#!/usr/bin/env python3
"""
Parametri di configurazione della pipeline di chunking.

Modifica questo file per cambiare il comportamento di chunker.py,
verify_chunks.py e fix_chunks.py senza toccare il codice applicativo.
"""

# ─── Grandezza target dei chunk ───────────────────────────────────────────────
#
# TARGET_CHARS è la dimensione ideale a cui il chunker mira.
# CHUNK_TOLERANCE è la tolleranza relativa (es. 0.25 = ±25%).
#
#   range accettabile = [TARGET × (1 − TOL),  TARGET × (1 + TOL)]
#
# Con TARGET=600 e TOL=0.25 → ogni chunk sarà tra 450 e 750 char,
# il più vicino possibile a 600, terminando sempre su un confine di frase.
#
TARGET_CHARS    = 600
CHUNK_TOLERANCE = 0.25

# ─── Overlap ──────────────────────────────────────────────────────────────────

# Numero di frasi ripetute all'inizio del chunk successivo per preservare
# il contesto tra chunk adiacenti della stessa sezione.
OVERLAP_SENTENCES = 1

# ─── Soglie di validazione ────────────────────────────────────────────────────

# fix_chunks.py spezza un chunk "too_long" solo se supera upper × questo fattore.
# Es. upper=750, fattore=1.5 → split solo per chunk > 1125 char.
# Chunk in [upper, upper×fattore] restano come warning non bloccanti.
SPLIT_THRESHOLD_FACTOR = 1.5

MATH_SYMS_MIN = 3   # min. simboli math per declassare incomplete → incomplete_math

# ─── Pattern e formato ────────────────────────────────────────────────────────

SENTENCE_SPLIT_PATTERN = r"(?<=[.!?»])\s+"
PREFIX_TEMPLATE = "[{sezione} > {titolo}]"

# ─── Protezione contenuti speciali ────────────────────────────────────────────

# Se True, un blocco prevalentemente tabella Markdown (≥50% righe |…|)
# viene emesso come chunk atomico senza sentence-splitting.
PROTECT_TABLES = True

# Riservato — blocchi LaTeX non spezzabili (implementazione futura).
PROTECT_MATH = True

# ─── Fix behavior ─────────────────────────────────────────────────────────────

# Numero massimo di iterazioni del loop fix → verify → fix.
# Con 1 si ottiene il comportamento originale (fix singolo senza re-verifica).
FIX_MAX_ITERATIONS = 3

# ─── Override per strategia ───────────────────────────────────────────────────
#
# Sovrascrivono TARGET_CHARS / CHUNK_TOLERANCE / OVERLAP_SENTENCES
# per la specifica strategia indicata in structure_profile.json.
# Chiavi riconosciute: "target_chars", "tolerance", "overlap".
#
STRATEGY_OVERRIDES: dict[str, dict] = {
    "h3_aware": {
        # Documenti strutturati H2→H3: chunk medi, overlap moderato.
        "target_chars": 600,
        "tolerance":    0.25,
        "overlap":      2,
    },
    "h2_paragraph_split": {
        # Documenti piatti (solo H2): chunk più ampi, overlap ridotto.
        "target_chars": 800,
        "tolerance":    0.25,
        "overlap":      1,
    },
    "paragraph": {
        # Documenti senza header significativi: chunk più corti.
        "target_chars": 500,
        "tolerance":    0.30,
        "overlap":      1,
    },
    "sliding_window": {
        # Testo lineare/narrativo: finestre ampie, overlap generoso.
        "target_chars": 800,
        "tolerance":    0.25,
        "overlap":      3,
    },
}