# -----------------------------------------------------------------------------
# Lou-Ka — Agrégateur de logements à louer (province de Québec)
# Auteur : Simon-Pierre Boucher — contact@spboucher.ai
# connectors/m_immobilier.py : M Immobilier (mimmobilier.com) — LOCATIONS
#   Agence indépendante de prestige (Grand Montréal), inscriptions Centris.
#   La liste /properties est rendue serveur et paginée ; le formulaire expose
#   un filtre statut « à louer » (radio name="CODE_STATUT" value="AL") qu'on
#   rejoue en query string : /properties?CODE_STATUT=AL&page=N. Chaque carte
#   « cardProperty » porte l'URL (avec no Centris), le badge « à louer », la
#   ville, l'adresse, chambres, salles de bains, superficie (PC) et le loyer
#   « X $ / M ». Adapté du connecteur « à vendre » d'Immo-Ka
#   (agent-courtage/immoka), qui excluait justement ces cartes-là.
# -----------------------------------------------------------------------------
from __future__ import annotations

import html as _html
import os
import re

from ..schema import Listing
from .base import BaseConnector

from . import _detailutil as du

BASE = "https://www.mimmobilier.com"
LISTING_URL = f"{BASE}/properties?CODE_STATUT=AL"      # AL = à louer (serveur)
CARD_SPLIT = "cardProperty col-span-12"
HREF_RE = re.compile(r'href="(/properties/[^"]+/(\d+))"')
IMG_RE = re.compile(r'(/images/centris-slideshow/\d+-\d+-\d+\.(?:jpg|jpeg|png|webp))', re.I)
# loyer « 1 500.0 $ / M » (M = mois) — le montant précède le $
_RENT_RE = re.compile(r"([\d\s ,]+(?:\.\d+)?)\s*\$\s*/\s*M", re.I)
_H1_RE = re.compile(r"<h1[^>]*>(.*?)</h1>", re.S)
# l'agence loue aussi des locaux commerciaux au mois (bureaux, entrepôts…) sans
# ligne « chambres » : on ne garde ces cartes-là que si l'extrait de description
# contient un marqueur clairement résidentiel (studio, bachelor, logement…)
_RESIDENTIAL_RE = re.compile(
    r"\b(studios?|bachelor|logements?|appartements?|condos?|chambres?|"
    r"r[ée]sidentiel(?:le)?s?|unit[ée]s?|laveuse|maison|complexe)\b", re.I)
MAX_PAGES = int(os.environ.get("LOUKA_MIMMO_MAX_PAGES", "10"))
DETAIL_LIMIT = int(os.environ.get("LOUKA_MIMMO_DETAIL_LIMIT", "100"))


class MImmobilierConnector(BaseConnector):
    source_id = "m_immobilier"
    request_delay = 0.6

    def fetch(self) -> list[Listing]:
        out: dict[str, Listing] = {}
        for page in range(1, MAX_PAGES + 1):
            url = LISTING_URL if page == 1 else f"{LISTING_URL}&page={page}"
            try:
                html = self.get(url).text
            except Exception:
                break
            cards = html.split(CARD_SPLIT)[1:]
            fresh = 0
            for card in cards:
                lst = self._parse_card(CARD_SPLIT + card[:6000])
                if lst and lst.uid not in out:
                    out[lst.uid] = lst
                    fresh += 1
            # dernière page atteinte (vide ou uniquement des doublons)
            if not cards or fresh == 0:
                break
        listings = list(out.values())
        # fiche détail : galerie Centris complète + description + adresse pleine
        du.enrich(self, listings, DETAIL_LIMIT, parse_m_detail, key="v1")
        return listings

    def _parse_card(self, card: str) -> Listing | None:
        m = HREF_RE.search(card)
        if not m:
            return None
        url = BASE + m.group(1)
        external_id = m.group(2)

        images = []
        for im in IMG_RE.findall(card):
            full = BASE + im
            if full not in images:
                images.append(full)

