"""Конвейер обработки архива: извлечение → нормализация → валидация → SQLite.

Для MVP данные складываются в SQLite (разворачивается без Docker), а боевая схема
PostgreSQL + pgvector лежит в db/migrations. Здесь же — дедупликация партнёров,
версионирование цен (последний прайс активен, старые архивируются) и сбор отчёта о
качестве для дашборда и сдачи.

Два входа: `run()` собирает базу с нуля (полная пересборка), `ingest()` догружает
новые прайсы в уже собранную базу (append) — на нём держится приём ZIP через интерфейс.
"""

from __future__ import annotations

import json
import sqlite3
import sys
import uuid
from collections import Counter
from datetime import date
from pathlib import Path

import numpy as np

sys.path.insert(0, str(Path(__file__).resolve().parents[1]))

from etl.dictionary import load_dictionary, normalize_name
from etl.extractors import extract
from etl.normalize import Matcher
from etl.validate import validate_item

SCHEMA = """
CREATE TABLE IF NOT EXISTS service (
    service_id TEXT PRIMARY KEY, specialty TEXT, name_ru TEXT, name_norm TEXT, tarificator_code TEXT
);
CREATE TABLE IF NOT EXISTS partner (
    partner_id TEXT PRIMARY KEY, name TEXT, name_norm TEXT UNIQUE, city TEXT
);
CREATE TABLE IF NOT EXISTS price_document (
    doc_id TEXT PRIMARY KEY, partner_id TEXT, file_name TEXT, file_format TEXT,
    effective_date TEXT, parse_status TEXT, rows_count INTEGER
);
CREATE TABLE IF NOT EXISTS price_item (
    item_id INTEGER PRIMARY KEY AUTOINCREMENT, doc_id TEXT, partner_id TEXT,
    service_name_raw TEXT, service_code_source TEXT, service_id TEXT,
    prices TEXT, price_resident REAL, price_nonresident REAL, unit TEXT,
    effective_date TEXT, map_method TEXT, map_confidence REAL, status TEXT, is_active INTEGER,
    suggested_service_id TEXT, suggested_score REAL
);
-- Синонимы, выученные при ручной верификации (для дообучения нормализации).
CREATE TABLE IF NOT EXISTS learned_synonym (name_norm TEXT PRIMARY KEY, service_id TEXT);
CREATE INDEX IF NOT EXISTS price_item_service ON price_item(service_id);
CREATE INDEX IF NOT EXISTS price_item_partner ON price_item(partner_id);
"""

_INSERT_ITEM = """INSERT INTO price_item
    (doc_id, partner_id, service_name_raw, service_code_source, service_id, prices,
     price_resident, price_nonresident, unit, effective_date, map_method, map_confidence,
     status, is_active, suggested_service_id, suggested_score)
    VALUES (?,?,?,?,?,?,?,?,?,?,?,?,?,1,?,?)"""


def _emb_path(db_path: str) -> Path:
    """Путь к кэшу эмбеддингов справочника рядом с базой."""
    return Path(db_path).parent / "dict_emb.npy"


def _open(db_path: str) -> sqlite3.Connection:
    # Полная пересборка: удаляем файл, чтобы схема всегда создавалась свежей.
    Path(db_path).unlink(missing_ok=True)
    conn = sqlite3.connect(db_path)
    conn.row_factory = sqlite3.Row
    conn.executescript(SCHEMA)
    return conn


def _load_services(conn, services) -> None:
    """Залить справочник услуг, если таблица ещё пуста."""
    if conn.execute("SELECT 1 FROM service LIMIT 1").fetchone():
        return
    conn.executemany(
        "INSERT INTO service VALUES (?,?,?,?,?)",
        [(s.service_id, s.specialty, s.name_ru, s.name_norm, s.tarificator_code) for s in services],
    )


def _process_documents(conn, data_dir, matcher, partners, today, use_vision) -> Counter:
    """Извлечь файлы из каталога, сопоставить со справочником и записать позиции.

    Мутирует `conn` и словарь `partners` (норм. имя → partner_id, чтобы один и тот же
    партнёр из разных файлов не задвоился). Возвращает счётчик для отчёта о качестве.
    """
    report: Counter = Counter()
    staged: list[tuple] = []  # (doc_id, partner_id, raw, code, prices, unit, eff_iso)

    for path in sorted(Path(data_dir).glob("*")):
        if path.is_dir():
            continue
        doc = extract(str(path), use_vision=use_vision)
        partner_name = doc.partner_name or path.stem
        partner_norm = normalize_name(partner_name)
        partner_id = partners.get(partner_norm)
        if partner_id is None:
            partner_id = str(uuid.uuid4())
            partners[partner_norm] = partner_id
            conn.execute(
                "INSERT INTO partner VALUES (?,?,?,?)",
                (partner_id, partner_name, partner_norm, None),
            )
            report["new_partners"] += 1

        doc_id = str(uuid.uuid4())
        eff_iso = doc.effective_date.isoformat() if doc.effective_date else None
        conn.execute(
            "INSERT INTO price_document VALUES (?,?,?,?,?,?,?)",
            (doc_id, partner_id, doc.file_name, doc.file_format, eff_iso, "done", len(doc.rows)),
        )
        report["documents"] += 1
        for row in doc.rows:
            staged.append(
                (
                    doc_id,
                    partner_id,
                    row.service_name_raw,
                    row.service_code_source,
                    row.prices,
                    row.unit,
                    eff_iso,
                )
            )

