src/utils/helpers.py

import json
import os
import re

import pypdf
from duckduckgo_search import DDGS


def get_clean_text(content):
    """Извлекает чистый текст из любого формата (str, dict, list)."""
    if content is None:
        return ""
    if isinstance(content, str):
        return content
    if isinstance(content, dict):
        return content.get("text", "")
    if isinstance(content, list):
        return "".join(
            [
                item if isinstance(item, str) else item.get("text", "")
                for item in content
            ]
        )
    return str(content)


def extract_text_from_file(file_path):
    """Читает текст из загруженного файла."""
    if not file_path or not os.path.exists(file_path):
        return ""
    ext = os.path.splitext(file_path)[1].lower()
    try:
        if ext == ".pdf":
            text = ""
            with open(file_path, "rb") as f:
                reader = pypdf.PdfReader(f)
                for page in reader.pages:
                    text += (page.extract_text() or "") + "\n"
            return text
        else:
            with open(file_path, "r", encoding="utf-8", errors="ignore") as f:
                return f.read()
    except Exception as e:
        return f"[Ошибка чтения файла: {e}]"


def web_search(query: str, max_results: int = 3) -> list:
    """Выполняет поиск в интернете через DuckDuckGo и возвращает список словарей."""
    try:
        with DDGS() as ddgs:
            results = list(ddgs.text(query, max_results=max_results))
            if not results:
                return []

            formatted_results = []
            for r in results:
                formatted_results.append(
                    {
                        "title": r.get("title", ""),
                        "url": r.get("href", ""),
                        "snippet": r.get("body", ""),
                    }
                )
            return formatted_results
    except Exception as e:
        print(f"Ошибка DDGS: {e}")
        return []


def extract_search_query(text: str):
    """Супер-надежный парсер запроса (с поддержкой XML, JSON и логов)."""
    if not text:
        return None

    # ВЫВОДИМ В КОНСОЛЬ ТО, ЧТО РЕАЛЬНО ПОДУМАЛ РОУТЕР
    print(f"\n--- [DEBUG] RAW ROUTER OUTPUT ---\n{text}\n---------------------------\n")

    # 1. Очищаем от размышлений
    clean = re.sub(r"<think>.*?</think>", "", text, flags=re.DOTALL).strip()
    if not clean:
        clean = text

    # 2. Ищем XML-тег (наш новый основной метод)
    xml_match = re.search(r"<search>(.*?)</search>", clean, re.IGNORECASE)
    if xml_match:
        return xml_match.group(1).strip()

    # 3. Резерв на случай JSON
    json_match = re.search(r"\{.*?\}", clean, re.DOTALL)
    if json_match:
        try:
            data = json.loads(json_match.group(0))
            if data.get("search") is True or str(data.get("search")).lower() == "true":
                return data.get("query")
        except:
            pass

    # 4. Резерв на случай "старых галлюцинаций" с массивами
    if "search" in text.lower():
        match = re.search(
            r"(?:запрос|query|text)['\"]\s*:\s*['\"]([^'\"]+)['\"]", text, re.IGNORECASE
        )
        if match:
            val = match.group(1)
            val = re.sub(
                r"^(?:🔍\s*)?(?:Поиск(?:\s*по\s*запросу)?|Search):\s*",
                "",
                val,
                flags=re.IGNORECASE,
            ).strip()
            if val and val.lower() not in ["no", "false", "none", "no_search"]:
                return val

    return None