# ==============================================================================
# Author: Simon-Pierre Boucher <contact@spboucher.ai>
# File:   restoka/connectors/base.py
# Desc:   Classe de base des connecteurs + backends de fetch (requests direct,
#         Firecrawl ou Scrapfly pour les sites JavaScript / anti-bot).
#         Calquée sur louka/connectors/base.py — mêmes conventions.
# ==============================================================================
from __future__ import annotations

import json
import os
import time

import requests

from ..schema import Restaurant

USER_AGENT = ("Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) "
              "AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126 Safari/537.36 "
              "RestoKaBot/1.0 (+https://www.resto-ka.com/bot; contact@spboucher.ai)")

FIRECRAWL_API = "https://api.firecrawl.dev/v1/scrape"
SCRAPFLY_API = "https://api.scrapfly.io/scrape"


class SkipSource(RuntimeError):
    """Levée par un connecteur qui ne peut pas tourner (clé API manquante…).

    Le pipeline (ingest.run) consigne le motif et passe à la source suivante
    SANS marquer d'échec dans sync_log — ce n'est pas une erreur, la source
    est simplement en attente (ex. Yelp Fusion sans YELP_API_KEY)."""


class BaseConnector:
    """Un connecteur = un adaptateur propre à une source (ou une plateforme).

    Sous-classes : définir `source_id` et implémenter `fetch()` qui retourne
    la liste complète des restaurants (avec menu) actuellement publiés par la
    source. Le pipeline (ingest.py) s'occupe du diff avec la base de données.
    """

    source_id: str = ""
    request_delay: float = 0.6           # politesse entre requêtes
    timeout: int = 30
    use_detail_cache: bool = True        # cache BD des payloads détail

    def __init__(self) -> None:
        self.session = requests.Session()
        self.session.headers["User-Agent"] = USER_AGENT
        self._last_request = 0.0
        self._detail_con = None

    # -- backends -------------------------------------------------------------
    def _throttle(self) -> None:
        wait = self.request_delay - (time.time() - self._last_request)
        if wait > 0:
            time.sleep(wait)

    def get(self, url: str, **kw) -> requests.Response:
        """GET direct avec throttling poli."""
        self._throttle()
        resp = self.session.get(url, timeout=self.timeout, **kw)
        self._last_request = time.time()
        resp.raise_for_status()
        return resp

    def post(self, url: str, **kw) -> requests.Response:
        """POST direct avec throttling poli (APIs internes des plateformes)."""
        self._throttle()
        resp = self.session.post(url, timeout=self.timeout, **kw)
        self._last_request = time.time()
        resp.raise_for_status()
        return resp

    def get_rendered(self, url: str) -> str:
        """HTML rendu (JavaScript exécuté) via Firecrawl.

        Nécessite FIRECRAWL_API_KEY dans l'environnement (.env). À utiliser
        pour les sites de restos SPA relativement ouverts.
        """
        key = os.environ.get("FIRECRAWL_API_KEY")
        if not key:
            raise RuntimeError("FIRECRAWL_API_KEY manquant (voir .env)")
        resp = requests.post(
            FIRECRAWL_API,
            json={"url": url, "formats": ["html"]},
            headers={"Authorization": f"Bearer {key}"},
            timeout=90,
        )
        resp.raise_for_status()
        data = resp.json()
        return (data.get("data") or {}).get("html", "")

    def scrapfly(self, url: str, render_js: bool = True, asp: bool = True,
                 rendering_wait: int = 0, country: str = "ca",
                 wait_for_selector: str | None = None,
                 js_scenario: list | str | None = None,
                 proxy_pool: str | None = None, headers: dict | None = None,
                 method: str = "GET", body: str | None = None) -> dict:
        """Appel Scrapfly complet — retourne le dict `result` (content, status…).

        Requis pour les plateformes de livraison (anti-bot agressif) ; voir
        CLAUDE.md §10 et §15 avant d'industrialiser sur ces sources.
        """
        import base64
        key = os.environ.get("SCRAPFLY_KEY")
        if not key:
            raise RuntimeError("SCRAPFLY_KEY manquant (voir .env)")
        params: dict = {"key": key, "url": url, "country": country}
        if asp:
            params["asp"] = "true"
        if render_js:
            params["render_js"] = "true"
        if rendering_wait:
            params["rendering_wait"] = rendering_wait
        if wait_for_selector:
            params["wait_for_selector"] = wait_for_selector
        if proxy_pool:
            params["proxy_pool"] = proxy_pool
        if js_scenario is not None:
            js = js_scenario if isinstance(js_scenario, str) else json.dumps(js_scenario)
            params["js_scenario"] = base64.urlsafe_b64encode(js.encode()).decode()
        if headers:
            for k, v in headers.items():
                params[f"headers[{k}]"] = v
        self._throttle()
        if method.upper() == "POST":
            resp = requests.post(SCRAPFLY_API, params=params,
                                 data=(body or ""), timeout=180)
        else:
            resp = requests.get(SCRAPFLY_API, params=params, timeout=180)
        self._last_request = time.time()
        try:
            return resp.json().get("result") or {}
        except ValueError:
            return {}

