# ==============================================================================
# Author: Simon-Pierre Boucher <contact@spboucher.ai>
# File:   creaka/connectors/region_bio.py
# Desc:   Connecteur ENRICHISSEMENT — région/ville depuis la localisation
#         DÉCLARÉE dans la bio publique du créateur (« humoriste de
#         Sherbrooke », « based in Montreal », « vlogueuse montréalaise »).
#         Mode d'accès : AUCUNE requête (relit les bios déjà en base, comme
#         bio-liens). Palier 1 (§9). Vague 4.
# ==============================================================================
"""Région/ville depuis la bio publique — prudence maximale (§7/§15).

On n'infère JAMAIS : on ne retient une ville que si le créateur la déclare
lui-même dans sa bio avec une tournure locative sans ambiguïté (« de X »,
« basé à X », « from X », gentilé comme « montréalais »). Villes au nom
piégeux exclues (Alma, Waterloo, Varennes… : prénoms, homonymes hors Québec,
particules de noms de famille). Si la bio mentionne des villes de RÉGIONS
différentes, on s'abstient (ambigu). Ne remplit que les champs VIDES.
"""
from __future__ import annotations

import re

from ..normalize import strip_accents
from ..schema import Creator
from .base import BaseConnector

# villes SÛRES (clé sans accent) → (ville affichée, région §7).
# ⚠ liste volontairement restrictive : pas d'Alma (prénom), pas de Waterloo
# (Ontario), pas de Varennes (particule de nom), pas d'Anjou (France/quartier).
_SAFE_CITIES: dict[str, tuple[str, str]] = {
    "montreal": ("Montréal", "Montréal"),
    "verdun": ("Verdun", "Montréal"),
    "lachine": ("Lachine", "Montréal"),
    "outremont": ("Outremont", "Montréal"),
    "westmount": ("Westmount", "Montréal"),
    "ville de quebec": ("Québec", "Capitale-Nationale"),
    "quebec city": ("Québec", "Capitale-Nationale"),
    "baie-saint-paul": ("Baie-Saint-Paul", "Capitale-Nationale"),
    "la malbaie": ("La Malbaie", "Capitale-Nationale"),
    "laval": ("Laval", "Laval"),
    "gatineau": ("Gatineau", "Outaouais"),
    "sherbrooke": ("Sherbrooke", "Estrie"),
    "magog": ("Magog", "Estrie"),
    "granby": ("Granby", "Estrie"),
    "trois-rivieres": ("Trois-Rivières", "Mauricie"),
    "shawinigan": ("Shawinigan", "Mauricie"),
    "la tuque": ("La Tuque", "Mauricie"),
    "saguenay": ("Saguenay", "Saguenay–Lac-Saint-Jean"),
    "chicoutimi": ("Chicoutimi", "Saguenay–Lac-Saint-Jean"),
    "jonquiere": ("Jonquière", "Saguenay–Lac-Saint-Jean"),
    "roberval": ("Roberval", "Saguenay–Lac-Saint-Jean"),
    "dolbeau-mistassini": ("Dolbeau-Mistassini", "Saguenay–Lac-Saint-Jean"),
    "rimouski": ("Rimouski", "Bas-Saint-Laurent"),
    "riviere-du-loup": ("Rivière-du-Loup", "Bas-Saint-Laurent"),
    "matane": ("Matane", "Bas-Saint-Laurent"),
    "amqui": ("Amqui", "Bas-Saint-Laurent"),
    "gaspe": ("Gaspé", "Gaspésie–Îles-de-la-Madeleine"),
    "chandler": ("Chandler", "Gaspésie–Îles-de-la-Madeleine"),
    "iles-de-la-madeleine": ("Îles-de-la-Madeleine",
                             "Gaspésie–Îles-de-la-Madeleine"),
    "rouyn-noranda": ("Rouyn-Noranda", "Abitibi-Témiscamingue"),
    "val-d'or": ("Val-d'Or", "Abitibi-Témiscamingue"),
    "amos": ("Amos", "Abitibi-Témiscamingue"),
    "la sarre": ("La Sarre", "Abitibi-Témiscamingue"),
    "sept-iles": ("Sept-Îles", "Côte-Nord"),
    "baie-comeau": ("Baie-Comeau", "Côte-Nord"),
    "havre-saint-pierre": ("Havre-Saint-Pierre", "Côte-Nord"),
    "chibougamau": ("Chibougamau", "Nord-du-Québec"),
    "levis": ("Lévis", "Chaudière-Appalaches"),
    "thetford mines": ("Thetford Mines", "Chaudière-Appalaches"),
    "montmagny": ("Montmagny", "Chaudière-Appalaches"),
    "saint-georges": ("Saint-Georges", "Chaudière-Appalaches"),
    "drummondville": ("Drummondville", "Centre-du-Québec"),
    "victoriaville": ("Victoriaville", "Centre-du-Québec"),
    "longueuil": ("Longueuil", "Montérégie"),
    "brossard": ("Brossard", "Montérégie"),
    "boucherville": ("Boucherville", "Montérégie"),
    "chambly": ("Chambly", "Montérégie"),
    "beloeil": ("Belœil", "Montérégie"),
    "sainte-julie": ("Sainte-Julie", "Montérégie"),
    "saint-hyacinthe": ("Saint-Hyacinthe", "Montérégie"),
    "sorel-tracy": ("Sorel-Tracy", "Montérégie"),
    "chateauguay": ("Châteauguay", "Montérégie"),
    "saint-jean-sur-richelieu": ("Saint-Jean-sur-Richelieu", "Montérégie"),
    "salaberry-de-valleyfield": ("Salaberry-de-Valleyfield", "Montérégie"),
    "vaudreuil-dorion": ("Vaudreuil-Dorion", "Montérégie"),
    "cowansville": ("Cowansville", "Montérégie"),
    "terrebonne": ("Terrebonne", "Lanaudière"),
    "repentigny": ("Repentigny", "Lanaudière"),
    "mascouche": ("Mascouche", "Lanaudière"),
    "joliette": ("Joliette", "Lanaudière"),
    "rawdon": ("Rawdon", "Lanaudière"),
    "blainville": ("Blainville", "Laurentides"),
    "boisbriand": ("Boisbriand", "Laurentides"),
    "mirabel": ("Mirabel", "Laurentides"),
    "saint-jerome": ("Saint-Jérôme", "Laurentides"),
    "sainte-therese": ("Sainte-Thérèse", "Laurentides"),
    "sainte-adele": ("Sainte-Adèle", "Laurentides"),
    "sainte-agathe-des-monts": ("Sainte-Agathe-des-Monts", "Laurentides"),
    "mont-laurier": ("Mont-Laurier", "Laurentides"),
    "mont-tremblant": ("Mont-Tremblant", "Laurentides"),
    "lachute": ("Lachute", "Laurentides"),
}

