# =============================================================================
# Job·Ka — Groupe KA
# Auteur  : Simon-Pierre Boucher
# Contact : contact@spboucher.ai
# Fichier : jobka/connectors/lassonde.py
# Rôle    : Connecteur Industries Lassonde (jus et boissons — Rougemont) —
#           site carrières maison lassonde.com/fr/emplois (rendu serveur,
#           JSON-LD sur les pages détail). Remplace l'ancien connecteur ADP
#           Workforce Now : le centre de carrières ADP de Lassonde ne sert
#           plus que les postes américains (constaté 2026-08-19, found=0 QC),
#           les postes québécois sont affichés sur le site maison.
#           2026-08-31 : lassonde.com est passé derrière Sucuri Cloudproxy
#           (challenge JS servi en 307 sans Location → 0 offre en direct) —
#           fetch via get_resilient(render_js=True) : direct d'abord,
#           escalade Scrapfly ASP+rendu JS si challenge.
#           2026-09-05 : garde anti faux-zéro sur la page liste — le site sert
#           parfois un 200 sans la section emplois ni marqueur Sucuri connu
#           (sync à 0 le 2026-09-05 21h09 alors que 32 offres réelles) ; le
#           conteneur `job-result-default` est maintenant exigé, retry+backoff
#           sinon erreur explicite dans sync_log.
#           2026-09-14 : repli Bright Data sur la page liste — pendant un
#           épisode Sucuri, la chaîne principale (direct→oxylabs→scrapfly)
#           sert la même page tronquée à chaque essai (3× « HTTP 200 via
#           scrapfly, 4515 octets » à 08:17) ; la liste étant rendue serveur,
#           un vendeur de déblocage différent suffit à passer l'épisode.
# Créé    : 2026-08-18   Modifié : 2026-09-14
# =============================================================================
from __future__ import annotations

import html as _html
import os
import re
import time

from ..schema import JobPosting
from . import _jsonld
from ._resilient import _try_brightdata
from .base import BaseConnector

MAX_DETAILS = int(os.environ.get("JOBKA_LASSONDE_DETAIL_LIMIT", "40"))

_CARD_RE = re.compile(
    r'<a\b(?=[^>]*class="job-item-container)(?=[^>]*href="([^"]+)")[^>]*>'
    r"(.*?)</a>", re.S | re.I)
_TITLE_RE = re.compile(r'<span class="job-title[^"]*">\s*(.*?)\s*</span>',
                       re.S | re.I)
_DATE_RE = re.compile(r'<span class="job-post-date">\s*(.*?)\s*</span>',
                      re.S | re.I)
_CITY_RE = re.compile(r'<div class="text-right">\s*(.*?)\s*</div>',
                      re.S | re.I)


class LassondeConnector(BaseConnector):
    source_id = "lassonde"
    ats = "custom"
    request_delay = 1.0

    EMPLOYER = "Industries Lassonde"
    LIST_URL = "https://www.lassonde.com/fr/emplois/"

    def _fetch_detail(self, url: str) -> dict:
        """Le site n'expose pas de JSON-LD JobPosting (seulement un @graph
        WebPage) : la description vient du corps de la page (après le h1)."""
        html = self.get_resilient(url, render_js=True).text
        node = _jsonld.extract_jobposting(html)
        if node:
            return _jsonld.jobposting_fields(node)
        m = re.search(r"</h1>(.*?)<(?:footer|form|nav)\b", html, re.S | re.I)
        if not m:
            return {}
        from ..schema import clean_html
        text = clean_html(m.group(1))
        if len(text) < 100:
            return {}
        return {"description_html": m.group(1)[:60000]}

    def _fetch_list(self) -> str:
        # Le site sert parfois un 200 sans la section emplois et sans aucun
        # marqueur Sucuri connu (constaté le 2026-09-05 21h09 : sync à 0 offre
        # alors que la page réelle en listait 32). Une vraie page liste porte
        # toujours le conteneur `job-result-default` (avec le compteur
        # filters-list-count), même si l'employeur n'affichait aucune offre :
        # son absence = challenge/page tronquée, pas une liste vide — on
        # retente avec backoff puis on lève une erreur explicite plutôt que
        # de rapporter un faux « 0 offre ».
        last = ""
        for attempt in range(3):
            resp = self.get_resilient(self.LIST_URL, render_js=True)
            html = resp.text
            if "job-result-default" in html:
                return html
            last = (f"HTTP {resp.status_code} via "
                    f"{getattr(resp, 'via', 'direct')}, {len(html)} octets")
            # Pendant un épisode Sucuri, toute la chaîne principale peut
            # servir la même page tronquée « propre en apparence » (200 sans
            # marqueur connu) à chaque essai — vu le 2026-09-14 08:17 : 3×
            # « HTTP 200 via scrapfly, 4515 octets » malgré le backoff. La
            # liste est rendue serveur (render_js ne sert qu'au challenge) :
            # un vendeur de déblocage différent livre la vraie page pendant
            # l'épisode (Bright Data vérifié live : 200, 110 ko, 35 cartes,
            # au moment même où le direct sert le challenge Sucuri).
            alt = _try_brightdata(self.LIST_URL, 60, None)
            if alt is not None and "job-result-default" in (alt.text or ""):
                return alt.text
            if attempt < 2:
                time.sleep(10 * (attempt + 1))
        raise RuntimeError(
            "lassonde: page liste sans la section emplois "
            f"(job-result-default) après 3 essais ({last})")

    def fetch(self) -> list[JobPosting]:
        # Sucuri Cloudproxy depuis 2026-08 : rendu JS obligatoire (challenge
        # cookie), le direct est retenté d'abord à chaque cycle (gratuit)
        page = self._fetch_list()
        out: list[JobPosting] = []
        details_used = 0
        seen: set[str] = set()
        for url, body in _CARD_RE.findall(page):
            m_slug = re.search(r"/fr/emplois/([^/]+)/?$", url)
            if not m_slug:
                continue
            slug = m_slug.group(1)
            if slug in seen:
                continue
            seen.add(slug)
            m_t = _TITLE_RE.search(body)
            m_d = _DATE_RE.search(body)
            m_c = _CITY_RE.search(body)
            city = ""
            if m_c:
                city = _html.unescape(re.sub(r"<[^>]+>", " ", m_c.group(1)))
                city = re.sub(r"\s+", " ", city).split(",")[0].strip()
            job = JobPosting(
                source=self.source_id, external_id=slug, url=url,
                employer=self.EMPLOYER,
                title=_html.unescape(m_t.group(1)).strip() if m_t
                else slug.replace("-", " ").capitalize(),
                city=city,
                date_posted=_html.unescape(m_d.group(1)).strip()
                if m_d else None,
                ats=self.ats,
            )
            key = f"{job.title}|{job.date_posted or ''}"
            if details_used < MAX_DETAILS:
                fresh = [False]

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

                fields = self.detail(slug, key, _fn)
                if fresh[0]:
                    details_used += 1
            else:
                fields = self.stale_detail(slug)
            if fields:
                _jsonld.apply_fields(job, fields)
            out.append(job)
        return out