"""Decoupage de texte en morceaux synthese-friendly.

Les modeles TTS (Kokoro notamment) tronquent les textes trop longs. On decoupe
donc sur les frontieres de phrases en respectant une longueur max par morceau.
"""
from __future__ import annotations

import re

# Fin de phrase : ponctuation forte suivie d'un espace.
_SENTENCE_END_RE = re.compile(r"(?<=[.!?…])\s+|\n+")
# Pour les phrases tres longues, on coupe aussi sur les virgules / points-virgules.
_SOFT_BREAK_RE = re.compile(r"(?<=[,;:])\s+")

DEFAULT_MAX_CHARS = 350


def split_sentences(text: str) -> list[str]:
    parts = [p.strip() for p in _SENTENCE_END_RE.split(text)]
    return [p for p in parts if p]


def _split_long(sentence: str, max_chars: int) -> list[str]:
    """Coupe une phrase trop longue sur les virgules, puis par fenetre dure."""
    if len(sentence) <= max_chars:
        return [sentence]
    out: list[str] = []
    buf = ""
    for piece in _SOFT_BREAK_RE.split(sentence):
        cand = f"{buf} {piece}".strip()
        if len(cand) <= max_chars:
            buf = cand
        else:
            if buf:
                out.append(buf)
            if len(piece) <= max_chars:
                buf = piece
            else:  # mot/segment plus long que la fenetre : coupe brute
                for i in range(0, len(piece), max_chars):
                    out.append(piece[i:i + max_chars])
                buf = ""
    if buf:
        out.append(buf)
    return out


def chunk_text(text: str, max_chars: int = DEFAULT_MAX_CHARS) -> list[str]:
    """Regroupe les phrases en morceaux <= max_chars, sans couper une phrase."""
    chunks: list[str] = []
    buf = ""
    for sentence in split_sentences(text):
        for part in _split_long(sentence, max_chars):
            cand = f"{buf} {part}".strip()
            if len(cand) <= max_chars:
                buf = cand
            else:
                if buf:
                    chunks.append(buf)
                buf = part
    if buf:
        chunks.append(buf)
    return chunks