import re
import requests
import json
import pandas as pd
import numpy as np
from datetime import datetime
from requests.auth import HTTPBasicAuth
from sqlalchemy import create_engine
from airflow import DAG
from airflow.operators.python import PythonOperator

default_args = {
    'owner': 'airflow',
    'depends_on_past': False,
    'start_date': datetime(2023, 1, 1),
    'retries': 1,
}

def get_db_engine():
    """Создает подключение к PostgreSQL"""
    DF_CONFIG = {
        'dbname': "postgres",
        'user': "postgres",
        'password': "4a00d4b90cd830da0796",
        'host': "postgresql", 
        'port': "5432"
    }
    return create_engine(
        f"postgresql+psycopg2://{DF_CONFIG['user']}:{DF_CONFIG['password']}@"
        f"{DF_CONFIG['host']}:{DF_CONFIG['port']}/{DF_CONFIG['dbname']}",
        pool_size=10,
        max_overflow=20
    )

RUS_MONTHS = {
    "января": 1, "февраля": 2, "марта": 3, "апреля": 4,
    "мая": 5, "июня": 6, "июля": 7, "августа": 8,
    "сентября": 9, "октября": 10, "ноября": 11, "декабря": 12
}

# Улучшенные шаблоны для поиска дат
DATE_PATTERNS = [
    # dd.mm.yyyy с возможными лишними точками и "г", "г."
    re.compile(r'\b(\d{1,2}[.\-/]\d{1,2}(?:[.\-/]\d{2,4})?)\s*(?:г\.?|года)?\b', re.I),
    # текстовые месяцы: 27 января 2014, 13 июля 2017г
    re.compile(r'\b(\d{1,2}\s+(января|февраля|марта|апреля|мая|июня|июля|августа|сентября|октября|ноября|декабря)\s+\d{4})\s*(?:г\.?|года)?\b', re.I),
    # даты после "от" без пробелов: от27.05.2024, от09 октября 2017г
    re.compile(r'(?:от|с|по)\s*(\d{1,2}[.\-/]\d{1,2}[.\-/]\d{2,4})', re.I),
    re.compile(r'(?:от|с|по)\s*(\d{1,2}\s*(?:января|февраля|марта|апреля|мая|июня|июля|августа|сентября|октября|ноября|декабря)\s*\d{4})', re.I)
]

# Улучшенные шаблоны для номера договора (приоритетный порядок)
NUMBER_PATTERNS = [
    # Сложные номера с префиксами типа КС-ЦН-728710/2019/00107, СБО/020324-296925
    re.compile(r'\b([A-Za-zА-Яа-яЁё\-]{2,}[\/\-][A-Za-zА-Яа-яЁё0-9\-\._\/]+)\b'),
    # Номера после знака № (без самого знака)
    re.compile(r'№\s*([A-Za-zА-Яа-яЁё0-9\-\._\/]+)', re.I),
    # Номера типа Н-10/2012, КС728710/2013/00053
    re.compile(r'\b([A-Za-zА-Яа-яЁё]{2,}\d+[A-Za-zА-Яа-яЁё0-9\-\._\/]*)\b'),
    # Номера с дефисами и слэшами
    re.compile(r'\b([A-Za-zА-Яа-яЁё0-9\-\._\/]{5,})\b'),
    # Простые числовые номера
    re.compile(r'\b(\d{3,}[A-Za-zА-Яа-яЁё]*)\b')
]

# Ключевые слова для названий (только полные названия)
TITLE_KEYWORDS = [
    "договор займа", "кредитный договор", "кредитное соглашение", 
    "соглашение", "кр.договор", "кр договор", "кредитного договора",
    "договор ofgol", "кр.согл", "кр согл", "договор займа по процентам"
]

def normalize_spaces(s):
    return re.sub(r'\s+', ' ', s).strip()

def find_date(s):
    # Ищем все возможные форматы дат
    for pat in DATE_PATTERNS:
        m = pat.search(s)
        if m:
            raw = m.group(1)
            start, end = m.span(1)
            norm = normalize_date(raw)
            if norm != raw:  # Если дата нормализовалась успешно
                return raw, norm, (start, end)
    
    return None, None, None

def normalize_date(raw):
    try:
        # Убираем лишние символы
        r = raw.lower().replace('г.', '').replace('г', '').replace('года', '').strip()
        r = re.sub(r'\.+', '.', r)
        r = re.sub(r'\s+', ' ', r)
        
