madi 0.2.1

madi(마디): pure Rust Korean morphological analyzer — library entry point (Engine, sentence splitting)
Documentation
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
1001
1002
1003
1004
1005
1006
1007
1008
1009
1010
1011
1012
1013
1014
1015
1016
1017
1018
1019
1020
1021
1022
1023
1024
1025
1026
1027
1028
1029
1030
1031
1032
1033
1034
1035
1036
1037
1038
1039
1040
1041
1042
1043
1044
1045
1046
1047
1048
1049
1050
1051
1052
1053
1054
1055
1056
1057
1058
1059
1060
1061
1062
1063
1064
1065
1066
1067
1068
1069
1070
1071
1072
1073
1074
1075
1076
1077
1078
1079
1080
1081
1082
1083
1084
1085
1086
1087
1088
1089
//! # madi(마디) — 순수 Rust 한국어 형태소 분석기
//!
//! 이 크레이트는 madi 의 **라이브러리 진입점**입니다. 사전과 언어 모델을 열어 [`Engine`] 을 만들고,
//! 스레드마다 [`EngineWorker`] 를 하나씩 받아 문장을 분석합니다. 명령줄 도구는 `madi-cli`,
//! Python 패키지는 `madipy`(`import madi`), 둘 다 이 크레이트 위에 얹혀 있습니다.
//!
//! - 품사는 세종 태그 체계([`Tag`]: NNG·VV·JKS …)이고, 분석 관행은 국립국어원 모두의 말뭉치
//!   형태 분석 지침을 따릅니다.
//! - 형태소 분석을 이용한 **문장 분리**(종결 부호가 없어도 종결 어미 뒤에서 끊음)를 함께 제공합니다.
//! - 소개 페이지 <https://p14jeffwest.github.io/madi-release/>, 모델·이용 조건
//!   <https://github.com/p14jeffwest/madi-release>.
//!
//! ## 모델 파일
//!
//! 사전·언어 모델은 크레이트에 들어 있지 않습니다. 위 저장소의 Release `models-kword5` 에서 받아 풉니다
//! (CC BY-SA 2.0 KR).
//!
//! | 파일 | 무엇 | 필요한 때 |
//! |---|---|---|
//! | `madi.dict` | 사전(어휘·활용형·복합어·연접표) | 항상 |
//! | `knlm.bin` | n-gram 언어 모델(KnLM) | 권장 — 없으면 ko-dic 연접표만으로 분석 |
//! | `model.nlm` | 신경망 언어 모델(NLM) | 기본 모드(feature `nlm`, 기본 켬) |
//! | `precise.tlm` | 정밀 모드 교사(작은 트랜스포머) | `precise` 를 줄 때만 |
//!
//! ## 빠른 시작
//!
//! ```no_run
//! use madi::{Engine, EngineConfig, NLM_MIX_WEIGHTS};
//!
//! // 기본 모드(사전 + KnLM + NLM). Python 패키지·CLI 의 기본값과 같다.
//! let cfg = EngineConfig {
//!     knlm: Some("models/knlm.bin".into()),
//!     nlm: Some("models/model.nlm".into()),
//!     lm_weight: NLM_MIX_WEIGHTS.0,
//!     nlm_weight: NLM_MIX_WEIGHTS.1,
//!     skip: madi::Skip::Off,            // 문서 정제·문장 버리기 없이 (라이브러리 용도)
//!     min_len: 0,
//!     ..EngineConfig::new("models/madi.dict")
//! };
//! let engine = Engine::load(&cfg)?;           // 1초 안팎, 한 번만 만들어 공유
//! println!("{}", engine.version());           // 0.2.1+decdb.r3p.f11.k838c.n15e6.s-
//!
//! let mut w = engine.worker();                // 스레드마다 하나
//! for t in w.analyze_sentence("아버지가 방에 들어가신다.") {
//!     print!("{}/{} ", t.form, t.tag.code());  // 아버지/NNG 가/JKS 방/NNG 에/JKB 들어가/VV 시/EP ㄴ다/EF ./SF
//! }
//! # Ok::<(), anyhow::Error>(())
//! ```
//!
//! ## 어느 함수를 쓰나
//!
//! | 하고 싶은 것 | 함수 | 돌려주는 것 |
//! |---|---|---|
//! | 문장 하나 분석 | [`EngineWorker::analyze_sentence`] | `Vec<Token>` (위치는 그 문장 안) |
//! | 여러 줄을 문장으로 나누고 각 문장 분석 | [`EngineWorker::sentences`] | `Vec<SentSpan>` (입력 전체 기준 위치·어절 번호) |
//! | 위 결과를 한 줄로 | [`EngineWorker::tokenize`] | `Vec<Morph>` |
//! | 문장 경계만 | [`EngineWorker::split_sentences`] | `Vec<String>` |
//! | 상위 n 개 후보와 점수 | [`EngineWorker::analyze_nbest`] | `Vec<(f32, Vec<Token>)>` |
//! | 특정 구간을 정해진 형태소로 | [`EngineWorker::analyze_pretokenized`] | `(Vec<Token>, Vec<bool>)` |
//! | 기사·문서를 말뭉치 만들 듯 처리(정제·보일러플레이트 제거) | [`EngineWorker::analyze_doc`] | `Vec<Sentence>` |
//! | 사전에 없는 말 보태기 | [`Engine::add_user_word`], [`Engine::load_user_dictionary`], [`EngineConfig::user`] | — |
//!
//! ## 모드
//!
//! | 모드 | 설정 | 특징 |
//! |---|---|---|
//! | 기본 | `knlm` + `nlm`, 가중 [`NLM_MIX_WEIGHTS`] | 대부분의 용도 |
//! | 정밀 | 기본 + `precise: Some("precise.tlm")` | 애매한 어절을 교사가 다시 고름. 약 10배 느림 |
//! | 가벼운 | `knlm` 만(`nlm: None`, `lm_weight: 1.0`) | 메모리 약 130 MB 적음, 정확도 조금 낮음. `default-features = false` 로 빌드 가능 |
//!
//! ## 스레드
//!
//! [`Engine`] 은 `Send + Sync` 라 `Arc` 로 여러 스레드가 공유하고, 각 스레드는 [`Engine::worker`] 로
//! 자기 작업 버퍼를 받습니다. 분석은 문장마다 독립이라 스레드 수와 관계없이 결과가 같습니다.
//!
//! ## 위치와 어절
//!
//! 모든 위치는 **글자(`char`) 단위** 반열린 구간 `[start, end)` 입니다(바이트가 아님). 축약된 활용형은
//! 여러 형태소가 같은 구간을 가리킵니다: "신다" → 시/EP(11..13) + ㄴ다/EF(11..13). [`Token::space_before`]
//! 가 참이면 그 형태소가 새 어절의 시작입니다.
//!
//! ## 판본 문자열
//!
//! [`Engine::version`] 은 `0.2.1+decdb.r3p.f11.k838c.n15e6.s-[.u…][.w…][.p…]` 꼴로, 크레이트 판본 뒤에
//! 사전·점수 가중 판·가지치기 문턱·KnLM·NLM·보일러플레이트 규칙의 해시가 붙습니다. 사용자 사전을 쓰면 `.u`,
//! 기본값과 다른 가중·옵션이 있으면 `.w`, 정밀 모드면 `.p` 가 더 붙습니다. 두 실행의 판본 문자열이 같으면
//! 같은 입력에 같은 출력을 냅니다.

