"""
TEST: Production-ready Trie với Word-Start Indexing
====================================================

Demo các tính năng mới:
1. Word-start indexing: Tìm keyword ở giữa câu
2. Top-K limiting: Performance ổn định
3. Normalize: Bỏ dấu tiếng Việt
"""

import sys
sys.path.append('src')

from search.trie import Trie


def demo_word_start_indexing():
    """Demo tính năng chính: Word-start indexing"""
    
    print("=" * 80)
    print("DEMO: WORD-START INDEXING")
    print("=" * 80)
    
    print("""
    WORD-START INDEXING LÀ GÌ?
    ---------------------------
    Thay vì chỉ index nguyên câu, ta index TẤT CẢ các phrase bắt đầu từ mỗi từ.
    
    Ví dụ: "làm sạch nhà vệ sinh"
    
    Index thành:
    ✓ "làm sạch nhà vệ sinh"    ← Prefix: làm
    ✓ "sạch nhà vệ sinh"        ← Prefix: sạch  
    ✓ "nhà vệ sinh"             ← Prefix: nhà
    ✓ "vệ sinh"                 ← Prefix: vệ
    
    → User gõ "nhà" hoặc "vệ" vẫn tìm được câu gốc!
    """)
    
    input("Nhấn Enter để xem demo...\n")
    
    # Tạo Trie với max_results=10
    trie = Trie(max_results=10)
    
    # Dữ liệu test
    documents = [
        ("làm sạch nhà vệ sinh", 0, 1.0),
        ("làm sạch văn phòng", 1, 0.9),
        ("lau kính cửa sổ", 2, 0.8),
        ("vệ sinh toilet", 3, 0.85),
    ]
    
    print("📥 BƯỚC 1: THÊM DOCUMENTS VỚI WORD-START INDEXING")
    print("-" * 80)
    
    for text, doc_id, score in documents:
        trie.insert(text, doc_id, score=score, index_word_starts=True)
        print(f"✓ [{doc_id}] {text} (score: {score})")
    
    print("\n🔍 BƯỚC 2: TEST TÌM KIẾM")
    print("-" * 80)
    
    test_cases = [
        ("làm", "Prefix match - bình thường"),
        ("sạch", "Word-start match - tìm ở GIỮA câu!"),
        ("nhà", "Word-start match - tìm ở GIỮA câu!"),
        ("vệ", "Word-start match - tìm 2 documents!"),
        ("vệ s", "Chính xác hơn"),
    ]
    
    for query, description in test_cases:
        print(f"\n🔎 Query: '{query}'")
        print(f"   ({description})")
        
        results = trie.search_prefix(query)
        
        if results:
            print(f"   ✓ Tìm thấy {len(results)} kết quả:")
            for doc_id, score in results:
                print(f"     [{doc_id}] {documents[doc_id][0]} (score: {score:.2f})")
        else:
            print(f"   ✗ Không tìm thấy")
    
    input("\n\nNhấn Enter tiếp...\n")


def demo_normalize():
    """Demo normalize tiếng Việt"""
    
    print("\n" + "=" * 80)
    print("DEMO: NORMALIZE - BỎ DẤU TIẾNG VIỆT")
    print("=" * 80)
    
    print("""
    NORMALIZE LÀ GÌ?
    ----------------
    Chuyển text về dạng không dấu để user có thể gõ linh hoạt.
    
    Ví dụ:
    - User gõ: "lam sach" (không dấu)
    - Vẫn tìm ra: "làm sạch" (có dấu)
    """)
    
    trie = Trie(max_results=10)
    
    # Thêm documents với normalize=True (mặc định)
    trie.insert("làm sạch nhà vệ sinh", 0, score=1.0, index_word_starts=True, normalize=True)
    trie.insert("lau kính cửa sổ", 1, score=0.9, index_word_starts=True, normalize=True)
    
    print("\n📥 Đã thêm documents (với normalize)")
    print("-" * 80)
    print("[0] làm sạch nhà vệ sinh")
    print("[1] lau kính cửa sổ")
    
    print("\n🔍 TEST: Gõ KHÔNG DẤU")
    print("-" * 80)
    
    test_queries = [
        ("lam", "Gõ không dấu 'lam'"),
        ("lam sach", "Gõ không dấu 'lam sach'"),
        ("ve sinh", "Gõ không dấu 've sinh'"),
        ("kinh", "Gõ không dấu 'kinh'"),
    ]
    
    for query, description in test_queries:
        print(f"\n🔎 Query: '{query}' ({description})")
        results = trie.search_prefix(query, normalize=True)
        
