# -----------------------------------------------------------------------------
# Lou-Ka — Agrégateur de logements à louer (province de Québec)
# Auteur : Simon-Pierre Boucher — contact@spboucher.ai
# history.py : « Historique Lou-Ka » d'une annonce — timeline construite à
#              partir des observations réelles des crawls :
#   - price_log (depuis la v1) : chaque changement de prix observé ;
#   - listing_events (db.py/_log_events) : description, superficie, dispo,
#     inclusions, photos, disparition/réapparition.
# Chaque élément est étiqueté `observed` : rien n'est estimé ni inventé.
# -----------------------------------------------------------------------------
from __future__ import annotations

import json
import time

from . import db


def timeline(uid: str, con=None) -> dict | None:
    """Historique complet d'une annonce (fiche + API).

    Retourne : première/dernière observation, jours en ligne, prix initial et
    courant, variation, nombre de modifications et la timeline fusionnée
    (prix + événements), du plus récent au plus ancien.
    """
    own = con is None
    if own:
        con = db.connect()
    row = con.execute(
        "SELECT uid, price, first_seen, last_seen, active FROM listings"
        " WHERE uid=?", (uid,)).fetchone()
    if row is None:
        if own:
            con.close()
        return None

    prices = con.execute(
        "SELECT ts, price FROM price_log WHERE uid=? ORDER BY ts", (uid,)).fetchall()
    events = con.execute(
        "SELECT ts, event, old, new FROM listing_events WHERE uid=? ORDER BY ts",
        (uid,)).fetchall()

    items: list[dict] = []
    prev_price = None
    for p in prices:
        it = {"ts": p["ts"], "type": "prix", "prix": p["price"],
              "statut": "observed"}
        if prev_price is not None and p["price"] is not None:
            it["prix_avant"] = prev_price
        items.append(it)
        if p["price"] is not None:
            prev_price = p["price"]
    for e in events:
        def _load(v):
            try:
                return json.loads(v) if v is not None else None
            except (ValueError, TypeError):
                return None
        items.append({"ts": e["ts"], "type": e["event"],
                      "avant": _load(e["old"]), "apres": _load(e["new"]),
                      "statut": "observed"})
    items.sort(key=lambda x: x["ts"], reverse=True)

    first_price = next((p["price"] for p in prices if p["price"] is not None), None)
    cur_price = row["price"]
    variation = None
    if first_price and cur_price and first_price > 0:
        variation = round((cur_price - first_price) / first_price, 4)

    now = time.time()
    fin = row["last_seen"] if not row["active"] else now
    jours = max(0, round((fin - (row["first_seen"] or fin)) / 86400))

    # modifications = éléments de timeline hors point de départ du prix
    n_modif = max(0, len([p for p in prices]) - 1) + len(
        [e for e in events if e["event"] not in ("disparition", "reapparition")])

    out = {
        "uid": uid,
        "premiere_observation": row["first_seen"],
        "derniere_observation": row["last_seen"],
        "active": bool(row["active"]),
        "jours_en_ligne": jours,
        "prix_initial": first_price,
        "prix_actuel": cur_price,
        "variation": variation,
        "modifications": n_modif,
        "timeline": items[:60],
        "methode": ("Observations directes des synchronisations Lou-Ka "
                    "(prix, description, superficie, disponibilité, inclusions, "
                    "photos, retraits/retours). Aucune estimation."),
    }
    if own:
        con.close()
    return out
# ---------------------------------------------------------------------------
# padding ka2 (2026-08-31) : garantit une taille superieure a la version
# precedente du fichier : sous APFS sature une reecriture peut ne pas
# tronquer, laissant une queue residuelle apres l'EOF (SyntaxError vue
# ici le 2026-08-31). Fin sur commentaire sans saut de ligne final.
#