        # Обработка текстовых месяцев
        for month_name in RUS_MONTHS.keys():
            if month_name in r:
                parts = re.split(r'\s+', r)
                if len(parts) >= 3:
                    day = int(parts[0])
                    year = int(parts[2])
                    mon = RUS_MONTHS[month_name]
                    return f"{year:04d}-{mon:02d}-{day:02d}"
        
        # Обработка числовых форматов
        if re.match(r'\d', r):
            # Заменяем все разделители на точки для единообразия
            r_clean = re.sub(r'[\/\-]', '.', r)
            parts = [p for p in r_clean.split('.') if p != '']
            
            if len(parts) >= 3:
                try:
                    # Определяем порядок: день, месяц, год
                    if len(parts[0]) <= 2 and len(parts[1]) <= 2:
                        day = int(parts[0])
                        month = int(parts[1])
                        year = int(parts[2])
                    else:
                        # Если первые части длинные, возможно это год-месяц-день
                        if len(parts[0]) == 4 and len(parts[1]) <= 2 and len(parts[2]) <= 2:
                            year = int(parts[0])
                            month = int(parts[1])
                            day = int(parts[2])
                        else:
                            return raw
                    
                    if year < 100:
                        year += 2000
                    # Проверяем валидность даты
                    if 1 <= month <= 12 and 1 <= day <= 31:
                        return f"{year:04d}-{month:02d}-{day:02d}"
                except:
                    pass
        
        return raw
    except:
        return raw

def find_number(s, date_span=None):
    masked = s
    if date_span:
        start, end = date_span
        masked = s[:start] + ' ' * (end - start) + s[end:]
    
    for pat in NUMBER_PATTERNS:
        matches = list(pat.finditer(masked))
        for m in matches:
            candidate = m.group(1).strip(' ,.;:')
            
            # Пропускаем очевидные не-номера
            if re.fullmatch(r'(от|по|до|г|гд|договор|соглашение)', candidate, re.I):
                continue
            
            # Пропускаем чистые слова без цифр (кроме коротких префиксов)
            if (re.search(r'[A-Za-zА-Яа-яЁё]', candidate) and not re.search(r'\d', candidate) and
                len(candidate) > 3):
                continue
                
            # Пропускаем даты
            if re.search(r'\d{1,2}[.\-/]\d{1,2}[.\-/]\d{2,4}', candidate):
                continue
                
            return candidate, m.span(1)
    
    return None, None

def extract_title(s, number_span=None, date_span=None):
    s0 = s.strip()
    low = s0.lower()
    
    # Определяем позицию обрезки
    cut_pos = len(s0)
    if number_span:
        cut_pos = min(cut_pos, number_span[0])
    if date_span:
        cut_pos = min(cut_pos, date_span[0])
    
    # Ищем слово "от" перед датой
    m_ot = re.search(r'\bот\b', low)
    if m_ot and m_ot.start() < cut_pos:
        cut_pos = m_ot.start()
    
    # Ищем ключевые слова
    best_match = None
    best_pos = len(s0)
    
    for kw in TITLE_KEYWORDS:
        if kw in low:
            pos = low.find(kw)
            if pos < best_pos:
                best_pos = pos
                best_match = kw
    
    if best_match is not None:
        # Берем только ключевое слово
        return best_match.upper()
    
    # Если нет ключевых слов, проверяем есть ли что-то перед номером/датой
    title_candidate = s0[:cut_pos].strip(' ,;:.')
    if title_candidate:
        # Если в кандидате есть цифры или сложные символы - вероятно это часть номера
        if (re.search(r'\d', title_candidate) or 
            re.search(r'[\/\-_]', title_candidate) or
            len(title_candidate) <= 3):
            return None
        return title_candidate
    
    return None

def parse_contract_cell(cell_text):
    if pd.isna(cell_text) or not str(cell_text).strip():
        return pd.Series({
            "subkonto2": None,
            "naimenovanie": None, 
            "nomer": None, 
            "date_begin": None, 
            "date_end": None
        })
    
    s = str(cell_text).strip()
    s_norm_spaces = normalize_spaces(s)
    