/// 형태소 분석 결과를 쓰는 문장 분리 규칙 ([`EngineWorker::split_sentences`]·[`EngineWorker::sentences`] 가 쓴다).
pub mod split;
/// 문서 전처리: 보일러플레이트 규칙, 규칙 기반 문장 분리([`text::split_sentences`]), 토큰 줄 형식.
pub mod text;

/// 분석 옵션·품사·토큰 — `madi-core` 의 것을 그대로 내보낸다.
pub use madi_core::{Options, Tag, TagStyle, Token};
/// 정밀 모드 설정(τ 문턱·후보 수 등). [`EngineConfig::precise_opt`].
pub use madi_lm::precise::PreciseOpt;
/// 신문 기사 수집·정제 도구(`madi-news`). 보통의 분석에는 필요 없다.
pub use madi_news as news;

use anyhow::{bail, Context, Result};
use madi_core::{Analyzer, Dict, LangModel, Worker};
use madi_lm::tlm::TlmState;
use madi_lm::{KnLm, Tlm};
#[cfg(feature = "nlm")]
use madi_lm::{Mixed, Nlm};
use std::io::Read;
use std::path::{Path, PathBuf};
use text::SkipRules;

/// 문서 정제·문장 버리기 규칙(보일러플레이트 규칙)을 어디서 가져올지. [`EngineConfig::skip`].
///
/// 이 규칙은 [`EngineWorker::analyze_doc`] 에서만 쓰인다(신문 기사의 "무단 전재 금지" 같은 상투 문장 제거).
/// 문장을 그대로 분석하는 용도([`EngineWorker::analyze_sentence`]·[`sentences`](EngineWorker::sentences))라면
/// [`Skip::Off`] 로 두는 것이 판본 문자열도 짧고(`.s-`) 뜻도 분명하다.
#[derive(Debug, Clone, PartialEq)]
pub enum Skip {
    /// 빌드 때 넣은 기본 규칙(`boilerplate.txt`). [`EngineConfig::new`] 의 기본값
    Builtin,
    /// 같은 형식의 규칙 파일에서 읽는다
    File(PathBuf),
    /// 정제·문장 버리기를 하지 않는다 (라이브러리 용도 권장)
    Off,
}

/// [`Engine`] 을 만드는 설정. [`EngineConfig::new`] 로 사전 경로만 주고 나머지는 구조체 갱신 문법으로 바꾼다.
///
/// ```no_run
/// let cfg = madi::EngineConfig {
///     knlm: Some("models/knlm.bin".into()),
///     nlm: Some("models/model.nlm".into()),
///     lm_weight: madi::NLM_MIX_WEIGHTS.0,
///     nlm_weight: madi::NLM_MIX_WEIGHTS.1,
///     user: vec!["my_dict.tsv".into()],
///     ..madi::EngineConfig::new("models/madi.dict")
/// };
/// ```
///
/// 가중치 조합: KnLM 만 쓰면 `lm_weight` 1.0(기본), NLM 을 함께 쓰면 [`NLM_MIX_WEIGHTS`] (0.7, 0.3).
/// 그 밖의 값을 주면 판본 문자열에 `.w…` 가 붙어 기본 설정과 구별된다.
#[derive(Debug, Clone)]
pub struct EngineConfig {
    /// 사전 파일 `madi.dict` (필수)
    pub dict: PathBuf,
    /// n-gram 언어 모델 `knlm.bin`. 없으면 ko-dic 연접표만으로 분석한다(정확도 낮음, 시험용)
    pub knlm: Option<PathBuf>,
    /// 신경망 언어 모델 `model.nlm` (feature `nlm`, 기본 켬). 기본 모드에 필요하다. `madi nlm-pack` 으로 묶은 파일(권장)
    /// 또는 `model.i8`(어휘는 같은 디렉터리의 `vocab.tsv`). 로드 때 모델·어휘의 짝을 확인하고 어긋나면 오류
    pub nlm: Option<PathBuf>,
    /// KnLM 가중치. NLM 과 함께 쓸 때는 [`NLM_MIX_WEIGHTS`]`.0`(0.7), KnLM 만 쓸 때는 1.0([`EngineConfig::new`] 기본)
    pub lm_weight: f32,
    /// NLM 가중치. NLM 과 함께 쓸 때 [`NLM_MIX_WEIGHTS`]`.1`(0.3). `nlm` 이 없으면 쓰이지 않는다
    pub nlm_weight: f32,
    /// KnLM 미등록어 클래스 강도 (기본 0.0 = 모델 그대로). 보통 건드리지 않는다
    pub unk_scale: f32,
    /// 분석·출력 옵션([`Options`]): 복합어 펼치기, 2025년판 출력(`std_2025`), 탐색 설정 등. 기본값이 공개판 운영 설정이다
    pub options: Options,
    /// 문서 정제 규칙([`Skip`]). [`analyze_doc`](EngineWorker::analyze_doc) 에만 쓰인다. 기본 [`Skip::Builtin`]
    pub skip: Skip,
    /// [`analyze_doc`](EngineWorker::analyze_doc) 에서 이 글자 수보다 짧은 문장은 버린다 (기본 5; 규칙을 끄면 0 을 권장)
    pub min_len: usize,
    /// 한자 독음 자료 디렉터리(`hanja_char.csv`·`dueum.csv`·`hanja_word.csv`). 주면 한자 표기를 독음으로 분석하고
    /// [`Token::hanja`] 에 원 한자를 둔다. 없으면 한자는 SH 로 남는다
    pub hanja: Option<PathBuf>,
    /// 사용자 사전 파일들(탭 구분; 형식은 [`Engine::load_user_dictionary`]). 생성 때 읽어 두는 권장 경로
    pub user: Vec<PathBuf>,
    /// 정밀 모드 교사 `precise.tlm`. 주면 정밀 모드: 1차 분석에서 점수 차가 τ 안쪽인 어절만 교사가 다시 고른다(약 10배 느림)
    pub precise: Option<PathBuf>,
    /// 정밀 모드 설정([`PreciseOpt`]: τ 문턱·대안 수 등). 기본값이 공개판 설정
    pub precise_opt: PreciseOpt,
    /// 교사를 분석에는 쓰지 않고 [`EngineWorker::set_teacher_score`] 재채점에만 쓴다 (맞춤법 검사기용; 보통 false)
    pub teacher_only: bool,
}

impl EngineConfig {
    /// 사전 경로만 주고 나머지는 기본값으로: 언어 모델 없음, `lm_weight` 1.0, [`Skip::Builtin`], `min_len` 5,
    /// 사용자 사전·한자·정밀 모드 없음. 보통 구조체 갱신 문법으로 `knlm`·`nlm` 을 채워 쓴다
    pub fn new(dict: impl Into<PathBuf>) -> Self {
        Self {
            dict: dict.into(),
            knlm: None,
            nlm: None,
            lm_weight: 1.0,
            nlm_weight: 1.0,
            unk_scale: 0.0,
            options: Options::default(),
            skip: Skip::Builtin,
            min_len: 5,
            hanja: None,
            user: Vec::new(),
            precise: None,
            precise_opt: PreciseOpt::default(),
            teacher_only: false,
        }
    }
}

enum Inner {
    Conn(Analyzer<madi_core::ConnCost>),
    Kn(Analyzer<KnLm>),
    #[cfg(feature = "nlm")]
    Nl(Analyzer<Nlm>),
    #[cfg(feature = "nlm")]
    KnNl(Analyzer<Mixed<KnLm, Nlm>>),
}

/// 공유 분석기: 사전·언어 모델·옵션을 한 번 메모리에 올린 것. `Send + Sync`.
///
/// - [`Engine::load`] 로 만든다(1초 안팎, 기본 모드 약 470 MB). 한 프로세스에 하나를 만들어 `Arc` 로 공유한다.
/// - 분석은 [`Engine::worker`] 가 돌려주는 [`EngineWorker`] 로 한다 — 스레드마다 하나.
/// - 사용자 단어를 실행 중에 더하려면 `&mut Engine` 이 필요하다([`Engine::add_user_word`]). 더한 뒤 새로 만든
///   worker 부터 쓰인다.
///
/// ```no_run
/// use std::sync::Arc;
/// let engine = Arc::new(madi::Engine::load(&madi::EngineConfig::new("models/madi.dict"))?);
/// let handles: Vec<_> = (0..4).map(|i| {
///     let e = Arc::clone(&engine);
///     std::thread::spawn(move || {
///         let mut w = e.worker();
///         w.analyze_sentence(&format!("{}번째 스레드", i)).len()
///     })
/// }).collect();
/// # Ok::<(), anyhow::Error>(())
/// ```
pub struct Engine {
    inner: Inner,
    skip: Option<SkipRules>,
    min_len: usize,
    options: Options,
    version: String,
    /// 정밀 모드 교사 (읽기 전용 — 상태는 worker 마다)
    precise: Option<(Tlm, PreciseOpt)>,
    /// 교사는 재채점용으로만 (분석은 보통 경로)
    teacher_only: bool,
    /// 사용자 사전·한자 자료의 해시 (판본 문자열 `.u`; 실행 중 사용자 단어를 더하면 갱신, 0.2.0)
    user_h: Option<u64>,
}

enum WInner<'a> {
    Conn(Worker<'a, madi_core::ConnCost>),
    Kn(Worker<'a, KnLm>),
    #[cfg(feature = "nlm")]
    Nl(Worker<'a, Nlm>),
    #[cfg(feature = "nlm")]
    KnNl(Worker<'a, Mixed<KnLm, Nlm>>),
}

