from Util.WordUtil import *
import re


def split_text_blocks(text):
    """
    根据三种规则分割文本：
    1. 以'一、'到'二十、'等序号开头则按序号分割
    2. 只有一个段落则按句子分割
    3. 有多个段落且有完整空行则按空行分割
    """
    # 规则1：检查是否有序号标题（支持一到二十）
    if re.search(r'^[一二三四五六七八九十]、|^十[一二三四五六七八九]、|^二十、', text, flags=re.MULTILINE):
        blocks = re.split(r'(^[一二三四五六七八九十]、.*\n|^十[一二三四五六七八九]、.*\n|^二十、.*\n)', text,
                          flags=re.MULTILINE)
        # 合并标题和内容
        return [blocks[i] + blocks[i + 1] for i in range(1, len(blocks), 2)]

    # 规则3：检查是否有完整空行
    paragraphs = text.split('\n\n')
    if len(paragraphs) > 1:
        return paragraphs

    # 规则2：按句子分割
    return re.split(r'(?<=[。！？])\s+', text)


# 测试代码
if __name__ == "__main__":
    doc_path = "../Txt/小学数学知识点.docx"
    text = read_word_file(doc_path)
    knowledge = split_text_blocks(text)
    idx = 0
    for x in knowledge:
        idx = idx + 1
        print(f"发现新的分块：{idx}")
        print(x)