package ru.pdguard.detect;

import java.util.Locale;
import java.util.Set;

/**
 * Словарь населённых пунктов России — проверка того, что значение, пойманное правилом {@code
 * ADDRESS_CITY}, действительно похоже на существующий город, село, посёлок или другой населённый
 * пункт, а не на произвольное слово с заглавной буквы после якоря.
 *
 * <p>Не только официальные города (~1100 по классификатору): перепись добавляет сёла, деревни,
 * хутора, станицы — «рп. Ильинское», «с. Кукуево» из ТЗ находятся ровно за счёт неё. Какой
 * конкретно тип населённого пункта стоит перед названием, определяет якорь самого правила в {@link
 * RuleRegistry}, а не этот словарь — он только подтверждает, что название реальное.
 *
 * <p>Сравнение по началу слова, а не точным совпадением: падежные окончания («в Москве», «из
 * Казани») тем самым покрываются без отдельного разбора морфологии, как и у известных людей в
 * {@link NameDictionary}.
 */
public final class ToponymDictionary {

  private static final Set<String> SETTLEMENT_STEMS =
      ResourceLoader.set("/names/settlements.txt").stream()
          .map(Declension::withoutInflectedEnding)
          .collect(java.util.stream.Collectors.toUnmodifiableSet());

  private ToponymDictionary() {}

  /**
   * Похоже ли значение на название населённого пункта из словаря в любом падеже.
   *
   * <p>Названия на согласную склоняются добавлением окончания («Тамбов» → «Тамбове»), поэтому
   * начало слова из словаря — уже достаточный признак. Названия на гласную меняют последнюю букву
   * («Москва» → «Москве»), для них сравнение идёт по основе без неё — так же, как с личными именами
   * в {@link NameDictionary}.
   *
   * <p>Проверяются префиксы значения по множеству, а не каждая из ~80 000 основ по значению:
   * перебор списка на каждое совпадение правила был бы на порядки дороже, чем нужно — префиксов у
   * слова не больше, чем в нём букв.
   */
  public static boolean isKnownSettlement(String value) {
    String lower = value.strip().toLowerCase(Locale.ROOT);
    for (int length = lower.length(); length > 0; length--) {
      if (SETTLEMENT_STEMS.contains(lower.substring(0, length))) {
        return true;
      }
    }
    return false;
  }
}