"""把 danbooru 角色 CSV 加工成提示词友好的精简 CSV。

从 danbooru 导出的角色文件（默认 ``danbooru_character.csv``，格式
``character,copyright,trigger,core_tags,count,solo_count,url``）生成精简文件
（默认 ``danbooru_character_001.csv``）：

1. **按热度保留**：只保留 ``count`` 不小于阈值的行（默认 30），并按 count 从大到小排序
2. **只留五列**：``character,copyright,trigger,core_tags,count``，并保留首行表头
3. **转义只作用于 trigger 列**：按逗号分段逐段整理（段内空白 / 短横线折叠为单个下划线、
   去掉首尾空白与短横线、丢弃空段），再转义未转义的括号。
   源数据的 trigger 是「逗号 + 空格」分隔的多标签串（``hakurei reimu, touhou``），
   逐段处理才能避免写出 ``hakurei_reimu,_touhou`` 这种脏标签；
   ``character`` / ``copyright`` / ``core_tags`` 原样保留
4. **输出到独立文件**：源文件 ``danbooru_character.csv`` 不会被覆盖；
   若输出文件已存在，写回前备份为 ``<输出名>.bak``

用法::

    python modify_danbooru_character.py            # 默认 character -> character_001，count >= 30
    python modify_danbooru_character.py -n 100     # 改成 count >= 100
    python modify_danbooru_character.py -i a.csv -o b.csv
    python modify_danbooru_character.py --no-backup

已知取舍（需要提示词精确匹配时请注意）：
    ``character`` 列**不做转义**，而它正是节点默认读取的列
    （``csv_column=auto`` 的优先级是 character > trigger > artist > name/tag）。
    danbooru 角色名里约 45% 带括号（``ganyu_(genshin_impact)``、``saber_(fate)`` …），
    这些括号进入提示词后会被 A1111 / ComfyUI 的权重解析器当成分组语法吃掉，标签会变形。
    另外 ``trigger`` 列是「角色 + 作品」多标签串（``hatsune miku, vocaloid``），
    不适合当作单个名字直接使用。需要精确匹配时请自行加工 ``character`` 列。

共同逻辑（筛选 / 列裁剪 / 转义 / 备份 / 原子写回）在 ``danbooru_csv_tool.py`` 里，
与 ``modify_danbooru_art.py`` 共用，避免转义规则出现两份实现。
"""

import argparse
import os
import sys
from typing import List, Optional, Sequence, Tuple

# 兼容两种运行方式：直接 python 运行（脚本目录在 sys.path 上）
# 与作为包的一部分导入（测试用）。
try:  # pragma: no cover - 取决于运行方式
    from .danbooru_csv_tool import (
        backup_output,
        escape_paren,
        find_columns,
        normalize_header,
        read_rows,
        transform_text,
        write_rows,
    )
    from .danbooru_csv_tool import (
        convert as _convert,
    )
    from .danbooru_csv_tool import (
        run as _run,
    )
except ImportError:  # pragma: no cover - 直接运行脚本时走这里
    from danbooru_csv_tool import (  # type: ignore[no-redef]
        backup_output,
        escape_paren,
        find_columns,
        normalize_header,
        read_rows,
        transform_text,
        write_rows,
    )
    from danbooru_csv_tool import (
        convert as _convert,
    )
    from danbooru_csv_tool import (
        run as _run,
    )

NODE_DIR = os.path.dirname(os.path.abspath(__file__))
PROG = "modify_danbooru_character"
DEFAULT_INPUT = os.path.join(NODE_DIR, "danbooru_character.csv")
DEFAULT_OUTPUT = os.path.join(NODE_DIR, "danbooru_character_001.csv")
DEFAULT_MIN_COUNT = 30

# 输出列（顺序即输出顺序）与需要转义的列
OUTPUT_COLUMNS: Tuple[str, ...] = ("character", "copyright", "trigger", "core_tags", "count")
ESCAPE_COLUMNS: Tuple[str, ...] = ("trigger",)

# 与画师脚本保持同名，便于对照阅读
transform_trigger = transform_text

__all__ = [
    "DEFAULT_INPUT",
    "DEFAULT_MIN_COUNT",
    "DEFAULT_OUTPUT",
    "ESCAPE_COLUMNS",
    "OUTPUT_COLUMNS",
    "backup_output",
    "column_indexes",
    "convert",
    "escape_paren",
    "main",
    "normalize_header",
    "read_rows",
    "transform_trigger",
    "write_rows",
]


def column_indexes(header: Sequence[str]) -> dict:
    """按列名定位输出所需的五列；缺列时抛出可读异常。"""
    return find_columns(header, OUTPUT_COLUMNS)


def convert(rows: Sequence[Sequence[str]], min_count: int) -> Tuple[List[List[str]], dict]:
    """把源行转换为输出行（列裁剪、按 count 筛选、只转义 trigger）。"""
    return _convert(rows, min_count, OUTPUT_COLUMNS, ESCAPE_COLUMNS)


def build_parser() -> argparse.ArgumentParser:
    parser = argparse.ArgumentParser(
        prog="modify_danbooru_character.py",
        description="按 count 筛选 danbooru 角色 CSV，只保留 "
        "character/copyright/trigger/core_tags/count 五列，"
        "并只对 trigger 列做提示词转义。",
        formatter_class=argparse.RawDescriptionHelpFormatter,
        epilog=(
            "示例：\n"
            "  python modify_danbooru_character.py              # 默认 count >= 30\n"
            "  python modify_danbooru_character.py -n 100       # count >= 100\n"
            "  python modify_danbooru_character.py -i a.csv -o b.csv\n"
        ),
    )
    parser.add_argument(
        "-i", "--input", default=DEFAULT_INPUT, help="输入 CSV（默认 danbooru_character.csv）"
    )
    parser.add_argument(
        "-o",
        "--output",
        default=DEFAULT_OUTPUT,
        help="输出 CSV（默认 danbooru_character_001.csv，写回前自动备份为 .bak）",
    )
    parser.add_argument(
        "-n",
        "--min-count",
        type=int,
        default=DEFAULT_MIN_COUNT,
        help=f"只保留 count 不小于该值的行（默认 {DEFAULT_MIN_COUNT}）",
    )
    parser.add_argument("--no-backup", action="store_true", help="写回前不生成 .bak 备份")
    return parser


def main(argv: Optional[Sequence[str]] = None) -> int:
    args = build_parser().parse_args(argv)
    return _run(
        args.input,
        args.output,
        args.min_count,
        OUTPUT_COLUMNS,
        ESCAPE_COLUMNS,
        f"[{PROG}]",
        backup=not args.no_backup,
    )


if __name__ == "__main__":
    sys.exit(main())