"""
Mô-đun phân tích tệp - Hỗ trợ txt/pdf/epub, có theo dõi tiến trình và xử lý lỗi, hỗ trợ mẫu chương tùy chỉnh

Bản quyền © 2026 Công ty TNHH Công nghệ An ninh mạng Huyễn Thành Tân Cương (Công nghệ Huyễn Thành)
Tác giả: Huyễn Thành
"""
import os
import re
import logging
import tempfile
from typing import Tuple, List, Optional, IO, Dict
from enum import Enum
from dataclasses import dataclass
from locales.i18n import t

logger = logging.getLogger(__name__)

# không thay đổi
MAX_FILE_SIZE = 50 * 1024 * 1024  # 50MB
MIN_PARAGRAPH_LENGTH = 20  # Độ dài đoạn văn tối thiểu


# Mẫu chương mặc định
CHAPTER_PATTERNS = {
    "default": [
        r'第\s*\d+\s*章[：:\s]*.*',
        r'第\s*\d+\s*章',
        r'Chapter\s*\d+',
    ],
    "compact": [
        r'^\d+\.',
        r'^\d+、',
        r'^\d+\s',
    ],
    "brackets": [
        r'《第\d+章》',
        r'「第\d+章」',
    ],
    "english": [
        r'Chapter\s+\d+[:：\s]*.*',
        r'CHAPTER\s+\d+[:：\s]*.*',
        r'Part\s+\d+',
    ],
    "special": [
        r'【.*第\d+章.*】',
        r'≮.*第\d+章.*≯',
        r'◆.*第\d+章.*◆',
    ],
}


@dataclass
class ChapterInfo:
    """Thông tin chương"""
    num: int
    title: str
    content: str
    start_pos: int = 0
    end_pos: int = 0


class FileType(Enum):
    """Loại tệp"""
    TXT = "txt"
    PDF = "pdf"
    EPUB = "epub"
    MD = "md"
    DOCX = "docx"
    UNKNOWN = "unknown"


def get_file_type(file_path: str) -> FileType:
    """Nhận loại tập tin"""
    if not file_path:
        return FileType.UNKNOWN
    
    ext = os.path.splitext(file_path)[1].lower()
    
    if ext == ".txt":
        return FileType.TXT
    elif ext == ".pdf":
        return FileType.PDF
    elif ext == ".epub":
        return FileType.EPUB
    elif ext == ".md":
        return FileType.MD
    elif ext == ".docx":
        return FileType.DOCX
    else:
        return FileType.UNKNOWN


def parse_txt_file(file_path: str) -> Tuple[List[str], str]:
    """
    Phân tích tệp TXT
    
    Returns:
        (Danh sách đoạn văn, Thông tin trạng thái)
    """
    try:
        # Hỗ trợ truyền vào các đối tượng hoặc đường dẫn tệp
        if hasattr(file_path, 'read'):
            fobj: IO = file_path
            # Cố gắng lấy thuộc tính kích thước
            try:
                fobj.seek(0, os.SEEK_END)
                file_size = fobj.tell()
                fobj.seek(0)
            except Exception:
                file_size = 0
        else:
            file_size = os.path.getsize(file_path)

        if file_size and file_size > MAX_FILE_SIZE:
            return [], t("file_parser.file_too_large", size=f"{file_size / 1024 / 1024:.1f}")

        paragraphs: List[str] = []
        buf_lines: List[str] = []
        total_chars = 0

        # Đọc từng dòng để giảm áp lực bộ nhớ
        if hasattr(file_path, 'read'):
            stream = file_path
        else:
            stream = open(file_path, 'r', encoding='utf-8', errors='ignore')

        try:
            for line in stream:
                stripped = line.rstrip('\n')
                total_chars += len(stripped)

                if stripped.strip() == '':
                    # Dòng trống -> cuối đoạn
                    if buf_lines:
                        para = '\n'.join(buf_lines).strip()
                        if len(para) >= MIN_PARAGRAPH_LENGTH:
                            paragraphs.append(para)
                        buf_lines = []
                    continue