/// 스레드 하나의 분석 작업 버퍼. [`Engine::worker`] 로 받는다.
///
/// 격자·탐색 버퍼와 정밀 모드 교사 상태를 들고 있어 `Send` 가 아니다 — 스레드를 넘기지 말고 스레드마다 새로 받는다.
/// 모든 분석 메서드는 `&mut self` 를 받지만 엔진 자체는 바꾸지 않으므로 몇 번을 불러도 결과가 같다.
///
/// 주요 메서드: [`analyze_sentence`](Self::analyze_sentence)(문장 하나) · [`sentences`](Self::sentences)(문장 분리 + 위치) ·
/// [`tokenize`](Self::tokenize) · [`split_sentences`](Self::split_sentences) · [`analyze_nbest`](Self::analyze_nbest)(여러 후보) ·
/// [`analyze_pretokenized`](Self::analyze_pretokenized)(구간 지정) · [`analyze_doc`](Self::analyze_doc)(문서 정제 포함).
pub struct EngineWorker<'a> {
    w: WInner<'a>,
    e: &'a Engine,
    /// `analyze_query_nbest` 에만 쓰는 옵션 (`None` 이면 엔진 옵션). 맞춤법 검사기가 재채점 점수차를 예전 눈금(`legacy_score`)으로 재려고 쓴다 (10.13)
    nbest_opt: Option<Options>,
    /// 정밀 모드 교사 상태 (엔진에 교사가 있을 때만)
    tst: Option<TlmState>,
    /// `analyze_query_nbest` 의 점수를 교사 로그 확률로 (맞춤법 gate Teacher)
    teacher_score: bool,
}

/// [`EngineWorker::analyze_doc`] 이 돌려주는 문장 하나: 정제된 문장 글과 그 형태소들.
/// 토큰 위치는 **이 문장 안** 글자 위치다(입력 전체 기준이 필요하면 [`EngineWorker::sentences`]).
#[derive(Debug, Clone)]
pub struct Sentence {
    /// 정제·분리를 거친 문장 글
    pub text: String,
    /// 형태소들(위치는 `text` 안 글자 위치)
    pub tokens: Vec<Token>,
}

/// 위치가 붙은 형태소 — [`EngineWorker::sentences`]·[`EngineWorker::tokenize`] 의 결과 단위.
///
/// [`Token`] 에 "입력 안 어디에 있는가"를 더한 것이다. Python 패키지의 `Token` 이 이것에 해당한다.
#[derive(Debug, Clone)]
pub struct Morph {
    /// 형태소. `token.start`/`end` 는 **입력 전체** 기준 글자 위치(문장 안이 아님)
    pub token: Token,
    /// 문장 안 어절 번호 (0부터)
    pub word: u32,
    /// 입력 안 문장 번호 (0부터)
    pub sent: u32,
}

/// 문장 하나의 구간과 형태소 — [`EngineWorker::sentences`] 의 결과 단위.
///
/// `&input.chars().collect::<Vec<_>>()[start..end]` 가 `text` 와 같다 — 원문에서 그 문장을 그대로 잘라 낼 수 있다.
#[derive(Debug, Clone)]
pub struct SentSpan {
    /// 입력 전체 기준 글자 위치 (시작)
    pub start: usize,
    /// 입력 전체 기준 글자 위치 (끝, 포함하지 않음)
    pub end: usize,
    /// 문장 글 (원문 그대로)
    pub text: String,
    /// 형태소들 (입력 전체 기준 위치, 어절·문장 번호 포함)
    pub tokens: Vec<Morph>,
}

/// 미리 정한 구간 — [`EngineWorker::analyze_pretokenized`] 의 입력 (Kiwi 의 `pretokenized` 에 해당).
///
/// 입력 글자 구간 `[start, end)` 를 `form`·`tag` 인 형태소 하나로 분석하게 한다.
/// - `form` 이 `None` 이면 그 구간 원문 그대로.
/// - `tag` 가 `None` 이면 아무 품사나. 품사 코드는 **접두 일치**: `"NN"` 이면 NNG·NNP·NNB 가운데 하나.
///
/// 격자에 큰 보너스를 주는 방식이라 사전에 그런 (형태, 품사) 후보가 전혀 없으면 지키지 못할 수 있다 —
/// 그때 [`analyze_pretokenized`](EngineWorker::analyze_pretokenized) 가 돌려주는 `bool` 이 `false` 다.
#[derive(Debug, Clone)]
pub struct Pretoken {
    /// 입력 글자 위치 (시작)
    pub start: usize,
    /// 입력 글자 위치 (끝, 포함하지 않음)
    pub end: usize,
    /// 형태(사전 표기). `None` 이면 구간 원문
    pub form: Option<String>,
    /// 품사 코드(접두 일치). `None` 이면 제한 없음
    pub tag: Option<String>,
}

/// 원형(lemma): 용언(VV·VA·VX·VCP·VCN)은 어간 + "다"(들어가 → 들어가다), 그 밖은 형태 그대로.
///
/// madi 의 `form` 은 이미 사전 표기(활용·축약을 되돌린 꼴)라 원형이 따로 필요한 경우는 용언뿐이다.
pub fn lemma(t: &Token) -> String {
    match t.tag {
        Tag::VV | Tag::VA | Tag::VX | Tag::VCP | Tag::VCN => format!("{}다", t.form),
        _ => t.form.clone(),
    }
}

/// 바이트열의 64비트 해시(FNV 식, 8바이트 단위). 판본 문자열을 만드는 데 쓴다. `h` 는 시작값(이어서 해시할 때 앞 결과).
pub fn hash_bytes(h: u64, b: &[u8]) -> u64 {
    let mut h = h;
    let mut ch = b.chunks_exact(8);
    for c in &mut ch {
        h = (h ^ u64::from_le_bytes(c.try_into().unwrap())).wrapping_mul(0x100000001b3).rotate_left(23);
    }
    for &x in ch.remainder() {
        h = (h ^ x as u64).wrapping_mul(0x100000001b3);
    }
    h
}

/// 텍스트의 64비트 해시. BOM 을 떼고 줄끝을 LF 로 맞춘 뒤 재므로 Windows 에서 CRLF 로 풀린 파일도 같은 값이 난다.
/// 사용자 사전·규칙 파일의 판본 해시(`.u`·`.s`)에 쓴다.
pub fn hash_text(t: &str) -> u64 {
    let t = t.strip_prefix('\u{feff}').unwrap_or(t);
    if t.contains('\r') {
        hash_bytes(0xcbf29ce484222325, t.replace("\r\n", "\n").as_bytes())
    } else {
        hash_bytes(0xcbf29ce484222325, t.as_bytes())
    }
}

/// 파일 내용의 64비트 해시([`hash_bytes`] 와 같은 값을 1 MB 씩 읽어 가며). 사전·모델 파일의 판본 해시에 쓴다.
pub fn hash_file(path: &Path) -> Result<u64> {
    let mut f = std::fs::File::open(path).with_context(|| path.display().to_string())?;
    let mut buf = vec![0u8; 1 << 20];
    let mut h = 0xcbf29ce484222325u64;
    let mut carry: Vec<u8> = Vec::new();
    loop {
        let n = f.read(&mut buf)?;
        if n == 0 {
            break;
        }
        // 8바이트 정렬을 유지하려고 남은 조각을 다음 읽기와 잇는다
        carry.extend_from_slice(&buf[..n]);
        let k = carry.len() / 8 * 8;
        h = hash_bytes(h, &carry[..k]);
        carry.drain(..k);
    }
    Ok(hash_bytes(h, &carry))
}