        if results:
            print(f"   ✓ Tìm thấy {len(results)} kết quả:")
            for doc_id, score in results:
                doc_text = ["làm sạch nhà vệ sinh", "lau kính cửa sổ"][doc_id]
                print(f"     [{doc_id}] {doc_text}")
        else:
            print(f"   ✗ Không tìm thấy")
    
    input("\n\nNhấn Enter tiếp...\n")


def demo_top_k_performance():
    """Demo Top-K limiting cho performance"""
    
    print("\n" + "=" * 80)
    print("DEMO: TOP-K LIMITING - PERFORMANCE")
    print("=" * 80)
    
    print("""
    TOP-K LIMITING LÀ GÌ?
    ---------------------
    Mỗi node trong Trie lưu sẵn TOP K documents phổ biến nhất.
    
    Lợi ích:
    ✓ Search chỉ mất O(m) - độ dài prefix
    ✓ KHÔNG cần DFS toàn bộ subtree
    ✓ Performance ổn định dù có hàng ngàn kết quả
    
    Ví dụ: max_results=3
    - Node sẽ cache 3 documents có score cao nhất
    - Search trả về ngay từ cache
    """)
    
    trie = Trie(max_results=3)  # Chỉ giữ top 3
    
    # Thêm nhiều documents với "làm"
    docs = [
        ("làm sạch wc", 0, 1.0),
        ("làm sạch phòng", 1, 0.9),
        ("làm sạch nhà", 2, 0.8),
        ("làm sạch xe", 3, 0.7),
        ("làm sạch văn phòng", 4, 0.6),
    ]
    
    print("\n📥 Thêm 5 documents với prefix 'làm'")
    print("-" * 80)
    for text, doc_id, score in docs:
        trie.insert(text, doc_id, score=score, index_word_starts=False)
        print(f"[{doc_id}] {text} (score: {score})")
    
    print("\n🔍 Search 'làm' → Chỉ trả TOP 3")
    print("-" * 80)
    results = trie.search_prefix("làm")
    
    print(f"✓ Trả về {len(results)}/5 documents (top 3 có score cao nhất):")
    for doc_id, score in results:
        print(f"  [{doc_id}] {docs[doc_id][0]} (score: {score})")
    
    print("\n💡 Lợi ích:")
    print("  - Nếu có 1000 documents, vẫn chỉ trả 3")
    print("  - Performance O(m) ổn định")
    print("  - Không bị lag khi có nhiều kết quả")
    
    input("\n\nNhấn Enter để xem kết luận...\n")


def conclusion():
    """Kết luận"""
    
    print("\n" + "=" * 80)
    print("📝 KẾT LUẬN")
    print("=" * 80)
    
    print("""
    ✅ TRIE MỚI CÓ GÌ?
    -------------------
    1. Word-start indexing
       → Tìm được keyword ở GIỮA câu
       → "wc" tìm ra "làm sạch wc"
    
    2. Top-K limiting
       → Performance O(m) ổn định
       → Không bị chậm dù có hàng ngàn kết quả
    
    3. Normalize tiếng Việt
       → Gõ không dấu vẫn tìm được
       → "lam sach" → "làm sạch"
    
    ❌ KHÔNG CẦN INVERTED INDEX NỮA!
    ---------------------------------
    - Trie alone đã đủ cho use case autocomplete
    - Tiết kiệm memory
    - Code đơn giản hơn
    
    📊 PERFORMANCE:
    ---------------
    - Insert: O(n * w) với n = số từ, w = độ dài trung bình
    - Search: O(m) với m = độ dài query
    - Memory: Tăng ~3-5x (do word-start indexing)
    
    🎯 KHI NÀO DÙNG?
    -----------------
    ✓ Autocomplete / Search suggestions
    ✓ Dataset < 100K documents
    ✓ Cần realtime search (< 5ms)
    ✓ User gõ có/không dấu
    
    ⏭️  BƯỚC TIẾP THEO:
    -------------------
    → Test với data thật (unique_work_contents.json)
    → Tích hợp vào FastAPI
    → Build UI cho user
    """)
    
    print("=" * 80)
    print("\n✅ Hiểu rồi chứ? Giờ test với data thật nhé!")
    print("📂 Code: src/search/trie.py")
    print("⏭️  Next: tests/test_with_real_data.py\n")


if __name__ == "__main__":
    demo_word_start_indexing()
    demo_normalize()
    demo_top_k_performance()
    conclusion()