"""Utilidades de texto para parseo de JSON embebido y construcción de schema."""
import re
from typing import Optional, Dict, Any


def extract_json_from_text(text: str) -> Optional[str]:
  """Extrae el primer bloque JSON de un texto, con o sin fence ```json.

  Devuelve la cadena JSON o None si no se encuentra.
  """
  # 1. Try markdown fences
  match = re.search(r"```json\s*(.*?)\s*```", text, flags=re.DOTALL | re.IGNORECASE)
  if match:
    return _clean_json_string(match.group(1).strip())
  
  match = re.search(r"```\s*(\{[\s\S]*?\})\s*```", text, flags=re.DOTALL)
  if match:
    return _clean_json_string(match.group(1).strip())
  
  # 2. Try finding outer braces
  start = text.find('{')
  end = text.rfind('}')
  if start != -1 and end != -1 and end > start:
    candidate = text[start:end + 1].strip()
    return _clean_json_string(candidate)
    
  return None


def _clean_json_string(json_str: str) -> str:
    """Intenta limpiar errores comunes de JSON generado por LLM."""
    # Eliminar comas finales en objetos/listas: , } -> }  y , ] -> ]
    # Nota: Esto es una heurística simple y puede fallar en strings que contienen esos patrones.
    # Usamos regex conservador.
    json_str = re.sub(r",\s*}", "}", json_str)
    json_str = re.sub(r",\s*]", "]", json_str)
    return json_str


def build_schema(data: Dict[str, Any], prefix: str = "") -> Dict[str, str]:
  """Construye un mapa ruta->tipo a partir de un dict anidado.

  Para listas de dicts, usa la notación "/*/subcampo".
  """
  schema: Dict[str, str] = {}
  for k, v in data.items():
    path = f"{prefix}/{k}" if prefix else k
    if isinstance(v, dict):
      schema.update(build_schema(v, path))
    elif isinstance(v, list) and v and isinstance(v[0], dict):
      for subkey, subval in v[0].items():
        schema[f"{path}/*/{subkey}"] = type(subval).__name__
    else:
      schema[path] = type(v).__name__
  return schema