                # hàng thông thường
                buf_lines.append(stripped)

            # đoạn cuối
            if buf_lines:
                para = '\n'.join(buf_lines).strip()
                if len(para) >= MIN_PARAGRAPH_LENGTH:
                    paragraphs.append(para)

        finally:
            if not hasattr(file_path, 'read'):
                stream.close()

        logger.info(f"TXT parse done: {len(paragraphs)} paragraphs")
        return paragraphs, t("file_parser.parse_complete", count=len(paragraphs), chars=total_chars)
    
    except Exception as e:
        logger.error(f"TXT parse failed: {e}")
        return [], t("file_parser.read_failed", error=str(e))


def parse_pdf_file(file_path: str) -> Tuple[List[str], str]:
    """
    Phân tích tệp PDF
    
    Returns:
        (Danh sách đoạn văn, Thông tin trạng thái)
    """
    try:
        import fitz
    except ImportError:
        return [], t("file_parser.missing_pymupdf")
    
    try:
        file_size = os.path.getsize(file_path)
        if file_size > MAX_FILE_SIZE:
            return [], t("file_parser.file_too_large", size=f"{file_size / 1024 / 1024:.1f}")
        
        text_parts = []
        doc = fitz.open(file_path)
        
        for page_num, page in enumerate(doc):
            try:
                page_text = page.get_text("text")
                text_parts.append(page_text)
            except Exception as e:
                logger.warning(f"PDF page {page_num} parse failed: {e}")
        
        doc.close()
        text = "\n".join(text_parts)
        
        paragraphs = _split_paragraphs(text)
        logger.info(f"PDF parse done: {len(paragraphs)} paragraphs")
        return paragraphs, t("file_parser.parse_complete", count=len(paragraphs), chars=len(text))
    
    except Exception as e:
        logger.error(f"PDF parse failed: {e}")
        return [], t("file_parser.read_failed", error=str(e))


def parse_epub_file(file_path: str) -> Tuple[List[str], str]:
    """
    Phân tích tệp EPUB
    
    Returns:
        (Danh sách đoạn văn, Thông tin trạng thái)
    """
    try:
        from ebooklib import epub
        from bs4 import BeautifulSoup
    except ImportError:
        return [], t("file_parser.missing_ebooklib")
    
    try:
        file_size = os.path.getsize(file_path)
        if file_size > MAX_FILE_SIZE:
            return [], t("file_parser.file_too_large", size=f"{file_size / 1024 / 1024:.1f}")
        
        text_parts = []
        book = epub.read_epub(file_path)
        
        for item in book.get_items():
            if item.get_type() == epub.ITEM_DOCUMENT:
                try:
                    soup = BeautifulSoup(item.get_content(), 'html.parser')
                    text_parts.append(soup.get_text(separator="\n"))
                except Exception as e:
                    logger.warning(f"EPUB chapter parse failed: {e}")
        
        text = "\n".join(text_parts)
        paragraphs = _split_paragraphs(text)
        logger.info(f"EPUB parse done: {len(paragraphs)} paragraphs")
        return paragraphs, t("file_parser.parse_complete", count=len(paragraphs), chars=len(text))
    
    except Exception as e:
        logger.error(f"EPUB parse failed: {e}")
        return [], t("file_parser.read_failed", error=str(e))


def parse_md_file(file_path: str) -> Tuple[List[str], str]:
    """
    Phân tích tệp Markdown
    