/// [`hash_file`] 과 같은 값을 메모리 버퍼에서 낸다 — `words` 는 8바이트 단위로 담은 내용, `len` 은 실제 바이트 수.
/// [`Engine::from_memory`](WASM 등 파일이 없는 환경) 가 쓴다. 리틀 엔디언 가정(x86·wasm32).
pub fn hash_words(words: &[u64], len: usize) -> u64 {
    let full = len / 8;
    let mut h = 0xcbf29ce484222325u64;
    for &w in &words[..full] {
        h = (h ^ u64::from_le(w)).wrapping_mul(0x100000001b3).rotate_left(23);
    }
    if len % 8 != 0 {
        let b = words[full].to_le_bytes();
        for &x in &b[..len % 8] {
            h = (h ^ x as u64).wrapping_mul(0x100000001b3);
        }
    }
    h
}

fn short(h: u64) -> String {
    format!("{:04x}", (h ^ (h >> 16) ^ (h >> 32) ^ (h >> 48)) & 0xffff)
}

#[cfg(feature = "nlm")]
fn load_nlm(p: &Path, weight: f32, dict: &Dict) -> Result<Nlm> {
    let mut n = madi_lm::nlm::load_checked(p).with_context(|| format!("load {}", p.display()))?;
    n.weight = weight;
    n.attach(dict);
    Ok(n)
}

/// `Inner` 의 분석기에 같은 일을 한다 (변형 넷)
macro_rules! with_an {
    ($inner:expr, $an:ident => $body:expr) => {
        match &mut $inner {
            Inner::Conn($an) => $body,
            Inner::Kn($an) => $body,
            #[cfg(feature = "nlm")]
            Inner::Nl($an) => $body,
            #[cfg(feature = "nlm")]
            Inner::KnNl($an) => $body,
        }
    };
}

/// 사용자 사전·한자 자료 파일의 해시 (판본 문자열 `.u`). 둘 다 없으면 None
fn user_hash(cfg: &EngineConfig) -> Result<Option<u64>> {
    if cfg.hanja.is_none() && cfg.user.is_empty() {
        return Ok(None);
    }
    let mut h = 0u64;
    if let Some(d) = &cfg.hanja {
        for f in ["hanja_char.csv", "dueum.csv", "hanja_word.csv"] {
            let t = std::fs::read_to_string(d.join(f)).with_context(|| d.join(f).display().to_string())?;
            h = h.rotate_left(5) ^ hash_text(&t);
        }
    }
    for p in &cfg.user {
        let t = std::fs::read_to_string(p).with_context(|| p.display().to_string())?;
        h = h.rotate_left(5) ^ hash_text(&t);
    }
    Ok(Some(h))
}

fn prepare<L: LangModel>(mut an: Analyzer<L>, cfg: &EngineConfig) -> Result<Analyzer<L>> {
    if let Some(dir) = &cfg.hanja {
        an.load_hanja(dir).with_context(|| format!("load hanja from {}", dir.display()))?;
    }
    for p in &cfg.user {
        let bad = an.load_user_dict(p).with_context(|| format!("read {}", p.display()))?;
        if let Some((ln, line)) = bad.first() {
            bail!("{}:{}: 사용자 사전 줄 형식 오류: {}", p.display(), ln, line);
        }
    }
    Ok(an)
}

impl Engine {
    /// 설정대로 사전·언어 모델·(있으면) 정밀 모드 교사·사용자 사전을 열어 엔진을 만든다. 보통의 진입점.
    ///
    /// 파일이 없거나 사전과 모델의 짝이 맞지 않거나 사용자 사전 줄 형식이 틀리면 오류를 돌려준다.
    /// feature `nlm` 없이 빌드했는데 `cfg.nlm` 이 있으면 오류.
    pub fn load(cfg: &EngineConfig) -> Result<Self> {
        let dict = Dict::open(&cfg.dict).with_context(|| format!("open {}", cfg.dict.display()))?;
        Self::from_dict(dict, cfg)
    }

    /// 이미 연 [`Dict`] 로 엔진을 만든다([`load`](Self::load) 의 뒷부분). 사전을 미리 고쳐 넘길 때(CLI 의 실험용) 쓰며,
    /// 판본 문자열의 사전 해시는 여전히 `cfg.dict` 파일로 낸다. 보통은 [`load`](Self::load) 를 쓴다.
    pub fn from_dict(dict: Dict, cfg: &EngineConfig) -> Result<Self> {
        #[cfg(not(feature = "nlm"))]
        if cfg.nlm.is_some() {
            bail!("this madi was built without feature \"nlm\"");
        }
        let knlm = match &cfg.knlm {
            Some(p) => {
                let mut lm = KnLm::load(p).with_context(|| format!("load {}", p.display()))?;
                lm.weight = cfg.lm_weight;
                lm.unk_scale = cfg.unk_scale;
                lm.attach(&dict);
                Some(lm)
            }
            None => None,
        };
        let inner = match (knlm, &cfg.nlm) {
            (None, None) => Inner::Conn(prepare(Analyzer::with_lm(dict, madi_core::ConnCost), cfg)?),
            (Some(lm), None) => Inner::Kn(prepare(Analyzer::with_lm(dict, lm), cfg)?),
            #[cfg(feature = "nlm")]
            (None, Some(np)) => {
                let nlm = load_nlm(np, cfg.nlm_weight, &dict)?;
                Inner::Nl(prepare(Analyzer::with_lm(dict, nlm), cfg)?)
            }
            #[cfg(feature = "nlm")]
            (Some(lm), Some(np)) => {
                let mut nlm = load_nlm(np, cfg.nlm_weight, &dict)?;
                nlm.weight *= cfg.options.search.nlm_scale; // 10.12 기본 가중의 NLM 몫 (보간일 때만)
                Inner::KnNl(prepare(Analyzer::with_lm(dict, Mixed { a: lm, b: nlm }), cfg)?)
            }
            #[cfg(not(feature = "nlm"))]
            (_, Some(_)) => unreachable!(),
        };
        let (skip, skip_text) = match &cfg.skip {
            Skip::Builtin => (Some(SkipRules::builtin()), Some(text::BUILTIN_SKIP.to_string())),
            Skip::File(p) => {
                let t = std::fs::read_to_string(p).with_context(|| p.display().to_string())?;
                (Some(SkipRules::parse(&t, &p.display().to_string())?), Some(t))
            }
            Skip::Off => (None, None),
        };
        let version = Self::make_version(cfg, skip_text.as_deref())?;
        let precise = match &cfg.precise {
            Some(p) => Some((Tlm::load(p).with_context(|| format!("load {} (정밀 모드 교사)", p.display()))?, cfg.precise_opt)),
            None => None,
        };
        Ok(Self { inner, skip, min_len: cfg.min_len, options: cfg.options.clone(), version, precise, teacher_only: cfg.teacher_only, user_h: user_hash(cfg)? })
    }

    /// 파일 없이 메모리에 있는 사전·KnLM 바이트로 엔진을 만든다 (WASM 처럼 파일 시스템이 없는 환경용).
    ///
    /// `dict_words`/`knlm` 은 파일 내용을 8바이트 단위 `Vec<u64>` 에 담은 것과 실제 바이트 수. `cfg` 의 파일 경로 항목
    /// (`dict`·`knlm`·`nlm`·`precise`·`user`·`hanja`)은 쓰지 않고 가중치·옵션·`skip`·`min_len` 만 읽는다.
    /// NLM·정밀 모드·사용자 사전·한자 자료·[`Skip::File`] 은 아직 지원하지 않는다(오류).
    /// 판본 문자열은 같은 파일을 경로로 열 때와 같다.
    pub fn from_memory(dict_words: Vec<u64>, dict_len: usize, knlm: Option<(Vec<u64>, usize)>, cfg: &EngineConfig) -> Result<Self> {
        if cfg.nlm.is_some() || cfg.precise.is_some() || !cfg.user.is_empty() || cfg.hanja.is_some() {
            bail!("from_memory: NLM·정밀 모드·사용자 사전·한자 자료는 아직 지원하지 않는다");
        }
        let mut v = format!("{}+d{}", env!("CARGO_PKG_VERSION"), short(hash_words(&dict_words, dict_len)));
        v += &rev_tag(cfg);
        let kh = knlm.as_ref().map(|(w, n)| hash_words(w, *n));
        let dict = Dict::from_words(dict_words, dict_len).context("사전")?;
        let lm = match knlm {
            Some((w, n)) => {
                let mut lm = KnLm::from_raw(madi_core::dict::RawSections::from_words(w, n).context("KnLM")?)?;
                lm.weight = cfg.lm_weight;
                lm.unk_scale = cfg.unk_scale;
                lm.attach(&dict);
                Some(lm)
            }
            None => None,
        };
        match kh {
            Some(h) => v += &format!(".k{}", short(h)),
            None => v += ".k-",
        }
        v += ".n-";
        let skip = match &cfg.skip {
            Skip::Builtin => {
                v += &format!(".s{}", short(hash_text(text::BUILTIN_SKIP)));
                Some(SkipRules::builtin())
            }
            Skip::File(_) => bail!("from_memory: Skip::File 은 쓸 수 없다 (Builtin 또는 Off)"),
            Skip::Off => {
                v += ".s-";
                None
            }
        };
        v += &knob_tag(cfg);
        let inner = match lm {
            None => Inner::Conn(Analyzer::with_lm(dict, madi_core::ConnCost)),
            Some(lm) => Inner::Kn(Analyzer::with_lm(dict, lm)),
        };
        Ok(Self { inner, skip, min_len: cfg.min_len, options: cfg.options.clone(), version: v, precise: None, teacher_only: false, user_h: None })
    }

