helpers/utils.py

import re
from helpers.cleaner import clean_text

# ----------- الأنماط (Regex Patterns) -----------

# المواد القانونية (مادة رقم ...)
ARTICLE_PATTERN = re.compile(
    r"^\s*ماد[ةه]\s*[\(\s]*([0-9]+)[\)\s]*",
    re.IGNORECASE | re.UNICODE
)

# الأقسام التقليدية (الباب / الفصل / القسم)
SECTION_PATTERN = re.compile(
    r'^\s*(الباب|الفصل|القسم)\s+([^\n]+)',
    re.IGNORECASE | re.UNICODE
)

# عبارة "أصدرنا القانون ..." داخل النص
LAW_ISSUE_PATTERN = re.compile(
    r'أصدرنا القانون\s+(.*?)(?=\s{2,}|$)',
    re.IGNORECASE | re.UNICODE
)

# ----------- تحويل الأرقام الهندية إلى عربية -----------

ARABIC_INDIC_DIGITS = str.maketrans("٠١٢٣٤٥٦٧٨٩", "0123456789")

def normalize_digits(s: str) -> str:
    if not isinstance(s, str):
        return ""
    return s.translate(ARABIC_INDIC_DIGITS)

# ----------- تنظيف النصوص -----------

def clean_text_block(text: str) -> str:
    if not isinstance(text, str):
        return ""
    return clean_text(normalize_digits(text.strip()))

# ----------- دوال التعرف على نوع النص -----------

def is_article(text: str) -> bool:
    """هل السطر عبارة عن مادة قانونية؟"""
    if not isinstance(text, str):
        return False
    text_norm = normalize_digits(text)
    return bool(ARTICLE_PATTERN.match(text_norm))

def is_section(text: str) -> bool:
    """هل السطر عنوان قسم (باب / فصل / قسم)؟"""
    if not isinstance(text, str):
        return False
    text_norm = normalize_digits(text)
    return bool(SECTION_PATTERN.match(text_norm))

def detect_line_type(text: str) -> str:
    """
    تحديد نوع السطر:
    - section → بداية قسم (باب/فصل/قسم) أو يحتوي «أصدرنا القانون»
    - article → بداية مادة
    - text    → نص عادي
    """
    if not isinstance(text, str) or not text.strip():
        return "text"

    text_norm = normalize_digits(text)

    if SECTION_PATTERN.match(text_norm):
        return "section"
    if ARTICLE_PATTERN.match(text_norm):
        return "article"
    if LAW_ISSUE_PATTERN.search(text_norm):
        return "section"
    return "text"

# ----------- استخراج تفاصيل القانون -----------

def extract_law_detail(text: str) -> str | None:
    """إرجاع التفاصيل التي تلي «أصدرنا القانون» مباشرة حتى نهاية السطر."""
    if not isinstance(text, str):
        return None
    m = LAW_ISSUE_PATTERN.search(text)
    return m.group(1).strip() if m else None

# ----------- استخراج رقم المادة -----------

def extract_article_number(text: str) -> int | None:
    """استخراج رقم المادة من النص إذا وجد."""
    if not isinstance(text, str):
        return None
    text_norm = normalize_digits(text)
    m = ARTICLE_PATTERN.match(text_norm)
    if m:
        digits = re.match(r'(\d+)', m.group(1))
        if digits:
            return int(digits.group(1))
    return None