import pandas as pd
import os
import tempfile
import zipfile
from typing import Dict, Any, List, Tuple, Optional
from core.ports import ParserPort
from core.schema_utils import register_getter_from_schema, validate_params_with_schema
from app.schemas.statuses_repair_ca import StatusesRepairCARequest
from adapters.pconfig import find_header_row, get_og_by_name, data_to_json


class StatusesRepairCAParser(ParserPort):
    """Парсер для статусов ремонта СА"""

    name = "Статусы ремонта СА"

    def _register_default_getters(self):
        """Регистрация геттеров по умолчанию"""
        register_getter_from_schema(
            parser_instance=self,
            getter_name="get_repair_statuses",
            method=self._get_repair_statuses_wrapper,
            schema_class=StatusesRepairCARequest,
            description="Получение статусов ремонта по ОГ и ключам"
        )

    def parse(self, file_path: str, params: dict) -> Dict[str, Any]:
        """Парсинг файла статусов ремонта СА"""
        print(f"🔍 DEBUG: StatusesRepairCAParser.parse вызван с файлом: {file_path}")
        
        try:
            # Определяем тип файла
            if file_path.endswith('.zip'):
                return self._parse_zip_file(file_path)
            elif file_path.endswith(('.xlsx', '.xls')):
                return self._parse_excel_file(file_path)
            else:
                raise ValueError(f"Неподдерживаемый формат файла: {file_path}")
                
        except Exception as e:
            print(f"❌ Ошибка при парсинге файла {file_path}: {e}")
            raise

    def _parse_zip_file(self, zip_path: str) -> Dict[str, Any]:
        """Парсинг ZIP архива"""
        with tempfile.TemporaryDirectory() as temp_dir:
            with zipfile.ZipFile(zip_path, 'r') as zip_ref:
                zip_ref.extractall(temp_dir)
            
            # Ищем Excel файл в архиве
            excel_files = []
            for root, dirs, files in os.walk(temp_dir):
                for file in files:
                    if file.endswith(('.xlsx', '.xls')):
                        excel_files.append(os.path.join(root, file))
            
            if not excel_files:
                raise ValueError("В архиве не найдено Excel файлов")
            
            # Берем первый найденный Excel файл
            excel_file = excel_files[0]
            print(f"🔍 DEBUG: Найден Excel файл в архиве: {excel_file}")
            
            return self._parse_excel_file(excel_file)

    def _parse_excel_file(self, file_path: str) -> Dict[str, Any]:
        """Парсинг Excel файла"""
        print(f"🔍 DEBUG: Парсинг Excel файла: {file_path}")
        
        # Парсим данные
        df_statuses = self._parse_statuses_repair_ca(file_path, 0)
        
        if df_statuses.empty:
            print("⚠️ Нет данных после парсинга")
            return {"data": [], "records_count": 0}
        
        # Преобразуем в список словарей для хранения
        data_list = self._data_to_structured_json(df_statuses)
        
        result = {
            "data": data_list,
            "records_count": len(data_list)
        }
        
        # Устанавливаем данные в парсер для использования в геттерах
        self.data_dict = result
        
        print(f"✅ Парсинг завершен. Получено {len(data_list)} записей")
        return result

    def _parse_statuses_repair_ca(self, file: str, sheet: int, header_num: Optional[int] = None) -> pd.DataFrame:
        """Парсинг отчетов статусов ремонта"""
        
        # === ШАГ 1: Создание MultiIndex ===
        columns_level_1 = [
            'id',
            'ОГ',
            'Дата начала ремонта',
            'Готовность к КР',
            'Отставание / опережение подготовки к КР',
            'Заключение договоров на СМР',
            'Поставка МТР'
        ]

        sub_columns_cmp = {
            'ДВ': ['всего', 'плановая дата', 'факт', '%'],
            'Сметы': ['всего', 'плановая дата', 'факт', '%'],
            'Формирование лотов': ['всего', 'плановая дата', 'факт', '%'],
            'Договор': ['всего', 'плановая дата', 'факт', '%']
        }

        sub_columns_mtp = {
            'Выполнение плана на текущую дату': ['инициирования закупок', 'заключения договоров', 'поставки'],
            'На складе, позиций': ['всего', 'поставлено', '%', 'динамика за прошедшую неделю, поз.']
        }

        # Формируем MultiIndex — ВСЕ кортежи длиной 3
        cols = []
        for col1 in columns_level_1:
            if col1 == 'id':
                cols.append((col1, '', ''))
            elif col1 == 'ОГ':
                cols.append((col1, '', ''))
            elif col1 == 'Дата начала ремонта':
                cols.append((col1, '', ''))
            elif col1 == 'Готовность к КР':
                cols.extend([(col1, 'План', ''), (col1, 'Факт', '')])
            elif col1 == 'Отставание / опережение подготовки к КР':
                cols.extend([
                    (col1, 'Отставание / опережение', ''),
                    (col1, 'Динамика за прошедшую неделю', '')
                ])
            elif col1 == 'Заключение договоров на СМР':
                for subcol, sub_sub_cols in sub_columns_cmp.items():
                    for ssc in sub_sub_cols:
                        cols.append((col1, subcol, ssc))
            elif col1 == 'Поставка МТР':
                for subcol, sub_sub_cols in sub_columns_mtp.items():
                    for ssc in sub_sub_cols:
                        cols.append((col1, subcol, ssc))
            else:
                cols.append((col1, '', ''))

        # Создаем MultiIndex
        multi_index = pd.MultiIndex.from_tuples(cols, names=['Level1', 'Level2', 'Level3'])

        # === ШАГ 2: Читаем данные из Excel ===
        if header_num is None:
            header_num = find_header_row(file, sheet, search_value="ОГ")

        df_data = pd.read_excel(
            file,
            skiprows=header_num + 3,
            header=None,
            index_col=0,
            engine='openpyxl'
        )