    /// `0.1.0-kword1+d3f2a.k91c0.n-.s7e1b[.u…][.w…]`: 크레이트 버전 + 사전·KnLM·NLM·보일러플레이트 규칙 해시 앞 4자리.
    /// 사용자 사전·한자 자료를 쓰면 `u`, 기본이 아닌 가중치·옵션이면 `w` 가 붙는다
    fn make_version(cfg: &EngineConfig, skip_text: Option<&str>) -> Result<String> {
        let mut v = format!("{}+d{}", env!("CARGO_PKG_VERSION"), short(hash_file(&cfg.dict)?));
        // 기본 점수 가중 판본 (10.12): 기본값 자체가 바뀐 것은 아래 `.w` 로 드러나지 않으므로
        v += &rev_tag(cfg);
        match &cfg.knlm {
            Some(p) => v += &format!(".k{}", short(hash_file(p)?)),
            None => v += ".k-",
        }
        match &cfg.nlm {
            Some(p) => {
                // 묶음 파일이면 그 파일만, 아니면 같은 디렉터리의 vocab.tsv 도
                #[allow(unused_mut)]
                let mut h = hash_file(p)?;
                #[cfg(feature = "nlm")]
                if !Nlm::is_packed(p) {
                    h ^= hash_file(&p.parent().unwrap_or(Path::new(".")).join("vocab.tsv"))?.rotate_left(7);
                }
                v += &format!(".n{}", short(h));
            }
            None => v += ".n-",
        }
        match skip_text {
            Some(t) => v += &format!(".s{}", short(hash_text(t))),
            None => v += ".s-",
        }
        if let Some(h) = user_hash(cfg)? {
            v += &format!(".u{}", short(h));
        }
        // 가중치·옵션이 기본과 다르면 그 차이도 버전에 (같은 파일이라도 결과가 달라지므로)
        v += &knob_tag(cfg);
        // 정밀 모드 (없으면 아무것도 붙지 않아 예전 버전 문자열 그대로)
        if let Some(p) = &cfg.precise {
            let mut h = hash_file(p)?;
            let po = cfg.precise_opt.diff_default();
            if !po.is_empty() {
                h ^= hash_bytes(11, po.join(" ").as_bytes());
            }
            v += &format!(".p{}", short(h));
        }
        Ok(v)
    }

    /// 판본 문자열: `0.2.1+decdb.r3p.f11.k838c.n15e6.s-[.u…][.w…][.p…]`.
    ///
    /// 크레이트 판본 + 사전(`d`)·점수 가중 판(`r`)·전후향 가지치기 문턱(`f`)·KnLM(`k`)·NLM(`n`)·정제 규칙(`s`) 해시.
    /// 사용자 사전이 있으면 `.u`, 기본값과 다른 가중·옵션이 있으면 `.w`, 정밀 모드면 `.p`. 같은 문자열이면 같은 출력을
    /// 보장하므로 결과를 저장할 때 함께 적어 두면 좋다(없는 모델은 `-`: `.k-`, `.n-`).
    pub fn version(&self) -> &str {
        &self.version
    }

    /// 사용자 단어를 더한다 — 사전 파일의 `형태 ⇥ 품사 [⇥ 보너스]` 줄과 같다. 보너스(`score`)는 로그 확률 눈금의
    /// 가산점으로 기본 3.0; 문맥이 강하게 다른 쪽을 가리키면 질 수 있으니 그때는 올린다.
    ///
    /// 용언은 어간만 넣는다(`달리`, `VV` — `달리다`·`달려` 가 아님). 이미 만든 [`EngineWorker`] 에는 반영되지 않고
    /// 그 뒤 [`worker`](Self::worker) 로 받은 것부터 쓰인다. 판본 문자열의 `.u` 가 바뀐다.
    pub fn add_user_word(&mut self, form: &str, tag: Tag, score: Option<f32>) {
        with_an!(self.inner, an => an.add_user_word(form, tag, score));
        self.bump_user(&format!("{form}\t{}\t{score:?}", tag.code()));
    }

    /// 기분석 항목을 더한다 — 표면형 `surface` 가 나오면 `morphs` 열로 분석하는 후보를 추가한다. 사전 파일의
    /// `표면형 ⇥ = ⇥ 형태/품사 형태/품사 …` 줄과 같다. 보너스 기본 6.0. 역시 다음 worker 부터 쓰인다.
    ///
    /// ```no_run
    /// # let mut engine = madi::Engine::load(&madi::EngineConfig::new("models/madi.dict"))?;
    /// engine.add_pre_analyzed_word("달라고", &[("달".into(), madi::Tag::VX), ("라고".into(), madi::Tag::EC)], None);
    /// # Ok::<(), anyhow::Error>(())
    /// ```
    pub fn add_pre_analyzed_word(&mut self, surface: &str, morphs: &[(String, Tag)], score: Option<f32>) {
        with_an!(self.inner, an => an.add_preanalysis(surface, morphs, score));
        let ms: Vec<String> = morphs.iter().map(|(f, t)| format!("{f}/{}", t.code())).collect();
        self.bump_user(&format!("{surface}\t=\t{}\t{score:?}", ms.join(" ")));
    }

    /// 사용자 사전 파일을 읽어 더한다. 잘못된 줄이 있으면 그 줄 번호와 함께 오류. 다음 worker 부터 쓰인다.
    ///
    /// 파일 형식(탭 구분, `#` 뒤는 주석, 품사는 코드·한글 축약 어느 쪽이든):
    /// ```text
    /// 케데헌	NNP                        # 단어 ⇥ 품사 [⇥ 보너스]            (기본 3.0)
    /// 먹깨비	고유명	5
    /// 달라고	=	달/VX 라고/EC             # 표면형 ⇥ = ⇥ 형태/품사 …           기분석 (기본 6.0)
    /// 운주사	운주사/NNG	=>	운주사/NNP    # 표면형 ⇥ 틀린 분석 ⇥ => ⇥ 맞는 분석   분석 뒤 고치기(문맥 안 봄)
    /// ```
    /// 단어·기분석 줄은 후보를 더하는 것이라 문맥에 따라 질 수 있고, `=>` 줄은 결과를 무조건 바꾼다.
    /// 엔진을 만들 때 읽는 [`EngineConfig::user`] 가 권장 경로다.
    pub fn load_user_dictionary(&mut self, path: &Path) -> Result<()> {
        let t = std::fs::read_to_string(path).with_context(|| path.display().to_string())?;
        let bad = with_an!(self.inner, an => an.load_user_dict(path)).with_context(|| format!("read {}", path.display()))?;
        if let Some((ln, line)) = bad.first() {
            bail!("{}:{}: 사용자 사전 줄 형식 오류: {}", path.display(), ln, line);
        }
        self.bump_user(&t);
        Ok(())
    }

