"""Extraction par règles : texte brut d'une page Facebook → champs du prospect."""

import re
import unicodedata
from datetime import date

from departements import DEPARTEMENTS, departement_depuis_cp

RE_TELEPHONE = re.compile(r"(?:\+33\s?[1-9]|0[1-9])(?:[\s.\-]?\d{2}){4}")
RE_EMAIL = re.compile(r"[A-Za-z0-9._%+\-]+@[A-Za-z0-9.\-]+\.[A-Za-z]{2,}")
RE_CP_VILLE = re.compile(r"(?<!\d)(\d{5})(?!\d)[ \t,]+([A-Za-zÀ-ÖØ-öø-ÿ'\- ]{2,40})")
RE_CP_SEUL = re.compile(r"(?<!\d)(\d{5})(?!\d)")
# « à Saint-Omer-de-Blain (44) » : ville + numéro de département entre parenthèses
RE_VILLE_DEPT = re.compile(r"([A-Za-zÀ-ÖØ-öø-ÿ'’\-]{3,40})?\s*\(\s*(\d{2,3}|2[AB])\s*\)", re.I)
# « Blain, France, 44130 » ou « Blain, 44130 » : ville avant le code postal
RE_VILLE_CP = re.compile(
    r"([A-Za-zÀ-ÖØ-öø-ÿ'’\- ]{2,40})\s*,\s*(?:France\s*,?\s*)?(\d{5})(?!\d)", re.I)

VOIES = (r"rue|avenue|av\.|boulevard|bd\.?|chemin|route|impasse|place|quai|allée|cours"
         r"|esplanade|promenade|lieu-dit|hameau|zone|za|zac|zi")
# Ligne ressemblant à une voie : « 12 Quai du Port », « 6, rue du moulin »...
RE_ADRESSE = re.compile(
    rf"(?:^|\n)\s*((?:\d{{1,4}}\s?(?:bis|ter)?\s*,?\s+)?(?:{VOIES})\s[^\n;]{{2,60}})", re.I)

# Mots d'interface Facebook à ne pas prendre pour une ville devant « (NN) »
MOTS_INTERFACE = {
    "photos", "avis", "reels", "followers", "publications", "posts",
    "mentions", "tout", "plus", "voir", "vidéos", "amis",
}

# (mot-clé, type) — ordre = priorité, le premier trouvé gagne
TYPES = [
    ("camping", "Camping"),
    ("guinguette", "Guinguette"),
    ("festival", "Festival"),
    ("restaurant", "Restaurant"),
    ("pizzeria", "Restaurant"),
    ("creperie", "Restaurant"),
    ("brasserie", "Restaurant"),
    ("bistrot", "Restaurant"),
    ("bistro", "Restaurant"),
    ("pub", "Bar"),
    ("bar", "Bar"),
    ("cafe", "Bar"),
    ("cave", "Bar"),
    ("salle", "Salle"),
    ("mjc", "Salle"),
    ("hotel", "Hôtel"),
    ("domaine", "Domaine"),
]

INFOS_LIEU = [
    "jardin", "terrasse", "plage", "bord de mer", "port", "piscine",
    "lac", "riviere", "rooftop", "patio", "plein air", "scene", "guinguette",
]


def _sans_accents(texte):
    return unicodedata.normalize("NFKD", texte).encode("ascii", "ignore").decode()


def _chercher_mot(mot, texte_normalise):
    return re.search(rf"(?<![a-z]){re.escape(mot)}(?![a-z])", texte_normalise) is not None


def _telephone(texte):
    m = RE_TELEPHONE.search(texte)
    if not m:
        return ""
    chiffres = re.sub(r"\D", "", m.group(0))
    if chiffres.startswith("33"):
        chiffres = "0" + chiffres[2:]
    if len(chiffres) != 10:
        return ""
    return " ".join(chiffres[i:i + 2] for i in range(0, 10, 2))


def _email(texte):
    for m in RE_EMAIL.finditer(texte):
        adresse = m.group(0)
        if not adresse.lower().endswith(("@facebook.com", "@fb.com")):
            return adresse
    return ""


