"""Facebook audit 페이지(KR·EN)를 수집 데이터로 구성.
수치 지표(최근 게시일·게시 빈도·참여율)는 **수집 시점에** 결정적으로 산출해 DB에 박는다 (transform_for_storage).
콘텐츠 주제(top_content_type)는 캡션 본문 이해가 필요해 LLM이 채운다 (리포트 프롬프트 지시)."""

import json
from datetime import datetime, timezone

from common.utils import parse_ts
from integrations.llm.llm_service import LLMService
from integrations.llm.prompt import facebook_diagnosis_prompt
from integrations.llm.schemas.report import FacebookAudit, DiagnosisItem


def _humanize_age(days: int) -> str:
    days = max(days, 0)
    if days == 0:  return "오늘"
    if days < 7:   return f"{days}일 전"
    if days < 30:  return f"{days // 7}주 전"
    if days < 365: return f"{days // 30}개월 전"
    return f"{days // 365}년 전"


def _frequency_label(avg_gap_days: float) -> str:
    """게시물 사이 평균 간격(일) → 빈도 라벨."""
    if avg_gap_days <= 1.5: return "거의 매일"
    if avg_gap_days <= 10:  return f"주 {7 / avg_gap_days:.1f}회"
    if avg_gap_days <= 45:  return f"월 {30 / avg_gap_days:.1f}회"
    return "비정기 (분기 이상 간격)"


def _engagement_text(posts: list[dict]) -> str:
    """게시물당 좋아요/반응/공유/조회를 min~max 범위로. 전부 0인 지표는 제외.
    댓글은 posts actor가 안 줘서 '댓글 거의 없음' 고정 부가 (FB 페이지는 댓글 희박이 일반적)."""
    def _rng(vals: list[int], label: str, unit: str) -> str | None:
        lo, hi = min(vals), max(vals)
        if hi == 0:
            return None
        return f"{label} {lo}{unit}" if lo == hi else f"{label} {lo}~{hi}{unit}"

    parts = [
        _rng([p.get("likes", 0)     for p in posts], "좋아요", "개"),
        _rng([p.get("reactions", 0) for p in posts], "반응",   "개"),
        _rng([p.get("shares", 0)    for p in posts], "공유",   "개"),
    ]
    vid_views = [p.get("views", 0) for p in posts if p.get("isVideo")]
    if vid_views:
        parts.append(_rng(vid_views, "영상 조회", "회"))
    parts = [x for x in parts if x]
    if not parts:
        return "게시물당 참여 거의 없음"
    return "게시물당 " + " · ".join(parts) + " · 댓글 거의 없음"


def transform_for_storage(fb: dict | None) -> dict | None:
    """apify 원본 → DB에 저장할 최종 형태.
    - 수치 지표(recent_post_age·post_frequency·engagement)를 그 자리에서 계산해 박음.
    - 게시물은 캡션·타입만 남김 (raw 숫자/timestamp는 어차피 재계산 안 하므로 버림).
    수집 시점에 한 번 계산 → 리포트 생성 때는 그대로 갖다 박기만 함."""
    if not isinstance(fb, dict):
        return fb
    posts = fb.get("latestPosts") or []
    out = {k: v for k, v in fb.items() if k != "latestPosts"}
    if posts:
        dts = sorted((d for d in (parse_ts(p.get("timestamp")) for p in posts) if d), reverse=True)
        if dts:
            out["recent_post_age"] = _humanize_age((datetime.now(timezone.utc) - dts[0]).days)
            if len(dts) > 1:
                avg_gap = ((dts[0] - dts[-1]).days or 1) / (len(dts) - 1)
                out["post_frequency"] = _frequency_label(avg_gap)
        out["engagement"] = _engagement_text(posts)
        out["latestPosts"] = [
            {"caption": (p.get("text") or "")[:160],
             "type": "video" if p.get("isVideo") else "image"}
            for p in posts
        ]
    else:
        out["latestPosts"] = []
    return out

def _logo_data(channel_logos: dict, channel: str) -> dict:
    """channelLogos(비전 결과)에서 해당 채널 가져온다."""
    for c in (channel_logos or {}).get("channel_logos", []):
        if c.get("channel") == channel:
            return c
    print("channel_logos NOT FOUND : ",  channel_logos)
    return {
        "is_official" : False,
        "logo_description" : "로고 찾지 못함"
    }

def _page_patch(item: dict, channel_logos) -> dict:
    p: dict = {"page_name": "", "followers": 0, "category": "", "reviews": 0,
               "following": 0, "recent_post_age": "", "post_frequency": "", "engagement": ""}
    fb = item["raw_data"]
    language = item.get("language") if item.get("language") else "KR"
    label = "페이스북 " + language
    channel = "Facebook"
    if language != "KR":
        channel = channel + " " + language
    logo_data = _logo_data(channel_logos, channel)

    if fb.get("pageUrl"):           p["url"] = p["link"] = fb["pageUrl"]
    if fb.get("pageName"):          p["page_name"]      = fb["pageName"]
    if fb.get("followers"):         p["followers"]      = fb["followers"]
    if fb.get("intro"):             p["bio"]            = fb["intro"]
    if fb.get("categories"):        p["category"]       = ", ".join(fb["categories"])
    if fb.get("website"):           p["linked_domain"]  = fb["website"]
    if fb.get("reviews") is not None:   p["reviews"]    = fb["reviews"]
    if fb.get("following") is not None: p["following"]  = fb["following"]
    for key in ("recent_post_age", "post_frequency", "engagement"):
        if fb.get(key):             p[key]              = fb[key]
    if p:
        p["language"] = item["language"]
        p["label"]    = label
    p["logo"] = "일치 (공식 로고)" if logo_data["is_official"] else "불일치 (비공식 변형)"
    p["logo_description"] = logo_data["logo_description"]
    return p


async def build_facebook_audit(facebook: list[dict], brand_patch: list[dict], channel_logos) -> dict:
    pages = [_page_patch(item, channel_logos) for item in facebook]
    diagnosis_result = await LLMService(provider="perplexity").generate(
        facebook_diagnosis_prompt,
        {"pages": json.dumps(pages, ensure_ascii=False)},
    )
    return FacebookAudit.model_validate({
        "pages":                 pages,
        "diagnosis":             [DiagnosisItem.model_validate(item).model_dump() for item in diagnosis_result.diagnosis],
        "brand_inconsistencies": brand_patch,
    }).model_dump()