    /// 판본 문자열의 `.u` 를 갱신 (`…s0968[.uXXXX][.w…][.p…]`)
    fn bump_user(&mut self, text: &str) {
        let h = self.user_h.unwrap_or(0).rotate_left(5) ^ hash_text(text);
        self.user_h = Some(h);
        let (head, rest) = self.version.split_once('+').map(|(a, b)| (a.to_string(), b.to_string())).unwrap_or_default();
        let mut segs: Vec<String> = rest.split('.').filter(|x| !x.starts_with('u')).map(String::from).collect();
        let at = segs.iter().position(|x| x.starts_with('s')).map(|i| i + 1).unwrap_or(segs.len());
        segs.insert(at, format!("u{}", short(h)));
        self.version = format!("{head}+{}", segs.join("."));
    }

    /// 엔진이 쓰는 분석 옵션([`EngineConfig::options`] 의 사본)
    pub fn options(&self) -> &Options {
        &self.options
    }

    /// 정밀 모드 교사를 실었는가(`precise` 를 주고 만들었는가)
    pub fn is_precise(&self) -> bool {
        self.precise.is_some()
    }

    /// 언어 모델 구성 이름: `"conn"`(연접표만) · `"knlm"`(가벼운 모드) · `"nlm"` · `"knlm+nlm"`(기본 모드)
    pub fn lm_name(&self) -> &'static str {
        match &self.inner {
            Inner::Conn(_) => "conn",
            Inner::Kn(_) => "knlm",
            #[cfg(feature = "nlm")]
            Inner::Nl(_) => "nlm",
            #[cfg(feature = "nlm")]
            Inner::KnNl(_) => "knlm+nlm",
        }
    }

    /// 열어 둔 사전(어휘 조회·사전 통계가 필요할 때)
    pub fn dict(&self) -> &Dict {
        match &self.inner {
            Inner::Conn(a) => &a.dict,
            Inner::Kn(a) => &a.dict,
            #[cfg(feature = "nlm")]
            Inner::Nl(a) => &a.dict,
            #[cfg(feature = "nlm")]
            Inner::KnNl(a) => &a.dict,
        }
    }

    /// 문서 정제 규칙 수 ([`Skip::Off`] 면 0)
    pub fn n_skip_rules(&self) -> usize {
        self.skip.as_ref().map(|r| r.len()).unwrap_or(0)
    }

    /// 분석 작업 버퍼를 하나 만든다. 스레드마다 하나씩 받아 그 스레드 안에서만 쓴다. 만드는 비용은 작다(격자 버퍼 할당 정도).
    pub fn worker(&self) -> EngineWorker<'_> {
        let w = match &self.inner {
            Inner::Conn(a) => WInner::Conn(a.worker()),
            Inner::Kn(a) => WInner::Kn(a.worker()),
            #[cfg(feature = "nlm")]
            Inner::Nl(a) => WInner::Nl(a.worker()),
            #[cfg(feature = "nlm")]
            Inner::KnNl(a) => WInner::KnNl(a.worker()),
        };
        let tst = self.precise.as_ref().map(|(t, _)| t.new_state());
        EngineWorker { w, e: self, nbest_opt: None, tst, teacher_score: false }
    }
}

/// [`EngineWorker::analyze_doc_full`] 의 결과: 남은 문장들과 버린 문장 수.
pub struct DocResult {
    /// 분석된 문장들
    pub sentences: Vec<Sentence>,
    /// 정제 규칙([`Skip`])으로 버린 문장 수
    pub skipped: usize,
    /// [`EngineConfig::min_len`] 보다 짧아 버린 문장 수
    pub short: usize,
}

impl EngineWorker<'_> {
    fn run(&mut self, text: &str) -> Vec<Token> {
        let opt = &self.e.options;
        if let (Some((tlm, po)), Some(st), false) = (&self.e.precise, &mut self.tst, self.e.teacher_only) {
            // 정밀 모드 (CLI `best_tokens` 와 같음): 국소 대안(τ 문턱) → 교사로 다시 고르기
            let r = match &mut self.w {
                WInner::Conn(w) => w.analyze_alts_local_gated(text, opt, po.cand_margin, po.max_alts, Some(po.tau)),
                WInner::Kn(w) => w.analyze_alts_local_gated(text, opt, po.cand_margin, po.max_alts, Some(po.tau)),
                #[cfg(feature = "nlm")]
                WInner::Nl(w) => w.analyze_alts_local_gated(text, opt, po.cand_margin, po.max_alts, Some(po.tau)),
                #[cfg(feature = "nlm")]
                WInner::KnNl(w) => w.analyze_alts_local_gated(text, opt, po.cand_margin, po.max_alts, Some(po.tau)),
            };
            let mut stats = Default::default();
            return madi_lm::precise::apply(tlm, st, &r, po, &mut stats);
        }
        match &mut self.w {
            WInner::Conn(w) => w.analyze(text, opt),
            WInner::Kn(w) => w.analyze(text, opt),
            #[cfg(feature = "nlm")]
            WInner::Nl(w) => w.analyze(text, opt),
            #[cfg(feature = "nlm")]
            WInner::KnNl(w) => w.analyze(text, opt),
        }
    }

    /// 문서(기사 본문 등 여러 줄)를 말뭉치 만들 듯 처리한다: 정제 → 문장 분리 → 상투 문장 버리기 → 짧은 문장 버리기 → 분석.
    ///
    /// `madi corpus` 명령이 쓰는 것과 같은 경로다. 정제 규칙은 [`EngineConfig::skip`], 길이 문턱은 [`EngineConfig::min_len`].
    /// 문장 분리는 규칙 기반([`text::split_sentences`]: 종결 부호 뒤)이며, 돌려주는 토큰 위치는 각 문장 안 위치다.
    /// 입력을 그대로 두고 위치까지 받고 싶으면 [`sentences`](Self::sentences) 를 쓴다.
    pub fn analyze_doc(&mut self, text: &str) -> Vec<Sentence> {
        self.analyze_doc_full(text).sentences
    }

    /// [`analyze_doc`](Self::analyze_doc) 과 같되 버린 문장 수까지 돌려준다
    pub fn analyze_doc_full(&mut self, text: &str) -> DocResult {
        let e = self.e;
        let cleaned;
        let text = match &e.skip {
            Some(r) => {
                cleaned = r.clean(text);
                cleaned.as_str()
            }
            None => text,
        };
        let mut ss = text::split_sentences(text);
        let mut skipped = 0;
        if let Some(r) = &e.skip {
            let before = ss.len();
            ss.retain(|s| !r.skip(s));
            skipped = before - ss.len();
        }
        let mut short = 0;
        let mut sentences = Vec::with_capacity(ss.len());
        for s in ss {
            if s.chars().count() < e.min_len {
                short += 1;
                continue;
            }
            let tokens = self.run(&s);
            sentences.push(Sentence { text: s, tokens });
        }
        DocResult { sentences, skipped, short }
    }

    /// 형태소 분석을 이용한 문장 분리. 문장 글만 돌려준다.
    ///
    /// 줄마다 분석해 **종결 부호 뒤**와 **종결 어미(EF)로 끝난 어절 뒤**에서 끊으므로 마침표 없이 이어 쓴 글
    /// (메신저·댓글·구어)도 나눈다. 괄호·따옴표 안에서는 끊지 않고, 줄바꿈은 늘 경계다. 빈 줄은 건너뛴다.
    /// 규칙은 [`split`] 모듈에 있다. 모델 없이 종결 부호만 보는 가벼운 분리는 [`text::split_sentences`].
    ///
    /// ```no_run
    /// # let engine = madi::Engine::load(&madi::EngineConfig::new("models/madi.dict"))?;
    /// let mut w = engine.worker();
    /// assert_eq!(w.split_sentences("밥 먹었니 나는 먹었어"), ["밥 먹었니", "나는 먹었어"]);
    /// # Ok::<(), anyhow::Error>(())
    /// ```
    pub fn split_sentences(&mut self, text: &str) -> Vec<String> {
        let mut out = Vec::new();
        for line in text.lines() {
            if line.trim().is_empty() {
                continue;
            }
            let toks = self.run(line);
            let chars: Vec<char> = line.chars().collect();
            for (s, e) in split::split_line(line, &toks) {
                out.push(chars[s..e].iter().collect());
            }
        }
        out
    }