    Returns:
        (Danh sách đoạn văn, Thông tin trạng thái)
    """
    try:
        # Hỗ trợ truyền vào các đối tượng hoặc đường dẫn tệp
        if hasattr(file_path, 'read'):
            fobj: IO = file_path
            # Cố gắng lấy thuộc tính kích thước
            try:
                fobj.seek(0, os.SEEK_END)
                file_size = fobj.tell()
                fobj.seek(0)
            except Exception:
                file_size = 0
        else:
            file_size = os.path.getsize(file_path)

        if file_size and file_size > MAX_FILE_SIZE:
            return [], t("file_parser.file_too_large", size=f"{file_size / 1024 / 1024:.1f}")

        paragraphs: List[str] = []
        buf_lines: List[str] = []
        total_chars = 0

        # Đọc từng dòng để giảm áp lực bộ nhớ
        if hasattr(file_path, 'read'):
            stream = file_path
        else:
            stream = open(file_path, 'r', encoding='utf-8', errors='ignore')

        try:
            for line in stream:
                stripped = line.rstrip('\n')
                total_chars += len(stripped)

                if stripped.strip() == '':
                    # Dòng trống -> cuối đoạn
                    if buf_lines:
                        para = '\n'.join(buf_lines).strip()
                        if len(para) >= MIN_PARAGRAPH_LENGTH:
                            paragraphs.append(para)
                        buf_lines = []
                    continue

                # hàng thông thường
                buf_lines.append(stripped)

            # đoạn cuối
            if buf_lines:
                para = '\n'.join(buf_lines).strip()
                if len(para) >= MIN_PARAGRAPH_LENGTH:
                    paragraphs.append(para)

        finally:
            if not hasattr(file_path, 'read'):
                stream.close()

        logger.info(f"Markdown parse done: {len(paragraphs)} paragraphs")
        return paragraphs, t("file_parser.parse_complete", count=len(paragraphs), chars=total_chars)
    
    except Exception as e:
        logger.error(f"Markdown parse failed: {e}")
        return [], t("file_parser.read_failed", error=str(e))


def parse_docx_file(file_path: str) -> Tuple[List[str], str]:
    """
    Phân tích tệp tài liệu Word
    
    Returns:
        (Danh sách đoạn văn, Thông tin trạng thái)
    """
    try:
        from docx import Document
    except ImportError:
        return [], t("file_parser.missing_docx")
    
    try:
        file_size = os.path.getsize(file_path)
        if file_size > MAX_FILE_SIZE:
            return [], t("file_parser.file_too_large", size=f"{file_size / 1024 / 1024:.1f}")
        
        doc = Document(file_path)
        paragraphs: List[str] = []
        total_chars = 0
        
        for para in doc.paragraphs:
            text = para.text.strip()
            if text and len(text) >= MIN_PARAGRAPH_LENGTH:
                paragraphs.append(text)
                total_chars += len(text)
        
        logger.info(f"Word parse done: {len(paragraphs)} paragraphs")
        return paragraphs, t("file_parser.parse_complete", count=len(paragraphs), chars=total_chars)
    
    except Exception as e:
        logger.error(f"Word parse failed: {e}")
        return [], t("file_parser.read_failed", error=str(e))


def parse_novel_file(file_path: str) -> Tuple[List[str], str]:
    """
    Phân tích tệp tiểu thuyết (tự động nhận dạng định dạng)
    
    Args:
        file_path: Đường dẫn tệp
    
    Returns:
        (Danh sách đoạn văn, Thông tin trạng thái)
    """
    if not file_path:
        return [], t("file_parser.no_file")
    
