import textwrap

def get_masking_prompt(text: str) -> str:
    """
    Returns the prompt for masking sensitive information in legal documents.
    
    Args:
        text (str): The input text to be masked
        
    Returns:
        str: The formatted prompt with the input text
    """
    prompt = textwrap.dedent("""
        您是一位专业的法律文档脱敏专家。请按照以下规则对文本进行脱敏处理：

        规则：
        1. 人名：
           - 两字名改为"姓+某"（如：张三 → 张某）
           - 三字名改为"姓+某某"（如：张三丰 → 张某某）
        2. 公司名：
           - 保留地理位置信息（如：北京、上海等）
           - 保留公司类型（如：有限公司、股份公司等）
           - 用"某"替换核心名称
        3. 保持原文其他部分不变
        4. 确保脱敏后的文本保持原有的语言流畅性和可读性

        输入文本：
        {text}

        请直接输出脱敏后的文本，无需解释或其他备注。
    """)
    
    return prompt.format(text=text)

def get_masking_mapping_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("""
        您是一位专业的法律文档脱敏专家。请分析文本并生成一个脱敏映射表，遵循以下规则：

        规则：
        1. 人名映射规则：
           - 对于同一姓氏的不同人名，使用字母区分：
             * 第一个出现的用"姓+某"（如：张三 → 张某）
             * 第二个出现的用"姓+某A"（如：张四 → 张某A）
             * 第三个出现的用"姓+某B"（如：张五 → 张某B）
             依此类推
           - 三字名同样遵循此规则（如：张三丰 → 张某某，张四海 → 张某某A）
           
        2. 公司名映射规则：
           - 保留地理位置信息（如：北京、上海等）
           - 保留公司类型（如：有限公司、股份公司等）
           - 用"某"替换核心名称,但保留首尾字(如：北京智慧科技有限公司 → 北京智某科技有限公司)
           - 对于多个相似公司名，使用字母区分（如：
             北京智慧科技有限公司 → 北京某科技有限公司
             北京智能科技有限公司 → 北京某科技有限公司A）
        
        3. 公权机关不做脱敏处理（如：公安局、法院、检察院、中国人民银行、银监会及其他未列明的公权机关）

        请分析以下文本，并生成一个JSON格式的映射表，包含所有需要脱敏的名称及其对应的脱敏后的形式：

        {text}

        请直接输出JSON格式的映射表，格式如下：
        {{
            "原文1": "脱敏后1",
            "原文2": "脱敏后2",
            ...
        }}
        如无需要输出的映射，请输出空json，如下:
        {{}}
    """)
    
    return prompt.format(text=text)

def get_masking_mapping_prompt_v2(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("""
请根据以下脱敏规则，对给定文本进行分析并生成脱敏映射map（JSON格式）。

脱敏规则说明：

1.人名：保留姓，名变为"某"；同姓者按"某1"、"某2"依次编号；律师姓名、审判人员姓名不脱敏
2.公司名：替换为大写英文字母（A公司、B公司等）；律师事务所不脱敏
3.地址：仅保留区级以上地址，删除详细位置
4.英文人名：保留姓名首字母，其余替换为"***"
5.英文公司名：替换为所属行业名称的英文大写形式
6.项目名：替换为小写英文字母（a项目、b项目等）
7.案号：具体案号部分替换为"** *"
8.身份证号：替换为6个"X"
9.统一社会信用代码：替换为8个"X"
输入文本：
{text}

输出要求：
请生成一个JSON格式的映射map，包含以下结构：

{{
"原文1": "脱敏后1",
"原文2": "脱敏后2",
 ...  
}}
如无需要输出的映射，请输出空json，如下:
{{}}
注意事项：

请准确识别文本中的各类敏感信息
同一类别的多个实体，请在对应类别下全部列出
如果文本中没有某类敏感信息，可以省略该类别
请确保脱敏后的文本符合上述规则要求


""")
    return prompt.format(text=text)

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": "实体类别"}},
    ...
  ]
}}

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