# ==============================================================================
# Author: Simon-Pierre Boucher <contact@spboucher.ai>
# File:   creaka/connectors/tavily_seed.py
# Desc:   Connecteur DÉCOUVERTE à grande échelle — graines de créateurs
#         québécois moissonnées par le Tavily scout (outils/creator-harvest.py
#         du dépôt groupe-ka-connecteurs) : handles sociaux extraits des pages
#         d'annuaires/palmarès/agences QC. Dataset local (aucune requête ici) :
#         data/seed/qc_creator_seeds.jsonl. L'enrichissement (Apify) vérifie
#         ensuite l'existence et remplit nom/abonnés/contenu.
# ==============================================================================
"""Découverte massive par moisson web (Tavily).

Chaque ligne du seed = `{"platform": "...", "handle": "..."}`. On crée une
fiche par handle avec un compte de plateforme (signal `listes_medias` 0.85 :
issu de listes publiques concordantes). Les handles qui n'existent pas seront
simplement non enrichis (found=false côté Apify) ; un balayage d'archivage
retire à terme les fiches jamais confirmées. But : élargir le bassin de
créateurs de plusieurs milliers par vague, sans requête réseau à ce stade.
"""
from __future__ import annotations

import json
from pathlib import Path

from ..identity import account
from ..normalize import canonical_url
from ..schema import Creator
from .base import BaseConnector

SEED_PATH = (Path(__file__).resolve().parent.parent.parent
             / "data" / "seed" / "qc_creator_seeds.jsonl")


class TavilySeedConnector(BaseConnector):
    source_id = "tavily-seed"
    kind = "discovery"

    def fetch(self) -> list[Creator]:
        if not SEED_PATH.exists():
            return []  # pas encore de moisson : passage vide, pas d'erreur
        creators: list[Creator] = []
        seen: set[str] = set()
        for line in SEED_PATH.read_text(encoding="utf-8").splitlines():
            line = line.strip()
            if not line:
                continue
            try:
                row = json.loads(line)
            except json.JSONDecodeError:
                continue
            platform = (row.get("platform") or "").strip().lower()
            handle = (row.get("handle") or "").strip().lstrip("@").lower()
            if not platform or not handle:
                continue
            key = f"{platform}:{handle}"
            if key in seen:
                continue
            seen.add(key)
            try:
                acc = account(platform, handle, "listes_medias",
                              url=canonical_url(platform, handle)).finalize()
            except Exception:
                continue
            creators.append(Creator(
                source=self.source_id,
                external_id=key,
                display_name=handle,           # nom réel rempli à l'enrichissement
                platforms=[acc],
                notes="découvert par moisson web Tavily (annuaires/palmarès QC)",
            ))
        return creators