    # Нормализация одной пачкой (эмбеддинги считаются разом — быстрее и дешевле).
    matches = matcher.match_batch([s[2] for s in staged], [s[3] for s in staged])
    for (doc_id, partner_id, raw, code, prices, unit, eff_iso), match in zip(
        staged, matches, strict=True
    ):
        status, _flags = validate_item(raw, prices, effective_date=None, today=today)
        if match.service_id:
            report["matched"] += 1
        report[f"method_{match.method}"] += 1
        conn.execute(
            _INSERT_ITEM,
            (
                doc_id,
                partner_id,
                raw,
                code,
                match.service_id,
                json.dumps(prices, ensure_ascii=False),
                prices.get("resident"),
                prices.get("nonresident"),
                unit,
                eff_iso,
                match.method,
                round(match.confidence, 3),
                status,
                match.suggested_service_id,
                round(match.suggested_score, 3) if match.suggested_score else None,
            ),
        )
        report["items"] += 1
    return report


def _apply_versioning(conn) -> None:
    """У партнёра по той же услуге более свежий прайс вытесняет старые (is_active = 0)."""
    conn.execute(
        """UPDATE price_item SET is_active = 0
           WHERE effective_date IS NOT NULL AND EXISTS (
               SELECT 1 FROM price_item b
               WHERE b.partner_id = price_item.partner_id
                 AND b.service_name_raw = price_item.service_name_raw
                 AND b.effective_date > price_item.effective_date)"""
    )


def _summary(report: Counter) -> dict:
    total = report["items"]
    return {
        "documents": report["documents"],
        "partners": report["new_partners"],
        "items": total,
        "auto_matched": report["matched"],
        "auto_matched_pct": round(100 * report["matched"] / total, 1) if total else 0.0,
        "unmatched": total - report["matched"],
        "by_method": {
            method: report[f"method_{method}"]
            for method in ("code", "exact", "embedding", "fuzzy", None)
        },
    }


def run(
    data_dir: str,
    db_path: str,
    dict_path: str,
    embedder=None,
    use_vision: bool = False,
    today: date | None = None,
) -> dict:
    """Собрать базу с нуля по всему архиву и вернуть отчёт о качестве."""
    today = today or date.today()
    services = load_dictionary(dict_path)
    matcher = Matcher(services, embedder=embedder)
    # Кэшируем эмбеддинги справочника: при последующих догрузках их не пересчитываем.
    if matcher.dict_emb is not None:
        np.save(_emb_path(db_path), matcher.dict_emb)

    conn = _open(db_path)
    _load_services(conn, services)
    partners: dict[str, str] = {}
    report = _process_documents(conn, data_dir, matcher, partners, today, use_vision)
    _apply_versioning(conn)
    conn.commit()
    summary = _summary(report)
    conn.close()
    return summary


def ingest(
    data_dir: str,
    db_path: str,
    dict_path: str,
    embedder=None,
    use_vision: bool | None = None,
    today: date | None = None,
) -> dict:
    """Догрузить новые прайсы из каталога в существующую базу (append, без пересборки).

    На этом держится приём ZIP через интерфейс: справочник и его эмбеддинги уже готовы,
    поэтому считается только новый файл. Партнёры дедуплицируются с уже загруженными,
    версионирование вытесняет устаревшие прайсы той же клиники.
    """
    today = today or date.today()
    services = load_dictionary(dict_path)
    emb_path = _emb_path(db_path)
    dict_emb = np.load(emb_path) if (embedder is not None and emb_path.exists()) else None
    matcher = Matcher(services, embedder=embedder, dict_emb=dict_emb)
    if use_vision is None:
        use_vision = embedder is not None  # есть ключ Gemini — разрешаем распознавание сканов

    conn = sqlite3.connect(db_path)
    conn.row_factory = sqlite3.Row
    conn.executescript(SCHEMA)
    _load_services(conn, services)
    # Уже загруженные партнёры — чтобы повторная выгрузка той же клиники не задвоила её.
    partners = {
        row["name_norm"]: row["partner_id"]
        for row in conn.execute("SELECT partner_id, name_norm FROM partner")
    }
    report = _process_documents(conn, data_dir, matcher, partners, today, use_vision)
    _apply_versioning(conn)
    conn.commit()
    summary = _summary(report)
    conn.close()
    return summary