"""
回复文本解析模块
负责处理 Agent 返回的原始文本，提取最终正式回复。

模型思考标记格式（按优先级检测）：
1. <think...</think 标签对（MiniMax M2.7 等模型）
2. 💭 emoji 前缀（旧版格式，保留兼容）

ADK 最后一个 event 会重复发送完整内容，需要去重。
"""
import logging
import re

logger = logging.getLogger(__name__)


def extract_final_reply(text: str) -> str:
    """
    从 SSE 收集的完整文本中提取最终正式回复。

    策略：
    1. 去除 <think...</think 标签及其内容
    2. 兼容 💭 emoji 分割（旧版格式）
    3. 去重
    """
    if not text:
        return text

    # 步骤1：去除 <think...</think 标签块
    if "<think" in text:
        text = re.sub(r"<think[\s\S]*?</think\s*>?", "", text)

    # 步骤2：兼容 💭 emoji 分割（旧版格式）
    if "💭" in text:
        text = text.split("💭")[-1]

    # 清理前导空白
    text = text.strip()

    # 步骤3：去重
    text = _deduplicate(text)

    return text


def _deduplicate(text: str) -> str:
    """
    对回复文本去重。
    ADK 最后一个 SSE event 会重复发送完整内容（含思考+回复），
    去除 <think...> 后可能出现连续两份相同的正式回复。
    支持行级和字符级去重。
    """
    if not text:
        return text

    # 行级去重
    lines = text.split("\n")
    non_empty = [l for l in lines if l.strip()]

    if len(non_empty) > 1:
        mid = len(non_empty) // 2
        if non_empty[:mid] == non_empty[mid:]:
            return "\n".join(non_empty[:mid])

        for overlap_len in range(min(len(non_empty) // 2, 20), 0, -1):
            if non_empty[-overlap_len:] == non_empty[:overlap_len]:
                return "\n".join(non_empty[overlap_len:])

    # 字符级去重：检查文本是否由两个相同的子串拼接而成
    length = len(text)
    for sub_len in range(length // 2, 0, -1):
        if length % sub_len == 0 and text[:sub_len] * (length // sub_len) == text:
            return text[:sub_len]

    # 部分重叠：前缀和后缀相同，中间有重复
    for overlap in range(min(length // 2, 500), 0, -1):
        if text[:overlap] == text[-overlap:]:
            trimmed = text[overlap:]
            trimmed_len = len(trimmed)
            for sub_len in range(trimmed_len // 2, 0, -1):
                if trimmed_len % sub_len == 0 and trimmed[:sub_len] * (trimmed_len // sub_len) == trimmed:
                    return trimmed[:sub_len]

    return text