<?php

$db = mysqli_connect("localhost", "llm", "llm", "llm");

if (!$db)
  die("Errore database: " . mysqli_connect_error());

mysqli_set_charset($db, "utf8mb4");

$tabella = getenv("LLMA_TABLE") ?: "sequenze";
if (!preg_match('/^[a-z0-9_]+$/', $tabella))
  die("Nome tabella non valido\n");


function normalizza($testo)
{ $testo = mb_strtolower(trim($testo));
  $testo = preg_replace('/\s+/', ' ', $testo);
  $testo = trim($testo, " \t\n\r\0\x0B.,;:!?");
  return $testo;
}


function learn($testo)
{ global $db, $tabella;

  $testo = normalizza($testo);

  if ($testo == "")
    return;

  $sql = "INSERT INTO $tabella (sequenza, occorrenze)
          VALUES (?, 1)
          ON DUPLICATE KEY UPDATE occorrenze=occorrenze+1";

  $q = mysqli_prepare($db, $sql);
  mysqli_stmt_bind_param($q, "s", $testo);
  mysqli_stmt_execute($q);
  mysqli_stmt_close($q);
}


/*
 * Cerca una sequenza compatibile con il pattern.
 *
 * Il carattere * dell'animaletto diventa % SQL.
 *
 * Per ora NON cerchiamo di stabilire quanto testo possa
 * essere assorbito da un %. E' proprio una delle cose
 * che vogliamo osservare sperimentalmente.
 */
function search($pattern)
{ global $db, $tabella;

  $pattern = normalizza($pattern);
  $pattern = str_replace("*", "%", $pattern);

  $sql = "SELECT sequenza, occorrenze
          FROM $tabella
          WHERE sequenza LIKE ?
          ORDER BY occorrenze DESC, RAND()
          LIMIT 1";

  $q = mysqli_prepare($db, $sql);
  mysqli_stmt_bind_param($q, "s", $pattern);
  mysqli_stmt_execute($q);

  $result = mysqli_stmt_get_result($q);
  $row = mysqli_fetch_assoc($result);

  mysqli_stmt_close($q);

  return $row;
}


/*
 * Prima versione volutamente stupida.
 *
 * infer() riceve direttamente il pattern rilassato.
 * Non decide ancora DA SOLA quali parole trasformare
 * in wildcard.
 */
function infer($pattern)
{ return search($pattern);
}


function learn_file($nome_file, $limite=0)
{ $testo = file_get_contents($nome_file);
  if ($testo === false) die("Impossibile leggere $nome_file\n");

  $testo = str_replace("_", "", $testo);
  $frasi = preg_split('/(?<=[.!?])\s+(?=[\p{Lu}—])/u', trim($testo));
  $imparate = 0;

  foreach ($frasi as $frase)
  { if (normalizza($frase) == "") continue;
    learn($frase);
    $imparate++;
    if ($limite && $imparate >= $limite) break;
  }
  return $imparate;
}


if (PHP_SAPI == "cli" && isset($argv[1]))
{ if ($argv[1] == "learn-file" && isset($argv[2]))
  { $limite = isset($argv[3]) ? (int)$argv[3] : 0;
    echo "Frasi imparate: ".learn_file($argv[2], $limite)."\n";
    exit;
  }

  if ($argv[1] == "query" && isset($argv[2]))
  { $r = infer(implode(" ", array_slice($argv,2)));
    echo $r ? $r["sequenza"]."\t".$r["occorrenze"]."\n" : "boh\n";
    exit;
  }

  die("Uso: php LLMA.php learn-file file [numero_frasi] | query pattern\n");
}


/* -------------------------------------------------------
   MINI ESPERIMENTO
   ------------------------------------------------------- */

for ($i=0; $i<6; $i++)
  learn("il gatto mangia la carne");

for ($i=0; $i<2; $i++)
  learn("il cane mangia l'osso");

learn("lo sparviero mangia carogne");

learn("lo sparviero mangia carne di cavallo se gliela tiri");


function prova($pattern)
{ $r = infer($pattern);

  echo "\n";
  echo "QUERY : $pattern\n";

  if ($r)
  { echo "MATCH : " . $r["sequenza"] . "\n";
    echo "COUNT : " . $r["occorrenze"] . "\n";
  }
  else
    echo "MATCH : boh\n";
}


prova("lo * mangia *");
prova("* * mangia *");
prova("il * mangia *");

?>