def _cp_ville(texte):
    for m in RE_CP_VILLE.finditer(texte):
        cp, ville = m.group(1), m.group(2)
        if not ("01" <= cp[:2] <= "98"):
            continue
        ville = ville.split("\n")[0].strip(" -'")
        ville = re.sub(r"\bfrance\b", "", ville, flags=re.IGNORECASE).strip(" ,-")
        return cp, ville.title()
    # « Blain, France, 44130 » : ville avant le code postal
    for m in RE_VILLE_CP.finditer(texte):
        cp, ville = m.group(2), m.group(1).split("\n")[-1].strip(" -'’")
        if not ("01" <= cp[:2] <= "98") or ville.lower() == "france":
            continue
        return cp, ville.title() if ville.islower() else ville
    m = RE_CP_SEUL.search(texte)
    if m and "01" <= m.group(1)[:2] <= "98":
        return m.group(1), ""
    return "", ""


def _nettoyer_adresse(brut):
    # couper avant le code postal s'il suit sur la même ligne
    brut = re.split(r",?\s*\d{5}\b", brut)[0]
    # « 6, rue du moulin , Blain, France » : ne garder que jusqu'au segment de voie,
    # la ville et le pays ont leurs propres colonnes
    segments = [s.strip() for s in brut.split(",") if s.strip()]
    dernier_voie = -1
    for i, seg in enumerate(segments):
        if re.search(rf"\b(?:{VOIES})\b", seg, re.I):
            dernier_voie = i
    if dernier_voie >= 0:
        segments = segments[:dernier_voie + 1]
    else:
        segments = [s for s in segments if s.lower() != "france"]
    return ", ".join(segments).strip(" ,-–")


def _adresse(texte):
    lignes = [l.strip() for l in texte.split("\n")]
    # libellé « Adresse » de la section Coordonnées (mais pas « Adresse e-mail »)
    for i, ligne in enumerate(lignes):
        if ligne.lower() in ("adresse", "address"):
            for suite in lignes[i + 1:i + 3]:
                if suite and not re.match(r"^(adresse|address|e-?mail|téléphone|phone|site|web|messenger)", suite, re.I):
                    return _nettoyer_adresse(suite)
    m = RE_ADRESSE.search(texte)
    return _nettoyer_adresse(m.group(1)) if m else ""


def _ville_dept_parentheses(texte):
    """Repli quand il n'y a pas d'adresse postale : « Saint-Omer-de-Blain (44) »."""
    for m in RE_VILLE_DEPT.finditer(texte):
        cle = m.group(2).upper()
        nom = DEPARTEMENTS.get(cle)
        if not nom:
            continue
        ville = (m.group(1) or "").strip("-'’ ")
        if len(ville) < 3 or ville.lower() in MOTS_INTERFACE or ville.lower() == "france":
            ville = ""
        return ville, f"{cle} - {nom}"
    return "", ""


def _type_lieu(titre, texte):
    # La catégorie de la page apparaît en général dans les premiers caractères du texte
    for zone in (titre, texte[:500], texte):
        zone_norm = _sans_accents(zone.lower())
        for mot, type_lieu in TYPES:
            if _chercher_mot(mot, zone_norm):
                return type_lieu
    return ""


def _infos_lieu(texte):
    texte_norm = _sans_accents(texte.lower())
    trouves = [mot for mot in INFOS_LIEU if _chercher_mot(mot, texte_norm)]
    return ", ".join(trouves[:5])


def extraire(titre, texte, url):
    cp, ville = _cp_ville(texte)
    departement = departement_depuis_cp(cp)
    if not cp:
        ville_repli, departement = _ville_dept_parentheses(texte)
        ville = ville or ville_repli
    return {
        "Nom du prospect": titre.strip(),
        "Département": departement,
        "Ville": ville,
        "Code Postal": cp,
        "Adresse": _adresse(texte),
        "Date d'ajout": date.today().strftime("%d/%m/%Y"),
        "Date de contact": "",
        "Nom de contact": "",
        "Téléphone": _telephone(texte),
        "Email": _email(texte),
        "Infos du lieu": _infos_lieu(texte),
        "Type": _type_lieu(titre, texte),
        "Lien Facebook": url,
    }


if __name__ == "__main__":
    exemple = """Le Vieux Gréement
    Bar · Restaurant
    12 Quai du Port, 29200 Brest, France
    06 12 34 56 78
    contact@vieuxgreement.fr
    Grande terrasse avec vue sur le port, concerts en plein air l'été dans le jardin.
    """
    import json
    champs = extraire("Le Vieux Gréement", exemple, "https://www.facebook.com/vieuxgreement")
    print(json.dumps(champs, ensure_ascii=False, indent=2))