import json
import stanza
protsendipiir=10
sisendtekstifail="/home/juku/oma/23/06/m2-corpus-main/test/margendusega/A2.txt"
with open("/home/juku/oma/23/03/kolmikud/v2/osakaalud_koik_ees.txt") as f1:
  osakaalud_ees=json.load(f1)
with open("/home/juku/oma/23/03/kolmikud/v2/osakaalud_koik_taga.txt") as f1:
  osakaalud_taga=json.load(f1)
sisend=open(sisendtekstifail, encoding="utf-8").readlines()
sisend=[rida.strip() for rida in sisend]
nlp=stanza.Pipeline(lang="et", processors="tokenize,pos")
parandused=[]
for rida in sisend[:30]:
    if rida.startswith("S "):
        print(rida)
        kolmikud=[]
        parandused=[]
        dok=nlp(rida[2:])
        jada="".join([sona.xpos for sona in  dok.sentences[0].words])+"$"
        koht=0
        print(jada)
        while koht<len(jada)-2:
          if jada[koht]!='Z':
             abi=koht
             kolmik=""
             while len(kolmik)<3 and abi<len(jada)-1:
                if jada[abi]!='Z':
                  kolmik+=jada[abi]
                abi+=1
             kolmikuots=abi
             if len(kolmik)==3:
                while jada[abi]=="Z": abi+=1
                taga=jada[abi]
                otsakoht=abi+1
                abi=koht-1                
                while abi>=0 and jada[abi]=='Z': abi-=1
                if abi>=0: 
                    ees=jada[abi]
                    alguskoht=abi
                else: 
                    ees="^"
                    alguskoht=0
                kommentaar="-"
                eesprotsent=0
                if kolmik in osakaalud_ees:
                    if ees in osakaalud_ees[kolmik]:
                        eesprotsent=osakaalud_ees[kolmik][ees][1]
                    else:
                        kommentaar+=" puuduv eeskontekst"
                else:
                    kommentaar+=" puuduv eeskonteksti kolmik"  
                kolmikud.append([alguskoht, kolmikuots, eesprotsent<protsendipiir, kolmik, "ees", ees, eesprotsent, kommentaar])                  
                kommentaar="-"
                tagaprotsent=0
                if kolmik in osakaalud_taga:
                    if taga in osakaalud_taga[kolmik]:
                        tagaprotsent=osakaalud_taga[kolmik][taga][1]
                    else:
                        kommentaar+=" puuduv tagakontekst"
                else:
                    kommentaar+=" puuduv taga kolmik"                    
                kolmikud.append([koht, otsakoht, tagaprotsent<protsendipiir, kolmik, "taga", taga, tagaprotsent, kommentaar])                  
          koht+=1
        print(kolmikud)
    if rida.startswith("A"):
        m=rida[2:].split("|||")
        alates, kuni=map(int, m[0].split())
        parandused.append([alates, kuni, m[1], m[5]])
    if len(rida.strip())==0: print(parandused)