package rag

import (
	"strings"
	"testing"
	"unicode/utf8"
)

func TestChunkEmpty(t *testing.T) {
	if got := chunk("   \n\n  "); len(got) != 0 {
		t.Fatalf("空白文本应切出 0 块，得 %d", len(got))
	}
}

func TestChunkShort(t *testing.T) {
	got := chunk("这是一句很短的话。")
	if len(got) != 1 || !strings.Contains(got[0], "很短") {
		t.Fatalf("短文本应为单块，得 %v", got)
	}
}

// TestChunkRuneSafe 是核心：中文必须按 rune 切，绝不能切碎出乱码（旧版按字节切的 bug）。
func TestChunkRuneSafe(t *testing.T) {
	// 1500 个汉字、无标点 → 触发窗口兜底切；每块必须是合法 UTF-8。
	text := strings.Repeat("中", 1500)
	for _, c := range chunk(text) {
		if !utf8.ValidString(c) {
			t.Fatalf("切出非法 UTF-8（中文被字节切碎）：%q", c)
		}
		for _, r := range c {
			if r != '中' && !strings.ContainsRune("\n ", r) {
				t.Fatalf("出现意外字符 %q，疑似切碎", r)
			}
		}
	}
}

func TestChunkSizeBounds(t *testing.T) {
	// 多段中文，每段以句号结尾。
	var sb strings.Builder
	for i := 0; i < 60; i++ {
		sb.WriteString("这是用于测试切块大小上界的一个中文句子片段。")
	}
	for i, c := range chunk(sb.String()) {
		if n := runeLen(c); n > chunkTargetRunes+chunkOverlapRunes+1 {
			t.Fatalf("第 %d 块 %d 字，超过 target+overlap=%d", i, n, chunkTargetRunes+chunkOverlapRunes+1)
		}
	}
}

func TestChunkSentenceBoundary(t *testing.T) {
	var sb strings.Builder
	for i := 0; i < 80; i++ {
		sb.WriteString("第一句话在这里。第二句话也在这里。")
	}
	chunks := chunk(sb.String())
	if len(chunks) < 2 {
		t.Fatalf("长文本应切出多块，得 %d", len(chunks))
	}
	// 多数块应以句号收口（允许重叠导致的少量例外）。
	endsWell := 0
	for _, c := range chunks {
		if strings.HasSuffix(strings.TrimSpace(c), "。") {
			endsWell++
		}
	}
	if endsWell < len(chunks)/2 {
		t.Fatalf("多数块应在句末收口，仅 %d/%d", endsWell, len(chunks))
	}
}

func TestChunkOverlap(t *testing.T) {
	var sb strings.Builder
	for i := 0; i < 60; i++ {
		sb.WriteString("用于验证相邻块之间存在上下文重叠的中文句子。")
	}
	chunks := chunk(sb.String())
	if len(chunks) < 2 {
		t.Skip("未切出多块，跳过重叠校验")
	}
	// 第 2 块开头应包含第 1 块尾部的一小段（重叠）。
	prevTail := []rune(chunks[0])
	tail := string(prevTail[max0(len(prevTail)-chunkOverlapRunes):])
	// 取尾部一小片做包含判断（去掉可能的换行）。
	probe := strings.TrimSpace(tail)
	if len(probe) > 10 {
		probe = probe[len(probe)-10:]
	}
	if probe != "" && !strings.Contains(chunks[1], strings.TrimSpace(string([]rune(probe)))) {
		// 重叠是按 rune 尾部，probe 是字节尾部，宽松校验：第二块前缀应与首块尾部有交集
		if !strings.HasPrefix(strings.TrimSpace(chunks[1]), strings.TrimSpace(tail)) {
			t.Logf("重叠片段:%q\n块2前缀:%q", tail, []rune(chunks[1])[:min0(40, runeLen(chunks[1]))])
			t.Fatalf("相邻块未见重叠")
		}
	}
}

func TestChunkOversizedNoPunct(t *testing.T) {
	text := strings.Repeat("x", 3000) // 无标点超大块
	chunks := chunk(text)
	if len(chunks) < 3 {
		t.Fatalf("3000 字无标点应窗口切成多块，得 %d", len(chunks))
	}
	for _, c := range chunks {
		if runeLen(c) > chunkTargetRunes+chunkOverlapRunes+1 {
			t.Fatalf("窗口切块超界：%d", runeLen(c))
		}
	}
}

func max0(n int) int {
	if n < 0 {
		return 0
	}
	return n
}
func min0(a, b int) int {
	if a < b {
		return a
	}
	return b
}