# =============================================================================
# Job·Ka — Groupe KA
# Auteur  : Simon-Pierre Boucher
# Contact : contact@spboucher.ai
# Fichier : jobka/connectors/digitalrecruiters.py
# Rôle    : Classe de plateforme Cegid Digital Recruiters (sites carrières) —
#           sitemap + JSON-LD des pages annonce (ex. Santé Québec)
# Créé    : 2026-08-18   Modifié : 2026-08-26
# =============================================================================
"""Plateforme Cegid Digital Recruiters.

Les sites carrières Digital Recruiters (ex. emplois.sante.quebec) sont rendus
côté serveur :
- liste  : GET <BASE>/<locale>/sitemap.xml -> URLs /annonce/<id>-<slug>
- détail : chaque page annonce embarque un JSON-LD schema.org/JobPosting
           complet (description, lieu, salaire, dates) — cache BD + budget.
"""
from __future__ import annotations

import os
import re
import time

from ..schema import JobPosting, is_quebec_location
from . import _jsonld
from .base import BaseConnector

MAX_DETAILS = int(os.environ.get("JOBKA_DR_DETAIL_LIMIT", "120"))

_AD_RE = re.compile(r"<loc>([^<]*/annonce/(\d+)[^<]*)</loc>", re.I)


class DigitalRecruitersConnector(BaseConnector):
    """Base Digital Recruiters — sous-classes : définir source_id, EMPLOYER,
    BASE (ex. https://emplois.sante.quebec) et LOCALE."""

    ats = "digitalrecruiters"
    request_delay = 0.8

    EMPLOYER = ""
    BASE = ""
    LOCALE = "fr_CA"
    quebec_only = True

    def _fetch_detail(self, url: str) -> dict:
        html = self.get(url).text
        node = _jsonld.extract_jobposting(html)
        return _jsonld.jobposting_fields(node) if node else {}

    def _fetch_sitemap(self) -> str:
        """Sitemap de la liste, avec garde-fou : une réponse vide ou anti-bot
        (challenge en 200, escalade en échec) ne doit JAMAIS passer pour un
        babillard à 0 offre — cause des syncs « 0 trouvé » intermittents de
        cssdd. Tout sitemap DR légitime, même sans annonce, contient <urlset>
        — sinon on retente une fois puis on lève (sync en échec, pas 0)."""
        url = f"{self.BASE}/{self.LOCALE}/sitemap.xml"
        for attempt in range(2):
            xml = self.get(url).text
            if _AD_RE.search(xml) or re.search(r"<urlset", xml, re.I):
                return xml
            if attempt == 0:
                time.sleep(10)
        raise RuntimeError(
            f"digitalrecruiters {self.source_id}: sitemap illisible "
            f"(vide ou anti-bot, {len(xml)} octets) — sync avorté")

    def fetch(self) -> list[JobPosting]:
        xml = self._fetch_sitemap()
        out: list[JobPosting] = []
        details_used = 0
        seen: set[str] = set()
        for url, eid in _AD_RE.findall(xml):
            if eid in seen:
                continue
            seen.add(eid)
            job = JobPosting(source=self.source_id, external_id=eid, url=url,
                             employer=self.EMPLOYER, title="", ats=self.ats)
            fields: dict = {}
            if details_used < MAX_DETAILS:
                fresh = [False]

                def _fn(u=url, fresh=fresh):
                    fresh[0] = True
                    return self._fetch_detail(u)

                fields = self.detail(eid, eid, _fn)
                if fresh[0]:
                    details_used += 1
            if not fields:
                continue
            _jsonld.apply_fields(job, fields)
            if self.quebec_only and job.city and not is_quebec_location(
                    f"{job.city} {fields.get('region_code', '')}"):
                if (fields.get("region_code") or "").upper() != "QC":
                    continue
            if not job.title:
                continue
            out.append(job)
        return out