"""AI 输出 JSON 解析工具

将 LLM 返回的可能带 markdown 代码块、思考标签等包裹的文本解析为 Python 对象。
"""

import re

from json_repair import repair_json

# 匹配 <think>任意内容</think>，用于剥离 DeepSeek R1 等推理模型的思考过程
# re.DOTALL 让 . 匹配换行，re.IGNORECASE 忽略大小写
# .*? 非贪婪匹配，避免跨多个 think 标签
_THINK_RE = re.compile(r"<think>.*?</think>", re.DOTALL | re.IGNORECASE)

# 匹配 ```json ... ``` 代码块，提取中间的 JSON 内容
# (?:json\w*)? — 可选的语言标记，兼容 json / JSON / jsonc 等，也兼容无标记的裸 ```
# \s*\n?       — 跳过语言标记后的空白和换行
# (.*?)        — 非贪婪捕获代码块内容（第1组）
# \n?\s*```    — 匹配结尾的 ```
_CODE_BLOCK_RE = re.compile(r"```(?:json\w*)?\s*\n?(.*?)\n?\s*```", re.DOTALL | re.IGNORECASE)


def parse_llm_json(text: str):
    """解析 AI 输出的 JSON，自动去除思考标签、markdown 代码块，容错处理"""
    # 1. 去掉 <think>...</think> 思考内容
    cleaned = _THINK_RE.sub("", text).strip()
    # 2. 如果有 ```json ... ``` 代码块，只取代码块里的内容
    match = _CODE_BLOCK_RE.search(cleaned)
    if match:
        cleaned = match.group(1).strip()
    # 3. repair_json 容错解析：修复不规范的 JSON（多余逗号、缺引号等）
    return repair_json(cleaned, return_objects=True)