# gentilés sans ambiguïté → ville (déclaration d'appartenance dans la bio)
_DEMONYMS: dict[str, str] = {
    "montrealais": "montreal", "montrealaise": "montreal",
    "trifluvien": "trois-rivieres", "trifluvienne": "trois-rivieres",
    "sherbrookois": "sherbrooke", "sherbrookoise": "sherbrooke",
    "gatinois": "gatineau", "gatinoise": "gatineau",
    "lavallois": "laval", "lavalloise": "laval",
    "longueuillois": "longueuil", "longueuilloise": "longueuil",
    "rimouskois": "rimouski", "rimouskoise": "rimouski",
    "gaspesien": "gaspe", "gaspesienne": "gaspe",
}

# tournure locative OBLIGATOIRE devant le nom de ville : c'est elle qui fait
# de la mention une DÉCLARATION (« de Sherbrooke ») et non une anecdote
# (« j'ai visité Sherbrooke »)
_LOCATIVE = (r"(?:de|d'|du|a|au|from|in|based in|base(?:e)? a|situe(?:e)? a|"
             r"originaire de|native de|natif de|vit a|vis a|habite a|"
             r"direct(?:ement)? de|region de|coin de|ici a)")

_CITY_RE = re.compile(
    r"(?<![\w-])" + _LOCATIVE + r"\s+(?:la\s+|le\s+|l')?(" +
    "|".join(sorted(map(re.escape, _SAFE_CITIES), key=len, reverse=True)) +
    r")(?![\w-])")
_DEMONYM_RE = re.compile(
    r"(?<![\w-])(" + "|".join(sorted(_DEMONYMS, key=len, reverse=True)) +
    r")(?![\w-])")


def declared_cities(text: str) -> set[str]:
    """Bio publique → clés de villes DÉCLARÉES (tournure locative ou gentilé)."""
    blob = strip_accents(text or "").lower()
    keys = set(_CITY_RE.findall(blob))
    keys |= {_DEMONYMS[d] for d in _DEMONYM_RE.findall(blob)}
    return keys


class RegionBioConnector(BaseConnector):
    source_id = "region-bio"
    kind = "enrichment"
    request_delay = 0.0        # aucune requête réseau

    def enrich(self, creators: list[Creator]) -> list[Creator]:
        enriched: list[Creator] = []
        for cr in creators:
            if cr.region and cr.city:
                continue
            keys = declared_cities(cr.bio)
            if not keys:
                continue
            regions = {_SAFE_CITIES[k][1] for k in keys}
            if len(regions) != 1:
                continue   # villes de régions différentes → ambigu, abstention
            changed = False
            if not cr.region:
                cr.region = next(iter(regions))
                changed = True
            if not cr.city and len(keys) == 1:
                cr.city = _SAFE_CITIES[next(iter(keys))][0]
                changed = True
            if changed:
                enriched.append(cr)
        return enriched