#!/usr/bin/env python3
"""Vérification exploratoire (après les résultats) : parmi les témoignages repérés par le motif « train », combien le sont seulement
par « traînée » ou « entraîn… » ? Agrégat seulement. Usage : python3 -I verif_motif_train.py <pylib openpyxl> <dossier GEIPAN>"""
import re, sys, json, unicodedata
sys.path.insert(0, sys.argv[1]); import openpyxl
norm = lambda s: "".join(c for c in unicodedata.normalize("NFD", str(s or "").lower()) if unicodedata.category(c) != "Mn")
F = ["Forme globale", "Trajectoire", "Nature de l'observation ou Termes descriptifs", "Caractéristique de l'observation", "Cadre de référence", "Nombre de phénomènes observés"]
rows = list(openpyxl.load_workbook(f"{sys.argv[2]}/export_temoignages_20261110.xlsx", read_only=True).worksheets[0].iter_rows(values_only=True))
n = {"train": 0, "seulement_trainee_ou_entrain": 0}
for r in rows[1:]:
    t = dict(zip(rows[0], r)); s = re.sub(r"en train d(e |')", " ", " ".join(norm(t.get(k)) for k in F).replace("’", "'"))
    if "train" in s:
        n["train"] += 1
        if not re.search(r"train(?!ee|e\b|ai|er|ant)", re.sub(r"\b(en)?trai?n\w*?(ee|ement|ant)\b", " ", s)) and re.search(r"trainee|entrain", s):
            n["seulement_trainee_ou_entrain"] += 1
print(json.dumps(n))
