import json
import stanza
fnimi="C1"
sisendtekstifail="/home/juku/oma/23/06/m2-corpus-main/test/margendusega/"+fnimi+".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]+[""]
while sisend[0]=="": sisend.pop(0)
nlp=stanza.Pipeline(lang="et", processors="tokenize,pos")

def yhenda(kolmikud, parandused):
    v=[]
    for kolmik in kolmikud:
        if kolmik[2]:
          k=kolmik[:]+[[]]
          for parandus in parandused:
             if parandus[0]>=kolmik[0] and parandus[1]<=kolmik[1]:
                k[-1].append(parandus[:]+["tervik"])
             if parandus[0]<kolmik[0] and parandus[1]>kolmik[0] and parandus[1]<=kolmik[1]:
                k[-1].append(parandus[:]+["osaline ees"])
             if parandus[0]>=kolmik[0] and parandus[0]<=kolmik[0] and parandus[1]>kolmik[1]:
                k[-1].append(parandus[:]+["osaline taga"])
          v.append(k)
    return v

def paranduseKolmikud(parandused, kolmikud):
    v=[]
    for parandus in parandused:
      if parandus[-1]=="0":
#      if 1==1:
        p=parandus[:]+[[]]
        for kolmik in kolmikud:
            if kolmik[2]:
             if parandus[0]>=kolmik[0] and parandus[1]<=kolmik[1]:
                p[-1].append(kolmik[:]+[parandus]+["tervik"])
             if parandus[0]<kolmik[0] and parandus[1]>kolmik[0] and parandus[1]<=kolmik[1]:
                p[-1].append(kolmik[:]+[parandus]+["osaline ees"])
             if parandus[0]>=kolmik[0] and parandus[0]<=kolmik[0] and parandus[1]>kolmik[1]:
                p[-1].append(kolmik[:]+[parandus]+["osaline taga"])
             if parandus[0]<kolmik[0] and parandus[1]>kolmik[1]:
                p[-1].append(kolmik[:]+[parandus]+["kolmik paranduses"])
        v.append(p)
 #   print(parandused, kolmikud, v)
    return v

for protsendipiir in [1, 2, 5, 10, 15, 100]:
 parandusi=0
 neistleitud=0
 parandustehoidla={}
 for rida in sisend:
    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, ees+">"+kolmik, "ees", ees, eesprotsent, kommentaar, rida])                  
                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", taga, tagaprotsent, kommentaar, rida])                  
          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: 
        pkd=paranduseKolmikud(parandused, kolmikud)
        #print(pkd)
#        for pk in pkd:
#            print(*pk[:4])
#            for k in pk[-1]:
#                print("   ", *k)
        for pk in pkd:
            parandusi+=1
            if len(pk[-1])>0: neistleitud+=1
        for pk in pkd:
            if pk[2] not in parandustehoidla:
                parandustehoidla[pk[2]]={"puudub":0,"olemas":0}
            if len(pk[-1])==0: parandustehoidla[pk[2]]["puudub"]+=1
            else: parandustehoidla[pk[2]]["olemas"]+=1
            for kolmik in pk[-1]:
                if kolmik[3] not in parandustehoidla[pk[2]]:
                     parandustehoidla[pk[2]][kolmik[3]]=[]
                parandustehoidla[pk[2]][kolmik[3]].append(kolmik)
        
 pvotmed=list(parandustehoidla.keys())
 for p in parandustehoidla:
    parandustehoidla[p]["kokku"]=parandustehoidla[p]["olemas"]+parandustehoidla[p]["puudub"]            
 pvotmed.sort(key=lambda k: -parandustehoidla[k]["kokku"])

 print(fnimi, protsendipiir)
 for veakood in pvotmed:
    print(veakood, parandustehoidla[veakood]["kokku"], parandustehoidla[veakood]["olemas"], parandustehoidla[veakood]["puudub"])
    kvotmed=list(parandustehoidla[veakood].keys())
    kvotmed.remove("kokku")
    kvotmed.remove("olemas")
    kvotmed.remove("puudub")
    kvotmed.sort(key=lambda k: -len(parandustehoidla[veakood][k]))
    for kvoti in kvotmed:
        print("  ",kvoti, len(parandustehoidla[veakood][kvoti]))
        for kolmik in parandustehoidla[veakood][kvoti]:
            print("      ", kolmik)