


def analyse(word: str):
    """Возвращает словарь-справку по разборам слова.
    Ключи — POS, значения — dict с флагами:
      has_masc_nomn: есть разбор этого POS, в котором masc + nomn (подходящий для обращения)
      has_masc_past: есть разбор VERB с past + masc
      has_masc_short: для ADJS/PRTS — есть разбор masc
      has_verb_past_any: есть VERB past любого рода (для различения омонима с NOUN)
    Разные формы одной лексемы имеют разные разборы; если хотя бы одна форма
    «masc+nomn» или «masc+past» подходит — форма потенциально гендерно-зависима."""
    parses = MORPH.parse(word.lower())
    found = {}
    for p in parses:
        pos = p.tag.POS
        if pos is None:
            continue
        entry = found.setdefault(pos, dict(masc_nomn=False, masc_past=False, masc_short=False))
        if "masc" in p.tag and "nomn" in p.tag:
            entry["masc_nomn"] = True
        if pos == "VERB" and "past" in p.tag and "masc" in p.tag:
            entry["masc_past"] = True
        if pos in ("ADJS", "PRTS") and "masc" in p.tag:
            entry["masc_short"] = True
    return found


def split_sentences(text: str):
    cleaned = re.sub(r"[*_`#>|]+", " ", text)
    out = []
    for paragraph in re.split(r"\n\n+", cleaned):
        for sent in re.split(r"(?<=[.!?])\s+", paragraph):
            sent = sent.strip()
            if sent:
                out.append(sent)
    return out


def scan_sentence(sent: str):
    tokens = [(m.start(), m.group()) for m in WORD_RE.finditer(sent)]
    lower = [t[1].lower() for t in tokens]
    reader_idxs = [i for i, w in enumerate(lower) if w in READER]
    if not reader_idxs:
        return []

    hits = []
    for i, (_, word) in enumerate(tokens):
        if lower[i] in READER:
            continue
        parses = analyse(word)

        # 1. Краткие прил/причастия м.р. — ловим в любом месте предложения
        reported = False
        for pos_name in ("ADJS", "PRTS"):
            info = parses.get(pos_name)
            if info and info["masc_short"]:
                hits.append((word, pos_name, "ты + краткое прил/прич м.р."))
                reported = True
                break
        if reported:
            continue

        # 2. VERB past masc — только если «ты» в пределах 3 токенов назад
        v = parses.get("VERB")
        if v and v["masc_past"]:
            near_before = any(0 < (i - ri) <= 3 for ri in reader_idxs)
            if near_before:
                hits.append((word, "VERB", "ты перед глаголом прошедшего м.р."))
                continue

        # 3. ADJF / PRTF масculine в именительном падеже + окно ±2 от «ты»
        if lower[i] in RELATIVE_PRONOUNS:
            continue
        # Эвристика: если следующий токен — существительное м.р. в им.п.,
        # прилагательное согласовано с ним, а не с «ты».
        # Исключение: если между «ты» и прил. есть тире/двоеточие/"это" —
        # именное сказуемое («Ты — единственный носитель»), проверяем.
        next_is_masc_noun = False
        if i + 1 < len(tokens):
            next_word = tokens[i + 1][1]
            for p in MORPH.parse(next_word.lower()):
                if p.tag.POS == "NOUN" and "masc" in p.tag and "nomn" in p.tag:
                    next_is_masc_noun = True
                    break
        predication_marker = False
        for ri in reader_idxs:
            if ri >= i:
                continue
            start = tokens[ri][0] + len(tokens[ri][1])
            end = tokens[i][0]
            between = sent[start:end]
            if "—" in between or "–" in between or ":" in between:
                predication_marker = True
                break
        if next_is_masc_noun and not predication_marker:
            continue
        for pos_name in ("ADJF", "PRTF"):
            info = parses.get(pos_name)
            if not info or not info["masc_nomn"]:
                continue
            # В именной группе после тире/двоеточия увеличиваем окно до 4 токенов,
            # чтобы поймать перечисление: «Ты — другой, живой, дышащий».
            window = 4 if predication_marker else 2
            near = any(abs(i - ri) <= window for ri in reader_idxs)
            if near:
                hits.append((word, pos_name, "ты + прил/прич м.р. в именит. рядом"))
                break

    return hits


def find_line(text: str, sent: str) -> int:
    marker = sent[:50].strip()
    if not marker:
        return 0
    key = marker[:25]
    for i, line in enumerate(text.split("\n"), 1):
        if key in line:
            return i
    return 0


def check_file(path: Path):
    text = path.read_text(encoding="utf-8")
    hits = []
    for sent in split_sentences(text):
        for word, pos, reason in scan_sentence(sent):
            line = find_line(text, sent)
            hits.append((line, word, pos, reason, sent[:180]))
    return hits


def main():
    if len(sys.argv) != 2:
        print("usage: gender_check.py <path.md>", file=sys.stderr)
        sys.exit(2)
    path = Path(sys.argv[1])
    if not path.exists():
        print(f"not found: {path}", file=sys.stderr)
        sys.exit(2)

    hits = check_file(path)
    if not hits:
        print(f"OK: {path.name} — гендерно-зависимых обращений к читателю не найдено")
        sys.exit(0)

    print(f"БЛОКЕРОВ: {len(hits)}")
    prev = None
    for line, word, pos, reason, ctx in hits:
        if (line, ctx) != prev:
            print(f"\nстрока {line}: {ctx}")
            prev = (line, ctx)
        print(f"  → {word!r} [{pos}] — {reason}")
    sys.exit(1)


if __name__ == "__main__":
    main()