import logging
import warnings
from typing import List, Tuple, Dict

from Config.Config import ES_CONFIG
from ElasticSearch.Utils.EsSearchUtil import EsSearchUtil

# 初始化日志
logger = logging.getLogger(__name__)
logger.setLevel(logging.INFO)


def merge_results(keyword_results: List[Tuple[Dict, float]], vector_results: List[Tuple[Dict, float]]) -> List[Tuple[Dict, float, str]]:
    """
    合并关键字搜索和向量搜索结果
    """
    # 标记结果来源并合并
    all_results = []
    for doc, score in keyword_results:
        all_results.append((doc, score, "关键字搜索"))
    for doc, score in vector_results:
        all_results.append((doc, score, "向量搜索"))

    # 去重并按分数排序
    unique_results = {}
    for doc, score, source in all_results:
        doc_id = doc['_id']
        if doc_id not in unique_results or score > unique_results[doc_id][1]:
            unique_results[doc_id] = (doc, score, source)

    # 按分数降序排序
    sorted_results = sorted(unique_results.values(), key=lambda x: x[1], reverse=True)
    return sorted_results


if __name__ == "__main__":
    # 初始化EsSearchUtil
    search_util = EsSearchUtil(ES_CONFIG)

    # 获取用户输入
    user_query = input("请输入查询语句（例如：高性能的混凝土）: ")
    if not user_query:
        user_query = "高性能的混凝土"
        print(f"未输入查询语句，使用默认值: {user_query}")

    query_tags = []  # 可以根据需要添加标签过滤

    print(f"\n=== 开始执行查询 ===")
    print(f"原始查询文本: {user_query}")

    try:
        # 1. 向量搜索
        print("\n=== 向量搜索阶段 ===")
        print("1. 文本向量化处理中...")
        query_embedding = search_util.get_query_embedding(user_query)
        print(f"2. 生成的查询向量维度: {len(query_embedding)}")
        print(f"3. 前3维向量值: {query_embedding[:3]}")

        print("4. 正在执行Elasticsearch向量搜索...")
        vector_results = search_util.search_by_vector(query_embedding, k=5)
        vector_hits = vector_results['hits']['hits']
        print(f"5. 向量搜索结果数量: {len(vector_hits)}")

        # 向量结果重排
        print("6. 正在进行向量结果重排...")
        reranked_vector_results = search_util.rerank_results(user_query, vector_hits)
        print(f"7. 重排后向量结果数量: {len(reranked_vector_results)}")

        # 2. 关键字搜索
        print("\n=== 关键字搜索阶段 ===")
        print("1. 正在执行Elasticsearch关键字搜索...")
        keyword_results = search_util.text_search(user_query, size=5)
        keyword_hits = keyword_results['hits']['hits']
        print(f"2. 关键字搜索结果数量: {len(keyword_hits)}")

        # 3. 合并结果
        print("\n=== 合并搜索结果 ===")
        # 为关键字结果添加分数
        keyword_results_with_scores = [(doc, doc['_score']) for doc in keyword_hits]
        merged_results = merge_results(keyword_results_with_scores, reranked_vector_results)
        print(f"合并后唯一结果数量: {len(merged_results)}")

        # 4. 打印最终结果
        print("\n=== 最终搜索结果 ===")
        for i, (doc, score, source) in enumerate(merged_results, 1):
            print(f"{i}. 文档ID: {doc['_id']}, 分数: {score:.2f}, 来源: {source}")
            print(f"   内容: {doc['_source']['user_input']}")
            print("  --- ")

    except Exception as e:
        logger.error(f"搜索过程中发生错误: {str(e)}")
        print(f"搜索失败: {str(e)}")