    # Xử lý các đối tượng tệp hoặc luồng tệp được tải lên bởi Gradio
    temp_path = None
    if hasattr(file_path, 'name') and isinstance(file_path.name, str) and os.path.exists(file_path.name):
        file_path = file_path.name
    elif hasattr(file_path, 'read'):
        # Ghi luồng đã tải lên vào một tệp tạm thời để các thư viện xuôi dòng xử lý (PDF/EPUB/DOCX yêu cầu Đường dẫn tệp)
        try:
            tmp = tempfile.NamedTemporaryFile(delete=False, suffix='.tmp')
            chunk = file_path.read(8192)
            while chunk:
                if isinstance(chunk, str):
                    tmp.write(chunk.encode('utf-8'))
                else:
                    tmp.write(chunk)
                chunk = file_path.read(8192)
            tmp.close()
            temp_path = tmp.name
            file_path = temp_path
        except Exception as e:
            logger.error(f"Upload file processing failed: {e}")
            return [], t("file_parser.upload_read_failed", error=str(e))
    
    if not os.path.exists(file_path):
        return [], t("file_parser.file_not_exist", path=file_path)
    
    file_type = get_file_type(file_path)
    
    if file_type == FileType.TXT:
        try:
            return parse_txt_file(file_path)
        finally:
            if temp_path:
                try:
                    os.remove(temp_path)
                except Exception:
                    pass
    elif file_type == FileType.PDF:
        try:
            return parse_pdf_file(file_path)
        finally:
            if temp_path:
                try:
                    os.remove(temp_path)
                except Exception:
                    pass
    elif file_type == FileType.EPUB:
        try:
            return parse_epub_file(file_path)
        finally:
            if temp_path:
                try:
                    os.remove(temp_path)
                except Exception:
                    pass
    elif file_type == FileType.MD:
        try:
            return parse_md_file(file_path)
        finally:
            if temp_path:
                try:
                    os.remove(temp_path)
                except Exception:
                    pass
    elif file_type == FileType.DOCX:
        try:
            return parse_docx_file(file_path)
        finally:
            if temp_path:
                try:
                    os.remove(temp_path)
                except Exception:
                    pass
    else:
        return [], t("file_parser.unsupported_format")


def _split_paragraphs(text: str, min_length: int = MIN_PARAGRAPH_LENGTH) -> List[str]:
    """
    Chia văn bản thành các đoạn văn
    
    Args:
        text: Văn bản gốc
        min_length: Độ dài đoạn văn tối thiểu
    
    Returns:
        Danh sách đoạn văn
    """
    # Chia theo nhiều dòng mới
    raw_paragraphs = re.split(r'\n\s*\n+', text)
    
    # Làm sạch và lọc
    paragraphs = []
    for para in raw_paragraphs:
        para = para.strip()
        # Xóa các điểm đánh dấu đặc biệt như tiêu đề chương
        para = re.sub(r'^(第\d+章|Chapter \d+|第 \d+ 章)[：:：]?\s*', '', para)
        para = re.sub(r'^\s*\*+\s*|\s*\*+\s*$', '', para)
        
        if len(para) >= min_length:
            paragraphs.append(para)
    
    return paragraphs


def estimate_word_count(text: str) -> int:
    """Số lượng ký tự tiếng Trung ước tính (ước tính sơ bộ)"""
    chinese_count = len(re.findall(r'[\u4e00-\u9fff]', text))
    english_count = len(re.findall(r'\b[a-zA-Z]+\b', text))
    # Tiếng Trung được tính là 1 ký tự, tiếng Anh được tính là 0,5 ký tự
    return chinese_count + int(english_count * 0.5)


def parse_novel_by_chapters(
    file_path: str,
    pattern_name: str = "default",
    custom_pattern: str = ""
) -> Tuple[List[ChapterInfo], str]:
    """
    Phân tích tệp tiểu thuyết theo chương

    Args:
        file_path: Đường dẫn tệp
        pattern_name: Tên mẫu định sẵn
        custom_pattern: Biểu thức chính quy tùy chỉnh (nếu được cung cấp, sẽ được ưu tiên sử dụng)

