# ==============================================================================
# Author: Simon-Pierre Boucher <contact@spboucher.ai>
# File:   restoka/connectors/mtlalim.py
# Desc:   Connecteur de DÉCOUVERTE massif « mtl-alim » (Palier 4) — registre
#         officiel des établissements alimentaires inspectés par la Ville de
#         Montréal (données ouvertes, ~17 000 établissements OUVERTS dont
#         ~7 500 de restauration). Complète OSM sur l'île de Montréal : chaque
#         resto détenteur d'un permis y figure, y compris ceux absents des
#         cartes communautaires.
#
#         Mode d'extraction : téléchargement direct du CSV
#         (donnees.montreal.ca, licence CC-BY 4.0 — attribution « Ville de
#         Montréal » sur la page Sources). Une seule requête par run.
#         Base légale : données ouvertes, réutilisation permise avec
#         attribution. Filtres : statut == « Ouvert » + whitelist des types
#         food-service (restaurants, casse-croûtes, bars, boulangeries,
#         traiteurs, camions-cuisine…) — épiceries, garderies, cafétérias
#         institutionnelles et distributrices EXCLUES (hors périmètre §2).
#
#         Contexte de prix produit : AUCUN (pas de menu — fiche de découverte).
# ==============================================================================
from __future__ import annotations

import csv
import io
import sys

from ..schema import Restaurant
from .base import BaseConnector

CSV_URL = ("https://donnees.montreal.ca/dataset/"
           "c1d65779-d3cb-44e8-af0a-b9f2c5f7766d/resource/"
           "28a4957d-732e-48f9-8adb-0624867d9bb0/download/businesses.csv")

# type d'établissement (registre Ville) -> establishment_type Resto·Ka.
# Whitelist STRICTE : tout type absent d'ici est ignoré (épiceries,
# distributrices, écoles, hôpitaux, entrepôts… — on ne mange pas « au resto »).
TYPE_MAP = {
    "Restaurant": "restaurant",
    "Restaurant service rapide": "fast-food",
    "Restaurant mets pour emporter": "fast-food",
    "Casse-croûte": "casse-croute",
    "Bar salon, taverne": "bar",
    "Brasserie": "bar",
    "Pâtisserie/Boulangerie": "boulangerie-patisserie",
    "Boulangerie": "boulangerie-patisserie",
    "Traiteur": "traiteur",
    "Camion-cuisine": "food-truck",
    "Bar laitier": "casse-croute",
    "Bar laitier saisonnier": "casse-croute",
}

# ces types n'offrent pas de salle : takeout seulement
_TAKEOUT_ONLY = {"fast-food", "traiteur", "food-truck", "casse-croute",
                 "boulangerie-patisserie"}

# borne île de Montréal (lat/lng du CSV parfois 0/0 ou aberrants)
_LAT = (45.35, 45.75)
_LNG = (-74.05, -73.35)


class MtlAlimConnector(BaseConnector):
    source_id = "mtl-alim"
    request_delay = 1.0
    timeout = 120
    use_detail_cache = False       # un seul CSV, pas de pages détail

    def _rows(self) -> list[dict]:
        resp = self.get(CSV_URL)
        resp.encoding = "utf-8"
        return list(csv.DictReader(io.StringIO(resp.text)))

    def _to_restaurant(self, row: dict) -> Restaurant | None:
        etype = TYPE_MAP.get((row.get("type") or "").strip())
        if not etype:
            return None
        name = (row.get("name") or "").strip()
        ext_id = (row.get("business_id") or "").strip()
        if not name or not ext_id:
            return None
        lat = lng = None
        try:
            lat, lng = float(row.get("latitude") or ""), float(row.get("longitude") or "")
        except ValueError:
            pass
        if lat is not None and not (_LAT[0] <= lat <= _LAT[1]
                                    and _LNG[0] <= lng <= _LNG[1]):
            lat = lng = None
        services = (["takeout"] if etype in _TAKEOUT_ONLY
                    else ["salle", "takeout"])
        return Restaurant(
            source=self.source_id,
            external_id=ext_id,
            name=name,
            url=("https://donnees.montreal.ca/dataset/"
                 "inspection-aliments-contrevenants"),
            establishment_type=etype,
            address=(row.get("address") or "").strip(),
            city=(row.get("city") or "").strip() or "Montréal",
            region="Montréal",             # registre = île de Montréal
            lat=lat, lng=lng,
            services=services,
            languages=["fr"],
            menu=None,                     # découverte : pas de menu ici
        )

    def fetch(self) -> list[Restaurant]:
        rows = self._rows()
        out: dict[str, Restaurant] = {}
        skipped_types: dict[str, int] = {}
        for row in rows:
            if (row.get("statut") or "").strip() != "Ouvert":
                continue
            resto = self._to_restaurant(row)
            if resto is None:
                t = (row.get("type") or "?").strip()
                skipped_types[t] = skipped_types.get(t, 0) + 1
                continue
            out[resto.uid] = resto          # business_id unique -> dédup interne
        # garde-fou : un CSV tronqué/vidé ne doit pas déclencher des retraits
        # de masse — on signale le run comme partiel sous un plancher plausible
        if len(out) < 3000:
            self.partial_run = True
            print(f"[resto-ka] mtl-alim: seulement {len(out)} fiches "
                  "(plancher 3000) — run marqué partiel, retraits suspendus",
                  file=sys.stderr)
        print(f"[resto-ka] mtl-alim: {len(rows)} lignes CSV -> "
              f"{len(out)} établissements food-service ouverts")
        return list(out.values())