# Rule-based extraction of activation-type calls from hi-orig auto captions. Conservative; every field records its evidence text.
import re,sys,json,datetime as dt,pandas as pd
sys.path.insert(0,'scripts'); from subs2txt import load
ACT=re.compile(r'एंट्री (एक्टिवेट|एक्टिवेटेड|हो गई|हो गया|ले ली|ली है|ले लिया|मिल गई|दे दी)|हमने एंट्री ली|एंट्री ले ली|ट्रेड पंच|एंट्री ले लो|एंट्री लो|यही एंट्री है|ट्रेड ले लो|ट्रेड लो|एंट्री करो|एक एंट्री ली|ले लो भाई|अभी एंट्री|ट्रेड ले लिया')
CE=re.compile(r'कॉल|सीई|\bCE\b'); PE=re.compile(r'पुट|पीई|\bPE\b')
NUM=r'(\d{1,3})'
SL=[re.compile(NUM+r'\s*(-\s*\d{1,3}\s*)?पॉइंट(्स)?\s*(का|के)?\s*(भाई\s*)?(एसएल|रिस्क|स्टॉप)'),re.compile(r'(एसएल|स्टॉप लॉस|रिस्क)[^।?]{0,25}?\b'+NUM+r'\s*पॉइंट')]
TG=[re.compile(NUM+r'\s*पॉइंट(्स)?\s*(का|के)?\s*(कम से कम\s*)?(पहला\s*)?टारगेट'),re.compile(r'(पहला|फर्स्ट|मिनिमम)\s*टारगेट[^।?]{0,25}?\b'+NUM+r'\s*पॉइंट'),re.compile(r'टारगेट[^।?]{0,15}?\b'+NUM+r'\s*पॉइंट')]
CT=re.compile(r'(टारगेट|T1|टारगेट वन|फर्स्ट टारगेट|पहला टारगेट)\s*(वन\s*)?(डन|टच|आ गया|आ चुका|कंप्लीट|हिट|पूरा)')
CS=re.compile(r'(एसएल|स्टॉप लॉस|एल)\s*(आ गया|आ गए|हो गया|हो गई|हिट|लग गया|लग गए|चला गया|गया|खा|घुस)')
def segs(vid): return load(f'data/subs/{vid}.hi-orig.json3')
def win(L,a,b): return ' '.join(x for t,x in L if a<=t<=b)
def first(rx,s):
    for r in rx:
        m=r.search(s)
        if m:
            n=[g for g in m.groups() if g and g.isdigit()]
            if n: return int(n[0]),m.group(0)
    return None,None
def extract(vid,start):
    L=segs(vid); st=dt.datetime.fromisoformat(start); calls=[]; last=-1e9
    for t,x in L:
        if ACT.search(x) and t-last>300 and 'गोल्ड' not in win(L,t-60,t+60):
            last=t; w=win(L,t-90,t+30)
            # side: count nearest mentions within -90..+30s
            nce=len(CE.findall(w)); npe=len(PE.findall(w)); side='CE' if nce>npe else ('PE' if npe>nce else None)
            pre=win(L,t-240,t+120); slp,slev=first(SL,pre); tgp,tgev=first(TG,pre)
            post=[(tt,xx) for tt,xx in L if t<tt<=t+2400]; cl=None
            for tt,xx in post:
                if CT.search(xx): cl=('T',tt); break
                if CS.search(xx): cl=('SL',tt); break
            calls.append(dict(vid=vid,offset_s=round(t),ist=(st+dt.timedelta(seconds=t)).strftime('%Y-%m-%d %H:%M:%S'),side=side,sl_pts=slp,tg_pts=tgp,claim=cl[0] if cl else None,claim_after_s=round(cl[1]-t) if cl else None,act_text=x[:120],side_text=w[-200:],sl_text=slev,tg_text=tgev))
    return calls
if __name__=='__main__':
    inv=pd.read_csv('results/stream_inventory.csv').set_index('id'); out=[]
    for v in sys.argv[1:]: out+=extract(v,inv.loc[v,'start_ist'])
    df=pd.DataFrame(out); print(df[['vid','ist','side','sl_pts','tg_pts','claim','act_text']].to_string())
    df.to_csv('data/calls_auto_'+'_'.join(sys.argv[1:])[:60]+'.csv',index=False)