    Returns:
        (Danh sách chương, Thông tin trạng thái)
    """
    try:
        # đọc văn bản
        file_type = get_file_type(file_path)

        if file_type == FileType.TXT:
            with open(file_path, 'r', encoding='utf-8', errors='ignore') as f:
                text = f.read()
        elif file_type == FileType.PDF:
            import fitz
            text_parts = []
            doc = fitz.open(file_path)
            for page in doc:
                text_parts.append(page.get_text("text"))
            doc.close()
            text = "\n".join(text_parts)
        elif file_type == FileType.EPUB:
            from ebooklib import epub
            from bs4 import BeautifulSoup
            text_parts = []
            book = epub.read_epub(file_path)
            for item in book.get_items():
                if item.get_type() == epub.ITEM_DOCUMENT:
                    soup = BeautifulSoup(item.get_content(), 'html.parser')
                    text_parts.append(soup.get_text(separator="\n"))
            text = "\n".join(text_parts)
        elif file_type == FileType.MD:
            with open(file_path, 'r', encoding='utf-8', errors='ignore') as f:
                text = f.read()
        elif file_type == FileType.DOCX:
            from docx import Document
            doc = Document(file_path)
            text = ""
            for para in doc.paragraphs:
                text += para.text + "\n"
        else:
            return [], t("file_parser.unsupported_chapter_format")

        # Xác định biểu thức chính quy để sử dụng
        if custom_pattern and custom_pattern.strip():
            patterns = [custom_pattern.strip()]
        elif pattern_name in CHAPTER_PATTERNS:
            patterns = CHAPTER_PATTERNS[pattern_name]
        else:
            patterns = CHAPTER_PATTERNS.get("default", list(CHAPTER_PATTERNS.values())[0])

        # Tìm tất cả các tiêu đề chương
        chapters = []
        lines = text.split('\n')

        current_chapter_num = 0
        current_chapter_title = ""
        current_chapter_content = []
        chapter_start_pos = 0

        for i, line in enumerate(lines):
            line_stripped = line.strip()
            is_chapter_header = False

            # Kiểm tra xem có mẫu chương nào khớp không
            for pattern in patterns:
                if re.match(pattern, line_stripped, re.IGNORECASE):
                    is_chapter_header = True
                    break

            if is_chapter_header:
                # Lưu chương trước
                if current_chapter_num > 0:
                    content = '\n'.join(current_chapter_content).strip()
                    if content:
                        chapters.append(ChapterInfo(
                            num=current_chapter_num,
                            title=current_chapter_title,
                            content=content,
                            start_pos=chapter_start_pos,
                            end_pos=i
                        ))

                # Trích xuất số chương và tiêu đề
                current_chapter_num += 1
                current_chapter_title = line_stripped
                current_chapter_content = []
                chapter_start_pos = i
            else:
                # Bỏ qua dòng trống nhưng giữ nguyên nội dung
                if line_stripped or current_chapter_content:
                    current_chapter_content.append(line)

        # lưu chương cuối
        if current_chapter_num > 0 and current_chapter_content:
            content = '\n'.join(current_chapter_content).strip()
            if content:
                chapters.append(ChapterInfo(
                    num=current_chapter_num,
                    title=current_chapter_title,
                    content=content,
                    start_pos=chapter_start_pos,
                    end_pos=len(lines)
                ))

        logger.info(f"Chapter parse done: {len(chapters)} chapters")
        return chapters, t("file_parser.chapter_parse_complete", count=len(chapters))

    except Exception as e:
        logger.error(f"Chapter parse failed: {e}")
        return [], t("file_parser.chapter_parse_failed", error=str(e))


def parse_novel_with_custom_template(
    file_path: str,
    custom_template: str
) -> Tuple[List[ChapterInfo], str]:
    """
    Sử dụng mẫu tùy chỉnh để phân tích tiểu thuyết

    Args:
        file_path: Đường dẫn tệp
        custom_template: Mẫu chương tùy chỉnh (hỗ trợ chỗ dành sẵn placeholders)
                       Ví dụ: "Chương {n} {title}" hoặc "Chapter {n}: {title}"

