from datasets import load_dataset
import pandas as pd
import pyarrow as pa
import pyarrow.parquet as pq
import json

# 加载 CodeSearchNet 数据集
dataset = load_dataset('code_search_net', 'python')  # 可以替换 'python' 为 'java', 'cpp' 等其他语言

# 查看数据集的字段结构
print(dataset['train'][0])  # 打印训练集的第一个样本，查看字段名

# 分词并按固定词长切分代码
def split_code_into_chunks(code, chunk_length):
    """将代码按空格分词，并按指定长度切分成多个块"""
    words = code.split()  # 按空格分词
    chunks = []
    
    # 将分词后的代码按指定长度切分
    for i in range(0, len(words), chunk_length):
        chunk = words[i:i + chunk_length]
        chunks.append(' '.join(chunk))  # 将切分后的词块连接成一个新的片段
    return chunks

# 对整个数据集进行切分
def split_code_samples(dataset, chunk_length=32):
    """对数据集中的每个样本进行切分"""
    chunks = []
    for item in dataset:
        # 字段名是 'func_code_string'
        code = item['func_code_string']
        # 分词并按 chunk_length 切分
        code_chunks = split_code_into_chunks(code, chunk_length)
        chunks.extend(code_chunks)
    return chunks

# 对整个训练数据集生成 32 词、64 词、128 词、256词长的片段
code_chunks_32 = split_code_samples(dataset['train'], chunk_length=32)
code_chunks_64 = split_code_samples(dataset['train'], chunk_length=64)
code_chunks_128 = split_code_samples(dataset['train'], chunk_length=128)
code_chunks_256 = split_code_samples(dataset['train'], chunk_length=256)

# 将数据保存为 Parquet 文件
def save_to_parquet(data, filename):
    # 使用 pandas 创建 DataFrame
    df = pd.DataFrame(data, columns=["code"])

    # 将 DataFrame 转换为 Parquet 格式
    df.to_parquet(filename, engine='pyarrow', compression='snappy')
    print(f"Saved {filename} as Parquet file.")

# 保存为 Parquet 文件
save_to_parquet(code_chunks_32, "code_chunks_32.parquet")
save_to_parquet(code_chunks_64, "code_chunks_64.parquet")
save_to_parquet(code_chunks_128, "code_chunks_128.parquet")
save_to_parquet(code_chunks_256, "code_chunks_256.parquet")