    # Поиск даты
    date_raw, date_norm, date_span = find_date(s_norm_spaces)
    
    # Поиск номера
    number, number_span = find_number(s_norm_spaces, date_span)
    
    # Название договора
    title = extract_title(s_norm_spaces, number_span, date_span)
    
    # Убираем знак № из названия если он там есть
    if title and '№' in title:
        title = re.sub(r'№\s*', '', title).strip()
    
    return pd.Series({
        "subkonto2": cell_text, 
        "naimenovanie": title if title == None else title.lower(), 
        "nomer": number, 
        "date_begin": date_norm, 
        "date_end": None
    })

def read_dict_subkonto2_db(**kwargs):
    engine = get_db_engine()
    df = pd.read_sql("""
    select 
          osv.subkonto2 as subkonto2
        , dst.naimenovanie as naimenovanie 
        , osv.nomer as nomer 
        , osv.date_begin as date_begin 
        , osv.date_end as date_end
    from public.oborotno_salbdovaya_vedomostb osv 
    left join public.dict_subkonto_two as dst 
        on dst.subkonto2 = osv.subkonto2
    where osv.subkonto2 not in (select dst2.subkonto2  from public.dict_subkonto_two dst2)
        and (osv.nomer is null or osv.date_begin is null or osv.date_end is null)
    """, engine)
    return df.to_dict(orient='records')

def split_subkonto_from_1C(**kwargs):
    engine = get_db_engine()
    df = pd.read_sql("""
    select distinct
        osv.subkonto2 as subkonto2
    from public.oborotno_salbdovaya_vedomostb osv
    where osv.subkonto2 not in (select dst2.subkonto2  from public.dict_subkonto_two dst2)
    """, engine)
    result_df = df['subkonto2'].apply(parse_contract_cell)
    return result_df.to_dict(orient='records')

def merge_dict_and_split_1C(**kwargs):

    ti = kwargs['ti']
    dict_subkonto = ti.xcom_pull(task_ids='read_dict_subkonto2_db')
    split_subkonto = ti.xcom_pull(task_ids='split_subkonto_from_1C')
    if not split_subkonto:
        return 'Обрабатывать нечего!'
        

    df_dict_subkonto = pd.DataFrame.from_records(dict_subkonto) if dict_subkonto else pd.DataFrame()
    df_split_subkonto = pd.DataFrame.from_records(split_subkonto) if split_subkonto else pd.DataFrame()

    result_df = df_split_subkonto.merge(df_dict_subkonto, how='left', on='subkonto2', suffixes=('_split', '_dict'))
    result_df['naimenovanie'] = result_df['naimenovanie_split']

    result_df['nomer'] = np.where(
    (result_df['nomer_dict'].notna()) & (result_df['nomer_split'] != result_df['nomer_dict']),
    result_df['nomer_dict'],
    result_df['nomer_split']
    )

    result_df['date_begin'] = np.where(
    result_df['date_begin_dict'].isna(),
    result_df['date_begin_split'],
    result_df['date_begin_dict']
    )
    
    result_df['date_end'] = result_df['date_end_dict']

    result_df = result_df[['subkonto2', 'naimenovanie', 'nomer', 'date_begin', 'date_end']]
    
    engine = get_db_engine()
    with engine.begin() as conn:
        conn.execute('CREATE TEMP TABLE temp_dict_subkonto_two (subkonto2 text null, naimenovanie text null, nomer text null, date_begin text null, date_end text null)')
        result_df.to_sql('temp_dict_subkonto_two', con=conn, if_exists='append', index=False, method='multi')
        conn.execute('INSERT INTO public.dict_subkonto_two SELECT * FROM temp_dict_subkonto_two')
    
    return result_df.to_dict('Данные загружены!')

with DAG(
    dag_id='split_subkonto2',
    default_args=default_args,
    description='Разделение Субконто2 на наименование, номер, дату начала и дату окончания договора. C последующим мэппингом справочника.',
    schedule_interval=None,
    catchup=False,
    tags=['sigma'],
) as dag:

    read_dict_subkonto2_db_task = PythonOperator(
        task_id='read_dict_subkonto2_db',
        python_callable=read_dict_subkonto2_db,
        provide_context=True
    )

    split_subkonto_from_1C_task = PythonOperator(
        task_id='split_subkonto_from_1C',
        python_callable=split_subkonto_from_1C,
        provide_context=True
    )

    merge_dict_and_split_1C_task = PythonOperator(
        task_id='merge_dict_and_split_1C',
        python_callable=merge_dict_and_split_1C,
        provide_context=True
    )

[read_dict_subkonto2_db_task, split_subkonto_from_1C_task] >> merge_dict_and_split_1C_task