    Returns:
        (Danh sách chương, Thông tin trạng thái)
    """
    if not custom_template or not custom_template.strip():
        return parse_novel_by_chapters(file_path, "default", "")

    # Chuyển đổi mẫu thành biểu thức chính quy
    # {n} hoặc {num} -> (\d+)
    # {title} -> (.*)
    pattern = custom_template.strip()
    pattern = re.escape(pattern)
    pattern = pattern.replace(r'\{n\}', r'(\d+)')
    pattern = pattern.replace(r'\{num\}', r'(\d+)')
    pattern = pattern.replace(r'\{title\}', r'(.*)')
    pattern = pattern.replace(r'\{.*?\}', r'.*')  # Các placeholder khác

    # Đảm bảo khớp với đầu dòng
    if not pattern.startswith('^'):
        pattern = '^' + pattern

    return parse_novel_by_chapters(file_path, custom_pattern=pattern)


def split_by_word_count(text: str, word_count: int) -> List[str]:
    """
    Chia đoạn theo số chữ

    Args:
        text: Văn bản gốc
        word_count: Số chữ mỗi đoạn

    Returns:
        Danh sách văn bản sau khi chia đoạn
    """
    if not text or not text.strip():
        return []

    if word_count <= 0:
        raise ValueError(t("file_parser.word_count_positive"))

    # Chia đều cho số từ
    segments = []
    total_length = len(text)
    start = 0

    while start < total_length:
        end = start + word_count
        if end > total_length:
            end = total_length

        segment = text[start:end].strip()
        if segment:
            segments.append(segment)

        start = end

    logger.info(f"Word count split done: {len(segments)} segments, ~{word_count} each")
    return segments


def split_by_pattern(text: str, pattern: str, keep_marker: bool = True) -> List[str]:
    """
    Chia đoạn theo văn bản/biến cố định

    Args:
        text: Văn bản gốc
        mẫu: Đánh dấu đoạn (Biến hỗ trợ: % Chương (Chương), % Phần (Tiết), % Quay lại (Hồi), hoặc văn bản tùy chỉnh)
        keep_marker: Có giữ lại đánh dấu chia đoạn không

    Returns:
        Danh sách văn bản sau khi chia đoạn
    """
    if not text or not text.strip():
        return []

    if not pattern or not pattern.strip():
        raise ValueError(t("file_parser.split_pattern_empty"))

    # Nhận dạng thông minh: Nếu người dùng nhập "Chương x", "Chương X", v.v., nó sẽ tự động được chuyển đổi thành biểu thức chính quy
    # Kiểm tra xem nó có chứa sự kết hợp của "chương" và "chương", "phần" và "trở lại" không
    pattern_lower = pattern.strip().lower()
    
