import textwrap


def get_ner_name_prompt(text: str) -> str:
    """
    Returns a prompt that generates a mapping of original names/companies to their masked versions.
    
    Args:
        text (str): The input text to be analyzed for masking
        
    Returns:
        str: The formatted prompt that will generate a mapping dictionary
    """
    prompt = textwrap.dedent("""
你是一个专业的法律文本实体识别助手。请从以下文本中抽取出所有需要脱敏的敏感信息，并按照指定的类别进行分类。请严格按照JSON格式输出结果。

实体类别包括:
- 人名 (不包括律师、法官、书记员、检察官等公职人员)
- 英文人名


待处理文本:
{text}

输出格式:
{{
"entities": [
    {{"text": "原始文本内容", "type": "人名"}},
    {{"text": "原始文本内容", "type": "英文人名"}},
    ...
  ]
}}



请严格按照JSON格式输出结果。
    
    """)
    return prompt.format(text=text)


def get_ner_company_prompt(text: str) -> str:
    """
    Returns a prompt that generates a mapping of original companies to their masked versions.
    
    Args:
        text (str): The input text to be analyzed for masking
        
    Returns:
        str: The formatted prompt that will generate a mapping dictionary
    """
    prompt = textwrap.dedent("""
你是一个专业的法律文本实体识别助手。请从以下文本中抽取出所有需要脱敏的敏感信息，并按照指定的类别进行分类。请严格按照JSON格式输出结果。

实体类别包括:
- 公司名称
- 英文公司名称
- Company with English name
- 公司名称简称
- 公司英文名称简称


待处理文本:
{text}  

输出格式:
{{
"entities": [
    {{"text": "原始文本内容", "type": "公司名称"}},
    {{"text": "原始文本内容", "type": "英文公司名称"}},
    {{"text": "原始文本内容", "type": "公司名称简称"}},
    {{"text": "原始文本内容", "type": "公司英文名称简称"}},
    ...
  ]
}}

请严格按照JSON格式输出结果。
    """)
    return prompt.format(text=text)


def get_ner_address_prompt(text: str) -> str:
    """
    Returns a prompt that generates a mapping of original addresses to their masked versions.
    
    Args:
        text (str): The input text to be analyzed for masking
        
    Returns:
        str: The formatted prompt that will generate a mapping dictionary
    """
    prompt = textwrap.dedent("""
你是一个专业的法律文本实体识别助手。请从以下文本中抽取出所有需要脱敏的敏感信息，并按照指定的类别进行分类。请严格按照JSON格式输出结果。

实体类别包括:
- 地址


待处理文本:
{text}  

输出格式:
{{
"entities": [
    {{"text": "原始文本内容", "type": "地址"}},
    ...
  ]
}}

请严格按照JSON格式输出结果。
    """)
    return prompt.format(text=text)


def get_ner_project_prompt(text: str) -> str:
    """
    Returns a prompt that generates a mapping of original project names to their masked versions.
    """
    prompt = textwrap.dedent("""
你是一个专业的法律文本实体识别助手。请从以下文本中抽取出所有需要脱敏的敏感信息，并按照指定的类别进行分类。请严格按照JSON格式输出结果。

实体类别包括:
- 项目名

待处理文本:
{text}  

输出格式:
{{
"entities": [
    {{"text": "原始文本内容", "type": "项目名"}},
    ...
  ]
}}

请严格按照JSON格式输出结果。
    """)
    return prompt.format(text=text)


def get_ner_case_number_prompt(text: str) -> str:
    """
    Returns a prompt that generates a mapping of original case numbers to their masked versions.
    """
    prompt = textwrap.dedent("""
你是一个专业的法律文本实体识别助手。请从以下文本中抽取出所有需要脱敏的敏感信息，并按照指定的类别进行分类。请严格按照JSON格式输出结果。

实体类别包括:
- 案号

待处理文本:
{text}  

输出格式:
{{
"entities": [
    {{"text": "原始文本内容", "type": "案号"}},
    ...
  ]
}}

请严格按照JSON格式输出结果。
    """)
    return prompt.format(text=text)