    /// 입력(여러 줄 가능)을 문장으로 나누고, 문장마다 구간과 위치가 붙은 형태소를 돌려준다. **라이브러리 용도의 기본 진입점.**
    ///
    /// - 정제·버리기 없이 입력을 그대로 다룬다. 문장 경계는 [`split_sentences`](Self::split_sentences) 와 같다.
    /// - [`SentSpan::start`]/`end` 와 각 [`Morph`] 의 `token.start`/`end` 는 **입력 전체** 기준 글자 위치라
    ///   원문에서 바로 잘라 낼 수 있다. `word` 는 문장 안 어절 번호, `sent` 는 문장 번호.
    /// - 빈 줄은 건너뛴다(문장 번호에도 들어가지 않는다).
    ///
    /// ```no_run
    /// # let engine = madi::Engine::load(&madi::EngineConfig::new("models/madi.dict"))?;
    /// let mut w = engine.worker();
    /// let input = "비가 온다. 우산을 챙겨라";
    /// let chars: Vec<char> = input.chars().collect();
    /// for s in w.sentences(input) {
    ///     assert_eq!(s.text, chars[s.start..s.end].iter().collect::<String>());
    ///     for m in &s.tokens {
    ///         println!("{}/{} 어절{} {}..{}", m.token.form, m.token.tag.ko(), m.word, m.token.start, m.token.end);
    ///     }
    /// }
    /// # Ok::<(), anyhow::Error>(())
    /// ```
    pub fn sentences(&mut self, text: &str) -> Vec<SentSpan> {
        let mut out = Vec::new();
        let mut off = 0usize; // 줄 시작의 char 위치
        for raw in text.split('\n') {
            let line = raw.strip_suffix('\r').unwrap_or(raw);
            let n_line = raw.chars().count() + 1;
            if !line.trim().is_empty() {
                let toks = self.run(line);
                let chars: Vec<char> = line.chars().collect();
                for (s, e) in split::split_line(line, &toks) {
                    let sent = out.len() as u32;
                    let mut word = 0u32;
                    let mut ms = Vec::new();
                    for t in toks.iter().filter(|t| t.start >= s && t.end <= e) {
                        if !ms.is_empty() && t.space_before {
                            word += 1;
                        }
                        let mut t = t.clone();
                        t.start += off;
                        t.end += off;
                        ms.push(Morph { token: t, word, sent });
                    }
                    out.push(SentSpan { start: off + s, end: off + e, text: chars[s..e].iter().collect(), tokens: ms });
                }
            }
            off += n_line;
        }
        out
    }

    /// [`sentences`](Self::sentences) 의 형태소를 문장 구분 없이 한 줄로 이어 붙인 것. 문장 번호는 `Morph::sent` 에 남아 있다.
    /// Python 패키지의 `tokenize` 가 이것이다.
    pub fn tokenize(&mut self, text: &str) -> Vec<Morph> {
        self.sentences(text).into_iter().flat_map(|s| s.tokens).collect()
    }

    /// 문장 하나의 상위 `n` 개 분석 후보를 `(점수, 형태소들)` 로, 좋은 것부터. 애매한 문장이 어떻게 갈렸는지 보거나
    /// 뒤에서 다른 정보로 후보 가운데 고를 때 쓴다.
    ///
    /// - 점수는 탐색의 로그 확률 합이라 클수록(0 에 가까울수록) 좋다. 언어 모델 구성마다 눈금이 달라 다른 엔진끼리
    ///   비교할 값은 아니다.
    /// - 1번 후보는 늘 [`analyze_sentence`](Self::analyze_sentence) 와 같다(정밀 모드면 교사가 고른 것이고 그때 점수는
    ///   격자 1위의 값). 후보가 `n` 보다 적을 수 있다.
    /// - 입력 전체를 한 문장으로 본다(문장을 나누지 않는다). `n > 1` 이면 2단 채점 문턱을 꺼서 1-best 보다 느리다.
    ///
    /// ```no_run
    /// # let engine = madi::Engine::load(&madi::EngineConfig::new("models/madi.dict"))?;
    /// let mut w = engine.worker();
    /// for (score, toks) in w.analyze_nbest("감기는 무서운 병이다", 3) {
    ///     println!("{score:.2} {}", madi::format_tokens(&toks));
    /// }
    /// # Ok::<(), anyhow::Error>(())
    /// ```
    pub fn analyze_nbest(&mut self, text: &str, n: usize) -> Vec<(f32, Vec<Token>)> {
        let n = n.max(1);
        // 2단 채점 문턱(nlm_gate)은 노드마다 1위 근처 경로만 남겨 2위 이하 후보를 지운다 → 후보가 여럿일 때는 끈다.
        // 1번 후보는 아래에서 늘 `run`(문턱 켬) 결과로 맞추므로 1-best 출력은 바뀌지 않는다
        let mut o2 = self.e.options.clone();
        if n > 1 {
            o2.search.nlm_gate = 0.0;
        }
        let opt = &o2;
        let mut r = match &mut self.w {
            WInner::Conn(w) => w.analyze_nbest(text, n, opt),
            WInner::Kn(w) => w.analyze_nbest(text, n, opt),
            #[cfg(feature = "nlm")]
            WInner::Nl(w) => w.analyze_nbest(text, n, opt),
            #[cfg(feature = "nlm")]
            WInner::KnNl(w) => w.analyze_nbest(text, n, opt),
        };
        let best = self.run(text);
        let same = |a: &[Token], b: &[Token]| a.len() == b.len() && a.iter().zip(b).all(|(x, y)| x.form == y.form && x.tag == y.tag && x.start == y.start && x.end == y.end);
        if r.first().map_or(true, |(_, t)| !same(t, &best)) {
            let sc = r.first().map_or(0.0, |x| x.0);
            r.retain(|(_, t)| !same(t, &best));
            r.insert(0, (sc, best));
            r.truncate(n);
        }
        r
    }

    /// 미리 정한 구간([`Pretoken`])을 지키며 분석한다. 돌려주는 것은 `(형태소들, 구간마다 지켰는가)`.
    /// 이미 아는 고유 명사 구간을 고정하거나 분석을 일부러 다른 쪽으로 보내 볼 때 쓴다.
    ///
    /// ```no_run
    /// # let engine = madi::Engine::load(&madi::EngineConfig::new("models/madi.dict"))?;
    /// let mut w = engine.worker();
    /// let pre = [madi::Pretoken { start: 0, end: 1, form: Some("감".into()), tag: Some("VV".into()) }];
    /// let (toks, ok) = w.analyze_pretokenized("감기는 무서운 병이다", &pre);
    /// assert!(ok[0]);                                 // 감/VV 기/ETN 는/JX …
    /// # Ok::<(), anyhow::Error>(())
    /// ```
    pub fn analyze_pretokenized(&mut self, text: &str, pre: &[Pretoken]) -> (Vec<Token>, Vec<bool>) {
        let chars: Vec<char> = text.chars().collect();
        let cons: Vec<madi_core::lattice::Boost> = pre
            .iter()
            .map(|p| {
                let e = p.end.min(chars.len());
                let s = p.start.min(e);
                madi_core::lattice::Boost {
                    c0: s as u32,
                    c1: e as u32,
                    form: p.form.clone().unwrap_or_else(|| chars[s..e].iter().collect()),
                    tag: p.tag.clone().unwrap_or_default(),
                    bonus: 30.0,
                }
            })
            .collect();
        let opt = &self.e.options;
        match &mut self.w {
            WInner::Conn(w) => w.analyze_constrained(text, opt, &cons),
            WInner::Kn(w) => w.analyze_constrained(text, opt, &cons),
            #[cfg(feature = "nlm")]
            WInner::Nl(w) => w.analyze_constrained(text, opt, &cons),
            #[cfg(feature = "nlm")]
            WInner::KnNl(w) => w.analyze_constrained(text, opt, &cons),
        }
    }

    /// 문장 하나를 그대로 분석한다(정제·문장 분리 없이). 가장 단순한 진입점.
    ///
    /// 토큰 위치는 `text` 안 글자 위치. 정밀 모드 엔진이면 교사 재선택까지 거친 결과다.
    /// 여러 문장이 든 글은 [`sentences`](Self::sentences) 로 나눠 분석하는 편이 정확하다.
    pub fn analyze_sentence(&mut self, text: &str) -> Vec<Token> {
        self.run(text)
    }

