"""Anonymisation à l'ingestion (D4, loi 09-08) : identités et coordonnées ne
partent JAMAIS dans les index vectoriels ni dans les prompts.

Fonction pure, testée : e-mails, téléphones (formats marocains et
internationaux), et les noms de personnes CONNUS de la base (utilisateurs,
gardiens, contacts tiers) fournis par l'appelant.
"""

import re
import unicodedata

JETON_PERSONNE = "⟨personne⟩"
JETON_CONTACT = "⟨contact⟩"

_EMAIL = re.compile(r"[\w.+-]+@[\w-]+\.[\w.-]+")
# 06 12 34 56 78 · 0612345678 · +212 6 12 34 56 78 · 05 22-34-56-78…
_TELEPHONE = re.compile(r"(?:\+?\d{1,3}[\s.-]?)?(?:0|\(0\))?\d(?:[\s.-]?\d{2}){4}")


def _sans_accents(texte: str) -> str:
    return "".join(
        c for c in unicodedata.normalize("NFD", texte) if unicodedata.category(c) != "Mn"
    )


def anonymiser(texte: str, noms_connus: list[str] | None = None) -> str:
    """Remplace coordonnées et noms connus par des jetons neutres.

    Les noms sont remplacés insensiblement à la casse ET aux accents
    (« Idrissi » attrape « idrissi »), prénom seul compris quand il est
    assez long pour ne pas mutiler le texte technique.
    """
    resultat = _EMAIL.sub(JETON_CONTACT, texte)
    resultat = _TELEPHONE.sub(JETON_CONTACT, resultat)

    for nom in sorted(noms_connus or [], key=len, reverse=True):
        nom = nom.strip()
        if len(nom) < 3:
            continue
        morceaux = [nom] + [m for m in nom.split() if len(m) >= 4]
        for morceau in morceaux:
            motif = re.compile(
                r"\b" + re.escape(_sans_accents(morceau)) + r"\b", re.IGNORECASE
            )
            # on cherche sur une copie sans accents mais on remplace l'original
            copie = _sans_accents(resultat)
            sortie: list[str] = []
            position = 0
            for correspondance in motif.finditer(copie):
                sortie.append(resultat[position : correspondance.start()])
                sortie.append(JETON_PERSONNE)
                position = correspondance.end()
            sortie.append(resultat[position:])
            resultat = "".join(sortie)

    # jetons collés en double (« prénom nom » remplacés séparément)
    resultat = re.sub(
        rf"{re.escape(JETON_PERSONNE)}(\s+{re.escape(JETON_PERSONNE)})+",
        JETON_PERSONNE,
        resultat,
    )
    return resultat