# ocr_eval_engine.py

import jiwer
from fuzzywuzzy import fuzz


class OCREvaluator:
    """
    정답(GT) 텍스트와 하나 이상의 예측(Hypothesis) 텍스트를 비교하여
    다양한 문자 오류율(CER) 지표를 계산하는 클래스.
    """

    def __init__(self, ground_truth_text: str):
        """
        평가기 인스턴스를 초기화합니다.

        :param ground_truth_text: 비교의 기준이 되는 정답 텍스트.
        """
        # 모든 텍스트는 유니코드(UTF-8)로 처리됩니다.
        self.ground_truth = ground_truth_text

    def evaluate(self, hypothesis_text: str) -> dict:
        """
        주어진 예측 텍스트에 대한 모든 평가 지표를 계산합니다.

        :param hypothesis_text: 평가할 OCR 예측 텍스트.
        :return: 평가 결과를 담은 딕셔너리.
        """
        strict_results = self._calculate_strict_cer(self.ground_truth, hypothesis_text)
        flexible_cer = self._calculate_flexible_cer(self.ground_truth, hypothesis_text)

        results = {
            "strict_cer": strict_results["cer"],
            "substitutions": strict_results["S"],
            "deletions": strict_results["D"],
            "insertions": strict_results["I"],
            "hits": strict_results["H"],
            "flexible_cer": flexible_cer,
        }
        return results

    def _calculate_strict_cer(self, ref: str, hyp: str) -> dict:
        """
        jiwer를 사용하여 엄격한 순서의 CER을 계산합니다.
        이 메서드는 레벤슈타인 거리를 기반으로 S, D, I를 계산합니다.

        :param ref: 정답 텍스트.
        :param hyp: 예측 텍스트.
        :return: CER, S, D, I, H(정답) 개수를 포함하는 딕셔너리.
        """
        if not ref:  # 정답 텍스트가 비어있는 경우
            return {"cer": 1.0 if hyp else 0.0, "S": 0, "D": 0, "I": len(hyp), "H": 0}

        # jiwer.process_characters는 상세한 오류 분석 결과를 제공합니다.
        output = jiwer.process_characters(ref, hyp)
        return {
            "cer": output.cer,
            "S": output.substitutions,
            "D": output.deletions,
            "I": output.insertions,
            "H": output.hits,
        }

    def _calculate_flexible_cer(self, ref: str, hyp: str) -> float:
        """
        fuzzywuzzy의 token_sort_ratio를 사용하여 순서에 유연한 CER을 계산합니다.
        이 메서드는 문자 순서를 무시하고 내용의 유사성을 평가합니다.

        :param ref: 정답 텍스트.
        :param hyp: 예측 텍스트.
        :return: 순서 유연 CER (0.0에서 1.0 사이의 값).
        """
        # token_sort_ratio는 0-100 사이의 유사도 점수를 반환합니다.
        # 이를 0-1 사이의 오류율로 변환합니다.
        similarity_ratio = fuzz.token_sort_ratio(ref, hyp)
        error_rate = (100 - similarity_ratio) / 100.0
        return error_rate