"""Phase 0 proof: справочник загружается, реальный прайс парсится, каскад работает.

Считает базовый процент автосопоставления БЕЗ эмбеддингов (только код тарификатора +
точное совпадение + RapidFuzz). Эмбеддинги в боевом каскаде поднимут этот процент —
здесь нужен нижний ориентир, чтобы убедиться, что цель 70% достижима.
"""

import re
import sys
from pathlib import Path

REPO = Path(__file__).resolve().parents[2]
sys.path.insert(0, str(REPO))

import docx
from rapidfuzz import fuzz, process

from etl.dictionary import load_dictionary, normalize_name

svcs = load_dictionary(REPO / "data/reference/dictionary.xlsx")
print(
    f"Справочник: {len(svcs)} услуг | с кодом тарификатора: {sum(1 for s in svcs if s.tarificator_code)}"
)

by_code = {s.tarificator_code: s for s in svcs if s.tarificator_code}
by_norm: dict[str, object] = {}
for s in svcs:
    by_norm.setdefault(s.name_norm, s)
names_norm = [s.name_norm for s in svcs]

# --- разобрать реальный прайс Клиники 1 (docx, таблица «Код | Наименование | Стоимость») ---
doc = docx.Document(REPO / "data/raw/Клиника 1 прайс 2024.docx")
table = doc.tables[0]

items = []
for row in table.rows:
    cells = [c.text.strip() for c in row.cells]
    if len(cells) < 3:
        continue
    code, name, price = cells[0], cells[1], cells[2]
    if code == name == price:  # строка-заголовок секции (объединённые ячейки)
        continue
    if name.lower() == "наименование услуги":
        continue
    if not re.search(r"\d", price):  # строка без цены — не позиция
        continue
    items.append((code, name, price))

print(f"Клиника 1 (2024): извлечено позиций — {len(items)}")

THRESHOLD = 88
matched = by_code_n = by_exact_n = by_fuzzy_n = 0
examples_ok, examples_miss = [], []

for code, name, price in items:
    nn = normalize_name(name)
    if code in by_code:
        matched += 1
        by_code_n += 1
        continue
    if nn in by_norm:
        matched += 1
        by_exact_n += 1
        continue
    best = process.extractOne(nn, names_norm, scorer=fuzz.token_set_ratio)
    if best and best[1] >= THRESHOLD:
        matched += 1
        by_fuzzy_n += 1
        if len(examples_ok) < 6:
            examples_ok.append((name, svcs[best[2]].name_ru, round(best[1])))
    elif len(examples_miss) < 6 and best:
        examples_miss.append((name, svcs[best[2]].name_ru, round(best[1])))

pct = 100 * matched / max(1, len(items))
print(f"\nАВТО-СОПОСТАВЛЕНО (без эмбеддингов): {matched}/{len(items)} = {pct:.0f}%")
print(
    f"   код тарификатора: {by_code_n} | точное имя: {by_exact_n} | fuzzy≥{THRESHOLD}: {by_fuzzy_n}"
)
print("\nпримеры совпадений:")
for raw, canon, sc in examples_ok:
    print(f"   «{raw[:46]}» → «{canon[:46]}» ({sc})")
print("\nпримеры в очередь unmatched (лучший кандидат ниже порога):")
for raw, canon, sc in examples_miss:
    print(f"   «{raw[:46]}» → лучший «{canon[:40]}» ({sc})")