"""Kasowanie śmieciowych performerów — kategorii i studiów podszywających się pod osoby.

Skąd się biorą: `_search_base` filtruje wyniki tube-searcha warunkiem „slug zawiera
≥1 token z zapytania", a `resolve_performer` tworzy performera z dowolnej nazwy podanej
przez tube. W efekcie „Creampie", „Natural tits", „reverse cowgirl", „69", „Brazzers"
i „Blacked" wylądowały w tabeli `performers`. Audyt 2026-07-27: 277 takich rekordów z
33 784 przypisaniami do scen.

**Kryterium jest wąskie celowo, bo szerokie kasuje ludzi.** Kryterium używane w
`app/api/scenes.py` do de-rankingu (slug pokrywa się z tagiem I brak refa tpdb/stashdb)
daje 3111 trafień, ale przy próbkowaniu okazało się mieć ~60% fałszywek dla nazw
wielowyrazowych: wpadają w nie **Hatano Yui, Davina Raines, Michelle Ferrari, Clanddi,
SolaZola, Kate Kuray**. Powód: założenie „prawdziwy performer ma ref kanoniczny" nie
działa dla JAV, amatorek i debiutantek, których nie ma w TPDB. Do de-rankingu to
wystarcza (fałszywka = gorszy ranking), do kasowania nie.

Rozstrzyga dopiero **promiskuityczność taga**: ile RÓŻNYCH innych performerów pojawia
się na scenach otagowanych tym samym slugiem. Nazwisko współwystępuje głównie ze swoim
właścicielem i partnerami ze sceny, kategoria z całym katalogiem. Zmierzone:

    prawdziwe osoby   Hatano Yui 0, Clanddi 0, Chyna 0, Kwini 2, Katekuray 9,
                      SolaZola 4, Julia Reaves 20  (maksimum 20)
    kategorie         Deepthroat 39541, Creampie 33661, riding 16284, Skinny 9443

Próg 50 leży ponad dwukrotnie powyżej najwyższej prawdziwej osoby. Dodatkowo chronimy
nazwy w formacie „Imię Nazwisko", bo sygnał studia (odrzucony) wciągał marki osobiste.

Job, nie bramka w `resolve_performer`: kasowanie cyklem nie dotyka gorącej ścieżki
ingestu, a śmieci i tak odrastają wolno. Ta sama logika co przy [[phash_blacklist]].
"""
from __future__ import annotations

import logging

from sqlalchemy import text
from sqlalchemy.orm import Session

log = logging.getLogger(__name__)

#: Ponad 2× powyżej najwyższej zmierzonej prawdziwej osoby (Julia Reaves, 20).
DEFAULT_MIN_FOREIGN_PERFORMERS = 50

_SELECT_SQL = """
WITH junk AS (
  SELECT pf.id, pf.canonical_name, pf.slug
  FROM performers pf
  WHERE EXISTS (SELECT 1 FROM tags t WHERE t.slug = pf.slug)
    AND NOT EXISTS (
      SELECT 1 FROM performer_external_refs r JOIN sources s ON s.id = r.source_id
      WHERE r.performer_id = pf.id AND s.kind IN ('tpdb', 'stashdb')
    )
    -- „Imię Nazwisko" zostaje: marki osobiste (Kate Kuray, Julia Reaves) wyglądają
    -- jak studio, ale są osobami.
    AND pf.canonical_name !~ '^[A-Z][a-z]+ [A-Z][a-z]+$'
)
SELECT j.id FROM junk j
WHERE (
  SELECT count(DISTINCT sp.performer_id)
  FROM tags t JOIN scene_tags st ON st.tag_id = t.id
       JOIN scene_performers sp ON sp.scene_id = st.scene_id
  WHERE t.slug = j.slug AND sp.performer_id <> j.id
) >= :min_foreign
"""


def find_junk_performers(session: Session, *, min_foreign: int = DEFAULT_MIN_FOREIGN_PERFORMERS):
    return [r[0] for r in session.execute(text(_SELECT_SQL), {"min_foreign": min_foreign})]


def run_junk_performer_cleanup(
    *, min_foreign: int = DEFAULT_MIN_FOREIGN_PERFORMERS, commit: bool = True
) -> dict[str, int]:
    """Skasuj śmieciowych performerów. `scene_performers` leci kaskadą — sceny i tagi
    zostają, więc treść nie ginie: „creampie" nadal jest tagiem przy 176 tys. scen,
    tylko przestaje udawać osobę."""
    from app.db import session_scope

    with session_scope() as session:
        ids = find_junk_performers(session, min_foreign=min_foreign)
        if not ids:
            return {"found": 0, "deleted": 0}
        deleted = 0
        if commit:
            deleted = int(
                session.execute(
                    text("DELETE FROM performers WHERE id = ANY(:ids)"), {"ids": ids}
                ).rowcount or 0
            )
            session.commit()
    log.info("junk performers: znaleziono %d, skasowano %d", len(ids), deleted)
    return {"found": len(ids), "deleted": deleted}