    # Kiểm tra xem đó có phải là chế độ đơn giản hóa hay không (chẳng hạn như "Chương x", "Chương X")
    if pattern_lower in ['第x章', '第x章', '第x章', '第x章']:
        # Hỗ trợ cả chữ số Trung Quốc và chữ số Ả Rập, sử dụng + để đảm bảo khớp ít nhất một chữ số
        # Sử dụng cái nhìn phủ định để đảm bảo rằng "Chương x" không thể được theo sau bởi các ký tự tiếng Trung (ngoại trừ dấu cách và dấu chấm câu)
        # Định dạng phù hợp: Chương x, Chương x:, Chương x:, Chương x (dấu cách), Chương x (ngắt dòng sau dấu cách)
        # Hỗ trợ định dạng Markdown: ## Chương x
        # Nhưng nó không khớp: đây là chương đầu tiên, nội dung chương đầu tiên, v.v. (có chữ Hán sau đó)
        regex_pattern = r'^[\s# )'
        logger.info("Detected chapter pattern, auto-converting to regex")
    elif pattern_lower in ['第x节', '第x节', '第x节', '第x节']:
        regex_pattern = r'^\s*第\s*[一二三四五六七八九十百千万零〇0123456789]+\s*节\s*[:：\s]*(?![\u4e00-\u9fff])'
        logger.info("Detected section pattern, auto-converting to regex")
    elif pattern_lower in ['第x回', '第x回', '第x回', '第x回']:
        regex_pattern = r'^\s*第\s*[一二三四五六七八九十百千万零〇0123456789]+\s*回\s*[:：\s]*(?![\u4e00-\u9fff])'
        logger.info("Detected episode pattern, auto-converting to regex")
    elif '%章' in pattern_lower or '%节' in pattern_lower or '%回' in pattern_lower:
        # Sử dụng thay thế biến
        regex_pattern = pattern.strip()
        # %Chương -> Khớp "Chương X", "Chương x", v.v. (hỗ trợ chữ số Trung Quốc và Ả Rập)
        regex_pattern = regex_pattern.replace('%章', r'[一二三四五六七八九十百千万零〇0123456789]+\s*章')
        # %Phần -> Khớp "Phần X", "Phần x", v.v. (hỗ trợ chữ số Trung Quốc và Ả Rập)
        regex_pattern = regex_pattern.replace('%节', r'[一二三四五六七八九十百千万零〇0123456789]+\s*节')
        # %chapter -> Khớp "chương X", "chương x", v.v. (hỗ trợ chữ số Trung Quốc và Ả Rập)
        regex_pattern = regex_pattern.replace('%回', r'[一二三四五六七八九十百千万零〇0123456789]+\s*回')
        # Đảm bảo biểu thức chính quy bắt đầu bằng ^ (khớp với đầu dòng)
        if not regex_pattern.startswith('^'):
            regex_pattern = '^' + regex_pattern
    else:
        # Không chứa đánh dấu chương, sử dụng trực tiếp chế độ gốc
        regex_pattern = pattern.strip()

    # Hãy thử chia theo mẫu
    try:
        # Nếu mã thông báo được giữ lại, hãy sử dụng biểu thức chính quy để tìm tất cả các vị trí phù hợp
        if keep_marker:
            # Tìm tất cả các vị trí phù hợp
            matches = list(re.finditer(regex_pattern, text, flags=re.MULTILINE | re.IGNORECASE))

            if not matches:
                # Không khớp, trả lại toàn bộ văn bản
                logger.warning(f"No pattern match: {regex_pattern}, returning full text")
                return [text.strip()] if text.strip() else []

            segments = []
            prev_end = 0

            for match in matches:
                # Nhận thẻ phù hợp
                marker = match.group(0)

                # Lấy nội dung trước dấu (nếu có)
                if prev_end < match.start():
                    prev_content = text[prev_end:match.start()].strip()
                    if prev_content:
                        segments.append(prev_content)

                # Thêm thẻ
                segments.append(marker.strip())

                prev_end = match.end()

            # Thêm đoạn cuối
            if prev_end < len(text):
                last_content = text[prev_end:].strip()
                if last_content:
                    segments.append(last_content)

            # Hợp nhất đánh dấu và nội dung
            result = []
            i = 0
            while i < len(segments):
                # Nếu nó hiện là một nhãn hiệu và có nội dung đằng sau nó
                if i + 1 < len(segments):
                    result.append((segments[i] + segments[i + 1]).strip())
                    i += 2
                else:
                    # chỉ đánh dấu hoặc nội dung
                    if segments[i].strip():
                        result.append(segments[i].strip())
                    i += 1

            segments = result
        else:
            # Không giữ lại điểm đánh dấu và chia trực tiếp
            segments = re.split(regex_pattern, text, flags=re.MULTILINE | re.IGNORECASE)

        # Dọn dẹp các đoạn văn trống
        segments = [seg.strip() for seg in segments if seg.strip()]

        logger.info(f"Pattern split done: {len(segments)} segments")
        return segments

    except re.error as e:
        raise ValueError(t("file_parser.invalid_regex", error=str(e)))