        # texte du carton, ligne par ligne : badge statut, ville, adresse,
        # extrait de description, puis paires libellé/valeur
        text = _html.unescape(re.sub(r"<[^>]+>", "\n", card))
        lines = [l.strip() for l in text.splitlines() if l.strip()]
        try:
            k = next(i for i, l in enumerate(lines)
                     if l.lower().startswith(("à louer", "a louer")))
        except StopIteration:
            return None                     # vente/vendu/loué : pas une location active
        city_raw = lines[k + 1] if k + 1 < len(lines) else ""
        address = lines[k + 2] if k + 2 < len(lines) else ""
        snippet = lines[k + 3] if k + 3 < len(lines) else ""

        price_label = _after(lines, "prix")
        if "/ m" not in price_label.lower():
            return None                     # garde-fou : loyer mensuel attendu
        price = None
        pm = _RENT_RE.search(price_label)
        if pm:
            try:
                price = float(pm.group(1).replace(" ", "").replace(" ", "")
                              .replace(",", ""))
            except ValueError:
                price = None

        beds = _int(_after(lines, "chambres"))          # « 3 + 1 » -> 4
        baths = _after(lines, "salles de bains")
        sqft = _int(_after(lines, "pc"))                # PC = pieds carrés

        # sans chambres, c'est souvent un local commercial loué au mois :
        # on exige un marqueur résidentiel dans l'extrait (studio, bachelor…)
        unit_type = f"{beds} chambres" if beds else ""
        if beds is None:
            if not _RESIDENTIAL_RE.search(snippet):
                return None
            if re.search(r"\b(studios?|bachelor)\b", snippet, re.I):
                unit_type = "Studio"

        # ville « Montréal (Le Plateau-Mont-Royal) » -> ville + secteur ;
        # les cartes tronquent à ~30 caractères (« Notr... ») -> on nettoie
        city, sector = city_raw, ""
        cm = re.match(r"^(.*?)\s*\(([^)]*)\)?\s*$", city_raw)
        if cm and cm.group(2):
            city, sector = cm.group(1).strip(), cm.group(2).strip()
        city = city.rstrip(".").rstrip()
        sector = re.sub(r"\.{2,}$", "", sector).rstrip("/ -")

        # adresse parfois tronquée (« 9017 Rue Jean-Baptiste-Gauthie... ») :
        # on la laisse vide et le H1 de la fiche détail la complète
        truncated = address.endswith("...")
        title = f"{re.sub(r'[.]{3,}$', '', address)}, {city}".strip(", ")

        lst = Listing(
            source=self.source_id,
            external_id=external_id,
            url=url,
            title=title,
            address="" if truncated else address,
            sector=sector,
            city=city,
            unit_type=unit_type,
            price=price,
            price_label=price_label,
            description=re.sub(r"[.]{3,}$", "", snippet),
            details={"Agence": "M Immobilier", "No Centris": external_id},
            images=images,
        )
        if baths:
            lst.details["Salles de bain"] = baths.replace(" + ", "+")
        if sqft:
            lst.area_sqft = float(sqft)
        return lst


def parse_m_detail(html: str) -> dict:
    """Galerie Centris complète + description (JSON-LD) + adresse pleine (H1)."""
    out: dict = {}
    imgs = []
    seen = set()
    for im in IMG_RE.findall(html):
        full = BASE + im
        if full not in seen:
            seen.add(full)
            imgs.append(full)
    if imgs:
        out["images"] = imgs
    desc = du.ld_description(html)
    if desc:
        out["description"] = desc
    m = _H1_RE.search(html)
    if m:
        h1 = _html.unescape(re.sub(r"<[^>]+>", " ", m.group(1))).strip()
        if h1 and re.match(r"\d", h1):
            out["address"] = h1             # complète les adresses tronquées
    # pas de table de caractéristiques exploitable sur la fiche (seule la table
    # des pièces existe, qui produirait du bruit) : galerie + description suffisent
    return out


def _after(lines: list[str], label: str) -> str:
    lab = label.lower()
    for i, l in enumerate(lines):
        if l.lower() == lab and i + 1 < len(lines):
            return lines[i + 1]
    return ""


def _int(s: str):
    if not s:
        return None
    # « 3 + 1 » -> 4 (chambres principales + sous-sol)
    nums = [int(x) for x in re.findall(r"\d+", s)]
    return sum(nums) if nums else None