#!/bin/bash

# Target folder
GT_DIR="ground_truth"

echo "💎 Polishing Farhangan.com Ground Truth to Perfection..."

# --- 1. CORE CHARACTER NORMALIZATION ---
sed -i 's/ي/ی/g' $GT_DIR/*.gt.txt
sed -i 's/ك/ک/g' $GT_DIR/*.gt.txt

# --- 2. BRANDING & KEYWORDS ---
sed -i 's/انچمن/انجمن/g' $GT_DIR/*.gt.txt
sed -i 's/اانجمن/انجمن/g' $GT_DIR/*.gt.txt
sed -i 's/فاریس/فارسی/g' $GT_DIR/*.gt.txt
sed -i 's/فاریبی/فارسی/g' $GT_DIR/*.gt.txt
sed -i 's/فارنسی/فارسی/g' $GT_DIR/*.gt.txt

# --- 3. THE "MIM" & "AYN" CONFUSIONS ---
sed -i 's/اقواعی/اقوامی/g' $GT_DIR/*.gt.txt
sed -i 's/کعک/کمک/g' $GT_DIR/*.gt.txt
sed -i 's/کمکای/کمک‌های/g' $GT_DIR/*.gt.txt

# --- 4. RESEARCH & SCHOLARLY TERMS ---
sed -i 's/گرقته/گرفته/g' $GT_DIR/*.gt.txt
sed -i 's/علهی/علمی/g' $GT_DIR/*.gt.txt
sed -i 's/یزوهیش/پژوهش/g' $GT_DIR/*.gt.txt
sed -i 's/بزوهیش/پژوهش/g' $GT_DIR/*.gt.txt
sed -i 's/خلّن/خطّی/g' $GT_DIR/*.gt.txt
sed -i 's/خلّی/خطّی/g' $GT_DIR/*.gt.txt
sed -i 's/استنادد/استناد/g' $GT_DIR/*.gt.txt
sed -i 's/نحقیقانی/تحقیقاتی/g' $GT_DIR/*.gt.txt

# --- 5. LIGATURES & VERBS ---
sed -i 's/حماست/حمایت/g' $GT_DIR/*.gt.txt
sed -i 's/دریرهی گیدد/دربرمی‌گیرد/g' $GT_DIR/*.gt.txt
sed -i 's/بتمد/شد/g' $GT_DIR/*.gt.txt

# --- 6. DIGITAL & ACCESS TERMS ---
sed -i 's/قاررنی/فارسی/g' $GT_DIR/*.gt.txt
sed -i 's/أهوزیقی/آموزشی/g' $GT_DIR/*.gt.txt
sed -i 's/آتلاین/آنلاین/g' $GT_DIR/*.gt.txt
sed -i 's/أتلاین/آنلاین/g' $GT_DIR/*.gt.txt
sed -i 's/دیستربییی/دسترسی/g' $GT_DIR/*.gt.txt

# --- 7. ADDITIONAL FIXES ---
sed -i 's/یه/به/g' $GT_DIR/*.gt.txt
sed -i 's/تسخ/نسخ/g' $GT_DIR/*.gt.txt

# --- 8. FINAL CLEANUP ---
sed -i 's/نصاب/نصاب/g' $GT_DIR/*.gt.txt
sed -i 's/ د$/ /g' $GT_DIR/*.gt.txt
sed -i 's/ ان$/ /g' $GT_DIR/*.gt.txt
sed -i 's/,/،/g' $GT_DIR/*.gt.txt

echo "✅ Ground Truth updated. Farhangan-v1 is ready for training."