    /// 검색어처럼 짧은 입력 하나를 분석한다. 앞뒤 공백을 떼는 것 말고는 [`analyze_sentence`](Self::analyze_sentence) 와 같다.
    pub fn analyze_query(&mut self, text: &str) -> Vec<Token> {
        self.run(text.trim())
    }

    /// [`analyze_query_nbest`](Self::analyze_query_nbest) 가 쓸 옵션을 따로 정한다(`None` 이면 엔진 옵션).
    /// 점수 눈금만 바꿔 재야 하는 특수 용도(맞춤법 검사기)이며 보통은 쓰지 않는다.
    pub fn set_nbest_options(&mut self, opt: Option<Options>) {
        self.nbest_opt = opt;
    }

    /// 검색어용 n-best — 격자 탐색의 후보를 가공 없이 돌려준다(정밀 모드·2단 문턱 보정 없음). 일반 용도는
    /// [`analyze_nbest`](Self::analyze_nbest) 를 쓴다. [`set_teacher_score`](Self::set_teacher_score) 가 켜져 있으면 점수가
    /// 교사 로그 확률로 바뀐다.
    pub fn analyze_query_nbest(&mut self, text: &str, n: usize) -> Vec<(f32, Vec<Token>)> {
        let opt = self.nbest_opt.as_ref().unwrap_or(&self.e.options);
        let text = text.trim();
        let mut r = match &mut self.w {
            WInner::Conn(w) => w.analyze_nbest(text, n, opt),
            WInner::Kn(w) => w.analyze_nbest(text, n, opt),
            #[cfg(feature = "nlm")]
            WInner::Nl(w) => w.analyze_nbest(text, n, opt),
            #[cfg(feature = "nlm")]
            WInner::KnNl(w) => w.analyze_nbest(text, n, opt),
        };
        if self.teacher_score {
            if let (Some((tlm, _)), Some(st)) = (&self.e.precise, &mut self.tst) {
                for (sc, toks) in r.iter_mut() {
                    *sc = teacher_logprob(tlm, st, toks);
                }
            }
        }
        r
    }

    /// 켜면 [`analyze_query_nbest`](Self::analyze_query_nbest) 의 점수가 정밀 모드 교사의 문장 로그 확률(클수록 좋음)이 된다.
    /// 엔진에 교사가 없으면 무시. 특수 용도(맞춤법 검사기).
    pub fn set_teacher_score(&mut self, on: bool) {
        self.teacher_score = on;
    }
}

/// 교사로 본 형태소열 로그 확률: BOS×3 + 토큰 + EOS. 교사 문맥(ctx)보다 길면 64 토큰씩 앞 문맥을 이어 가며 더한다
fn teacher_logprob(tlm: &Tlm, st: &mut TlmState, toks: &[Token]) -> f32 {
    use madi_lm::precise::{BOS, EOS};
    let mut seq: Vec<u16> = toks.iter().map(|t| tlm.id_of(&t.form, t.tag)).collect();
    seq.push(EOS);
    let mut prefix: Vec<u16> = vec![BOS, BOS, BOS];
    let mut total = 0.0;
    for chunk in seq.chunks(64) {
        total += tlm.score(st, &prefix, &[chunk])[0];
        prefix.extend_from_slice(chunk);
    }
    total
}

/// 토큰들을 한 줄 글로: `형태/코드 형태/코드 | 형태/코드 …` (어절 경계는 `|`). `madi corpus --tokens` 출력의 둘째 열과 같은 형식.
///
/// ```no_run
/// # let engine = madi::Engine::load(&madi::EngineConfig::new("models/madi.dict"))?;
/// let mut w = engine.worker();
/// println!("{}", madi::format_tokens(&w.analyze_sentence("아버지가 방에")));   // 아버지/NNG 가/JKS | 방/NNG 에/JKB
/// # Ok::<(), anyhow::Error>(())
/// ```
pub fn format_tokens(toks: &[Token]) -> String {
    text::format_tokens(toks)
}

/// 판본 문자열의 점수 가중·탐색 판 (10.17 A2): `.r3p`(기본, 논문 판 3p) 또는 `.r3`(옛 운영 가중 `--score-preset rev3`),
/// 그 뒤 전후향 가지치기 문턱 `.fN`(기본 `.f11`, 끄면 `.f0`). 가중이 두 프리셋 어느 쪽도 아니면 `.r3p` 로 두고 차이는 `.w` 에 든다
fn rev_tag(cfg: &EngineConfig) -> String {
    let s = &cfg.options.search;
    let r = if s.is_rev3() && !s.is_rev3p() { format!(".r{}", madi_core::lattice::SCORE_REV) } else { format!(".r{}p", madi_core::lattice::SCORE_REV) };
    let f = s.fb_cutoff;
    let f = if f == f.trunc() { format!("{}", f as i64) } else { format!("{}", f) };
    format!("{r}.f{f}")
}

/// 신경망 LM 을 함께 쓸 때의 운영 가중 `(lm_weight, nlm_weight)` = (0.7, 0.3). 기본 모드의 [`EngineConfig::lm_weight`]·
/// [`nlm_weight`](EngineConfig::nlm_weight) 에 이 값을 넣는다. CLI 는 `--nlm` 만 주면 이 값을 쓴다.
pub const NLM_MIX_WEIGHTS: (f32, f32) = (0.7, 0.3);

/// 판본 문자열의 `.w`: 가중치·옵션 가운데 **기본값과 다른 칸만** `이름=값` 로 모아 해시한다. 옵션 구조에 칸이 늘어도
/// 그 칸이 기본값이면 해시가 바뀌지 않는다. 점수 가중 프리셋(`.r3`/`.r3p`)과 `fb_cutoff`(`.fN`)는 앞 태그로 나타내므로 뺀다.
/// 아무것도 다르지 않으면 빈 문자열
fn knob_tag(cfg: &EngineConfig) -> String {
    let d = knob_diff(cfg);
    if d.is_empty() { String::new() } else { format!(".w{}", short(hash_bytes(7, d.join(" ").as_bytes()))) }
}

/// 설정 가운데 기본값과 다른 칸을 `이름=값` 목록으로 — 판본 문자열의 `.w` 해시가 무엇에서 왔는지 확인할 때
/// (`madi version --knobs` 가 이것을 찍는다). 비어 있으면 기본 설정이다.
pub fn knob_diff(cfg: &EngineConfig) -> Vec<String> {
    let def = EngineConfig::new("");
    let mut d: Vec<String> = Vec::new();
    // 가중 기준: NLM 을 쓰면 0.7 / 0.3, 아니면 KnLM 1.0 (NLM 가중은 쓰이지 않으므로 보지 않는다)
    if cfg.nlm.is_some() {
        if cfg.lm_weight != NLM_MIX_WEIGHTS.0 { d.push(format!("lm_weight={}", cfg.lm_weight)); }
        if cfg.nlm_weight != NLM_MIX_WEIGHTS.1 { d.push(format!("nlm_weight={}", cfg.nlm_weight)); }
    } else if cfg.lm_weight != def.lm_weight {
        d.push(format!("lm_weight={}", cfg.lm_weight));
    }
    if cfg.unk_scale != def.unk_scale { d.push(format!("unk_scale={}", cfg.unk_scale)); }
    // 짧은 문장 버리기는 `.s` 와 짝으로 본다: 규칙을 쓰면 5, 규칙을 끄면(`.s-`) 0 이 기본 (Python·WASM·맞춤법은 끄고 0)
    let min_def = if cfg.skip == Skip::Off { 0 } else { def.min_len };
    if cfg.min_len != min_def { d.push(format!("min_len={}", cfg.min_len)); }
    let s = &cfg.options.search;
    let preset = s.is_rev3() || s.is_rev3p();
    d.extend(s.diff_default(!preset, false));
    let o = &cfg.options;
    let od = &def.options;
    madi_core::diff_fields!(d, o, od; split_compound, split_unknown_compound, fine_tags, merge_nouns, std_2025);
    d
}