# ==============================================================================
# Author: Simon-Pierre Boucher <contact@spboucher.ai>
# File:   creaka/connectors/snowball.py
# Desc:   Connecteur DÉCOUVERTE par boule de neige — exploite les profils
#         reliés (`related_profiles`) captés par l'enrichissement Instagram
#         (instagram-apify) pour créer de nouvelles fiches. FILTRE QC
#         OBLIGATOIRE (marqueur québécois dans le nom/handle) : sans lui, la
#         proximité algorithmique d'Instagram ramène les vedettes mondiales
#         (constaté 2026-08-20 : cristiano, selenagomez, ferrari, nasa…).
#         Aucune requête réseau (lit la base).
# ==============================================================================
"""Découverte par boule de neige sur les profils reliés Instagram.

Déclaré `enrichment` pour recevoir la liste des créateurs existants, mais il
RETOURNE de NOUVELLES fiches (le pipeline sync_source les ajoute par uid). On
lit `account.metrics["related_profiles"]` (posé par instagram-apify), on écarte
les handles déjà connus, et on crée une graine par nouveau compte suggéré.

GARDE-FOU QC (2026-08-20) : les suggestions d'Instagram débordent largement du
Québec (stars mondiales, marques, comptes US/BR) — 3 767 fiches hors-périmètre
ajoutées en un passage avant ce filtre. On n'émet donc QUE si le nom public ou
le handle porte un marqueur québécois (`is_quebec`). Périmètre (§1-2) : Créa-Ka
n'agrège que des créateurs QUÉBÉCOIS — mieux vaut manquer un profil QC sans
marqueur que d'inonder l'annuaire de vedettes américaines (§3 travail de
moine). Signal `mention` (0.60) : à confirmer par l'enrichissement (§12.1).
"""
from __future__ import annotations

import re

from ..identity import account
from ..normalize import canonical_url, strip_accents
from ..schema import Creator
from .base import BaseConnector
from .youtube_recherche import is_quebec

# Comptes QC qui ne sont PAS des créateurs (revue manuelle du 2026-08-20 :
# 95 des 101 survivantes du filtre QC étaient des villes, offices de tourisme,
# ministères, partis, commerces, festivals, médias) — on les bloque à la
# source pour ne pas re-polluer l'annuaire à chaque vague.
_NON_CREATEUR = re.compile(
    r"ville|tourisme|musee|festival|fondation|ymca|universite|uqam|"
    r"umontreal|ulaval|cegep|bibliothe|librairie|boutique|clinique|"
    r"auberge|hotel|ministere|gouv|transport|elections|loto|\bparti\b|"
    r"liberal|solidaire|conservateur|justepourrire|telequebec|magazine|"
    r"societe|association|federation")


def _est_organisation(text: str) -> bool:
    return bool(_NON_CREATEUR.search(strip_accents(text or "").lower()))


class SnowballConnector(BaseConnector):
    source_id = "snowball-ig"
    kind = "enrichment"
    max_new = 4000               # garde-fou par vague

    def enrich(self, creators: list[Creator]) -> list[Creator]:
        known: set[str] = set()
        for cr in creators:
            for a in cr.platforms:
                if a.platform == "instagram":
                    known.add(a.handle)
        new: list[Creator] = []
        emitted: set[str] = set()
        for cr in creators:
            ig = next((a for a in cr.platforms
                       if a.platform == "instagram"), None)
            if ig is None:
                continue
            for rel in (ig.metrics or {}).get("related_profiles", []) or []:
                handle = (rel.get("username") if isinstance(rel, dict)
                          else rel)
                handle = (handle or "").strip().lstrip("@").lower()
                if (not handle or rel and isinstance(rel, dict)
                        and rel.get("is_private")):
                    continue
                if handle in known or handle in emitted:
                    continue
                name = (rel.get("full_name") if isinstance(rel, dict)
                        else None) or ""
                # périmètre QC obligatoire : marqueur québécois dans le nom
                # public ou le handle, sinon on n'émet PAS (§1-2) ; et on
                # écarte les organismes/marques/médias QC (pas des créateurs)
                if not is_quebec(f"{name} {handle}"):
                    continue
                if _est_organisation(f"{name} {handle}"):
                    continue
                emitted.add(handle)
                try:
                    acc = account("instagram", handle, "mention",
                                  url=canonical_url("instagram", handle),
                                  verified=(rel.get("is_verified")
                                            if isinstance(rel, dict)
                                            else None)).finalize()
                except Exception:
                    continue
                new.append(Creator(
                    source=self.source_id,
                    external_id=f"instagram:{handle}",
                    display_name=name or handle,
                    platforms=[acc],
                    notes="découvert par boule de neige (profils reliés IG)",
                ))
                if len(new) >= self.max_new:
                    return new
        return new