    def get_scrapfly(self, url: str, **kw) -> str:
        """HTML rendu via Scrapfly (ASP = bypass anti-bot + rendu JS)."""
        return self.scrapfly(url, **kw).get("content") or ""

    def detail(self, external_id: str, key: str, fetch_fn) -> dict:
        """Payload « détail » avec cache : `fetch_fn` n'est appelé que si le
        resto est nouveau ou si sa clé (hash du contenu liste) a changé.

        Évite de recapturer un menu complet (dizaines de requêtes) quand rien
        n'a bougé. `fetch_fn` doit retourner un dict JSON-sérialisable.
        """
        if not self.use_detail_cache:
            return fetch_fn() or {}
        from .. import db
        if self._detail_con is None:
            self._detail_con = db.connect()
        cached = db.get_cached_detail(self._detail_con, self.source_id,
                                      str(external_id), key)
        if cached is not None:
            return cached
        payload = fetch_fn() or {}
        db.put_cached_detail(self._detail_con, self.source_id,
                             str(external_id), key, payload)
        return payload

    # -- contrat --------------------------------------------------------------
    def fetch(self) -> list[Restaurant]:
        raise NotImplementedError


# =============================================================================
# Résilience anti-bot (Groupe KA) — auto-escalade de get() sans toucher au corps.
# Ajouté par l'orchestrateur KA : enrobe BaseConnector.get pour qu'un blocage
# anti-bot (403/429/503/challenge) ou une coupure réseau déclenche la chaîne
# de secours (Oxylabs résidentiel -> Scrapfly ASP -> Bright Data). Voir
# connectors/_resilient.py. Idempotent (marqueur _KA_RESILIENT_WRAPPED).
# =============================================================================
if not getattr(BaseConnector, "_KA_RESILIENT_WRAPPED", False):
    import requests as _ka_requests  # noqa: E402
    from . import _resilient as _kar  # noqa: E402

    _ka_orig_get = BaseConnector.get

    def _ka_full_url(url, kw):
        try:
            return _ka_requests.Request("GET", url,
                                        params=kw.get("params")).prepare().url
        except Exception:  # noqa: BLE001
            return url

    def _ka_resilient_get(self, url, **kw):
        timeout = getattr(self, "timeout", 30)
        headers = kw.get("headers")
        try:
            return _ka_orig_get(self, url, **kw)
        except _ka_requests.HTTPError as exc:
            r = getattr(exc, "response", None)
            if r is not None and _kar.is_blocked(r):
                target = getattr(r, "url", None) or _ka_full_url(url, kw)
                better = _kar.escalate_if_blocked(
                    r, target, timeout=timeout, headers=headers)
                if better is not None and getattr(better, "status_code", 0) == 200:
                    return better
            raise
        except (_ka_requests.ConnectionError, _ka_requests.Timeout):
            better = _kar.escalate(_ka_full_url(url, kw),
                                   timeout=timeout, headers=headers)
            if better is not None and getattr(better, "status_code", 0) == 200:
                return better
            raise

    def _ka_get_resilient(self, url, *, render_js=False, country="ca", **kw):
        """Fetch anti-bot explicite : force la chaîne de secours au besoin.

        Comme get() mais tente d'abord le direct puis escalade même sur 200-
        challenge, avec rendu JS optionnel. Renvoie une réponse compatible
        requests (.text/.content/.status_code/.json()...).
        """
        timeout = getattr(self, "timeout", 30)
        headers = kw.get("headers")
        try:
            resp = _ka_orig_get(self, url, **kw)
        except _ka_requests.HTTPError as exc:
            resp = getattr(exc, "response", None)
        except (_ka_requests.ConnectionError, _ka_requests.Timeout):
            resp = None
        target = _ka_full_url(url, kw)
        if resp is not None and getattr(resp, "url", None):
            target = resp.url
        return _kar.escalate_if_blocked(resp, target, timeout=timeout,
                                        country=country, render_js=render_js,
                                        headers=headers)

    BaseConnector.get = _ka_resilient_get
    BaseConnector.get_resilient = _ka_get_resilient
    BaseConnector._KA_RESILIENT_WRAPPED = True