        # Убираем строки с пустыми данными
        df_data.dropna(how='all', inplace=True)

        # Применяем функцию get_og_by_name для 'id'
        df_data['id'] = df_data.iloc[:, 0].copy()
        df_data['id'] = df_data['id'].apply(get_og_by_name)

        # Перемещаем 'id' на первое место
        cols = ['id'] + [col for col in df_data.columns if col != 'id']
        df_data = df_data[cols]

        # Удаляем строки с пустым id
        df_data = df_data.dropna(subset=['id'])
        df_data = df_data[df_data['id'].astype(str).str.strip() != '']

        # Сбрасываем индекс
        df_data = df_data.reset_index(drop=True)

        # Выбираем 4-ю колонку (индекс 3) для фильтрации
        col_index = 3
        numeric_series = pd.to_numeric(df_data.iloc[:, col_index], errors='coerce')

        # Фильтруем: оставляем только строки, где значение — число
        mask = pd.notna(numeric_series)
        df_data = df_data[mask].copy()
       
        # === ШАГ 3: Применяем MultiIndex к данным ===
        df_data.columns = multi_index

        return df_data

    def _data_to_structured_json(self, df: pd.DataFrame) -> List[Dict[str, Any]]:
        """Преобразование DataFrame с MultiIndex в структурированный JSON"""
        if df.empty:
            return []

        result_list = []

        for idx, row in df.iterrows():
            result = {}
            for col in df.columns:
                value = row[col]
                # Пропускаем NaN
                if pd.isna(value):
                    value = None

                # Распаковываем уровни
                level1, level2, level3 = col

                # Убираем пустые/неинформативные значения
                level1 = str(level1).strip() if level1 else ""
                level2 = str(level2).strip() if level2 else None
                level3 = str(level3).strip() if level3 else None

                # Обработка id и ОГ — выносим на верх
                if level1 == "id":
                    result["id"] = value
                elif level1 == "ОГ":
                    result["name"] = value
                else:
                    # Группируем по Level1
                    if level1 not in result:
                        result[level1] = {}

                    # Вложенные уровни
                    if level2 and level3:
                        if level2 not in result[level1]:
                            result[level1][level2] = {}
                        result[level1][level2][level3] = value
                    elif level2:
                        result[level1][level2] = value
                    else:
                        result[level1] = value

            result_list.append(result)

        return result_list

    def _get_repair_statuses_wrapper(self, params: dict):
        """Обертка для получения статусов ремонта"""
        print(f"🔍 DEBUG: _get_repair_statuses_wrapper вызван с параметрами: {params}")
        
        # Валидация параметров
        validated_params = validate_params_with_schema(params, StatusesRepairCARequest)
        
        ids = validated_params.get('ids')
        keys = validated_params.get('keys')
        
        print(f"🔍 DEBUG: Запрошенные ОГ: {ids}")
        print(f"🔍 DEBUG: Запрошенные ключи: {keys}")
        
        # Получаем данные из парсера
        if hasattr(self, 'df') and self.df is not None:
            # Данные загружены из MinIO
            if isinstance(self.df, dict):
                # Это словарь (как в других парсерах)
                data_source = self.df.get('data', [])
            elif hasattr(self.df, 'columns') and 'data' in self.df.columns:
                # Это DataFrame
                data_source = []
                for _, row in self.df.iterrows():
                    if row['data']:
                        data_source.extend(row['data'])
            else:
                data_source = []
        elif hasattr(self, 'data_dict') and self.data_dict:
            # Данные из локального парсинга
            data_source = self.data_dict.get('data', [])
        else:
            print("⚠️ Нет данных в парсере")
            return []
        
        print(f"🔍 DEBUG: Используем данные с {len(data_source)} записями")
        
        # Фильтруем данные
        filtered_data = self._filter_statuses_data(data_source, ids, keys)
        
        print(f"🔍 DEBUG: Отфильтровано {len(filtered_data)} записей")
        return filtered_data

    def _filter_statuses_data(self, data_source: List[Dict], ids: Optional[List[str]], keys: Optional[List[List[str]]]) -> List[Dict]:
        """Фильтрация данных по ОГ и ключам"""
        if not data_source:
            return []
        
        # Если не указаны фильтры, возвращаем все данные
        if not ids and not keys:
            return data_source
        
        filtered_data = []
        
        for item in data_source:
            # Фильтр по ОГ
            if ids is not None:
                item_id = item.get('id')
                if item_id not in ids:
                    continue
            
            # Если указаны ключи, извлекаем только нужные поля
            if keys is not None:
                filtered_item = self._extract_keys_from_item(item, keys)
                if filtered_item:
                    filtered_data.append(filtered_item)
            else:
                filtered_data.append(item)
        
        return filtered_data

    def _extract_keys_from_item(self, item: Dict[str, Any], keys: List[List[str]]) -> Dict[str, Any]:
        """Извлечение указанных ключей из элемента"""
        result = {}
        
        # Всегда добавляем id и name
        if 'id' in item:
            result['id'] = item['id']
        if 'name' in item:
            result['name'] = item['name']
        
        # Извлекаем указанные ключи
        for key_path in keys:
            if not key_path:
                continue
                
            value = item
            for key in key_path:
                if isinstance(value, dict) and key in value:
                    value = value[key]
                else:
                    value = None
                    break
            
            if value is not None:
                # Строим вложенную структуру
                current = result
                for i, key in enumerate(key_path):
                    if i == len(key_path) - 1:
                        current[key] = value
                    else:
                        if key not in current:
                            current[key] = {}
                        current = current[key]
        
        return result