extract_gdl_optimized.py

"""
优化的 GDL 和自然语言提取函数
可以直接复制到 app.py 中使用
"""
import re


def extract_gdl_and_narrative(content):
    """
    提取 GDL 和自然语言部分（优化版 - 平衡功能与复杂度）
    
    支持的格式：
    - ## GDL描述 / ## GDL 描述
    - ##GDL描述 / GDL描述
    - ## 自然语言规则说明 / ##自然语言规则说明
    - 以及其他常见变体
    
    Args:
        content: AI 生成的完整文本
        
    Returns:
        tuple: (gdl_content, narrative_content)
    """
    
    # ========== 定义标记模式（按优先级排序） ==========
    gdl_patterns = [
        r"##\s*GDL\s*描述",          # ## GDL描述 或 ## GDL 描述（推荐格式）
        r"##\s*GDL描述",              # ##GDL描述
        r"GDL\s*描述",                # GDL描述 或 GDL 描述
        r"##\s*GDL\s*Description",    # ## GDL Description（英文）
        r"##\s*GDL",                  # ## GDL（简化版）
    ]
    
    narrative_patterns = [
        r"##\s*自然语言规则说明",      # ## 自然语言规则说明（推荐格式）
        r"##\s*自然语言规则",          # ## 自然语言规则
        r"自然语言规则说明",            # 自然语言规则说明
        r"自然语言规则",                # 自然语言规则
        r"##\s*Natural\s*Language",   # ## Natural Language（英文）
        r"规则说明",                    # 规则说明（简化版）
    ]
    
    # ========== 查找标记位置 ==========
    gdl_start = -1
    gdl_marker = None
    for pattern in gdl_patterns:
        match = re.search(pattern, content, re.IGNORECASE)
        if match:
            gdl_start = match.start()
            gdl_marker = match.group()
            break
    
    narrative_start = -1
    narrative_marker = None
    for pattern in narrative_patterns:
        match = re.search(pattern, content, re.IGNORECASE)
        if match:
            narrative_start = match.start()
            narrative_marker = match.group()
            break
    
    # ========== 处理提取结果 ==========
    if gdl_start != -1 and narrative_start != -1:
        # 正常情况：两个标记都找到
        
        # 检查顺序（GDL 应该在自然语言之前）
        if gdl_start >= narrative_start:
            print(f"⚠️ 警告: 标记顺序异常，已自动纠正")
            gdl_start, narrative_start = narrative_start, gdl_start
        
        # 提取内容
        gdl_content = content[gdl_start:narrative_start].strip()
        narrative_content = content[narrative_start:].strip()
        
        # 验证长度
        if len(gdl_content) < 20 or len(narrative_content) < 20:
            print(f"⚠️ 警告: 提取内容过短 (GDL:{len(gdl_content)}, 自然语言:{len(narrative_content)})")
        
        print(f"✅ 提取成功: GDL({len(gdl_content)}字符), 自然语言({len(narrative_content)}字符)")
        return gdl_content, narrative_content
    
    elif gdl_start != -1:
        # 只找到 GDL 标记
        print(f"⚠️ 仅找到GDL标记 '{gdl_marker}'，将其后全部内容作为GDL")
        gdl_content = content[gdl_start:].strip()
        return gdl_content, ""
    
    elif narrative_start != -1:
        # 只找到自然语言标记
        print(f"⚠️ 仅找到自然语言标记 '{narrative_marker}'，将其后全部内容作为自然语言")
        narrative_content = content[narrative_start:].strip()
        return "", narrative_content
    
    else:
        # 都没找到：尝试智能分割
        print(f"❌ 未找到任何标记，尝试智能分割...")
        return smart_split_content(content)


def smart_split_content(content):
    """
    智能分割内容（后备方案）
    
    策略：通过识别 GDL 代码特征（如 (game "..." ）来分割
    """
    # 查找 GDL 代码块的起始标志
    gdl_code_pattern = r'\(game\s+"[^"]+?"'
    match = re.search(gdl_code_pattern, content)
    
    if match:
        gdl_start = match.start()
        
        # 简单的括号匹配查找结束位置
        count = 0
        gdl_end = -1
        for i in range(gdl_start, len(content)):
            if content[i] == '(':
                count += 1
            elif content[i] == ')':
                count -= 1
                if count == 0:
                    gdl_end = i
                    break
        
        if gdl_end != -1:
            gdl_content = content[gdl_start:gdl_end + 1].strip()
            narrative_content = content[gdl_end + 1:].strip()
            print(f"🔍 智能分割成功: 识别到GDL代码块")
            return gdl_content, narrative_content
    
    print(f"❌ 智能分割失败")
    return "", ""


# ========== 测试代码 ==========
if __name__ == "__main__":
    # 测试用例
    test_cases = [
        # 测试 1: 标准格式
        """
## 游戏名称
测试游戏

## GDL描述
(game "TestGame"
  (players 3)
)

## 自然语言规则说明
1. 这是规则
""",
        # 测试 2: 无空格格式
        """
##GDL描述
(game "TestGame"
  (players 3)
)

##自然语言规则说明
1. 这是规则
""",
        # 测试 3: 带空格格式
        """
## GDL 描述
(game "TestGame"
  (players 3)
)

## 自然语言规则说明
1. 这是规则
""",
        # 测试 4: 无标记（智能分割）
        """
(game "TestGame"
  (players 3)
)

这是自然语言规则说明
""",
    ]
    
    print("=" * 60)
    print("测试 GDL 提取功能")
    print("=" * 60)
    
    for i, test_content in enumerate(test_cases, 1):
        print(f"\n测试用例 {i}:")
        print("-" * 60)
        gdl, narrative = extract_gdl_and_narrative(test_content)
        
        if gdl or narrative:
            print(f"GDL 长度: {len(gdl)}")
            print(f"自然语言长度: {len(narrative)}")
        else:
            print("提取失败")
    
    print("\n" + "=" * 60)