"""
Fonctions de lecture/écriture dans la base SQLite.

Ce module est la seule couche qui manipule les données.
Toutes les fonctions reçoivent une connexion ouverte — elles ne
gèrent pas les connexions elles-mêmes (séparation des responsabilités).
"""

import sqlite3
from datetime import datetime, timezone
from typing import Optional

from tickettracker.models.receipt import Receipt


def receipt_exists(conn: sqlite3.Connection, store: str, date: str, total: float) -> bool:
    """Vérifie si un ticket identique existe déjà en base.

    La déduplication repose sur le triplet (store, date, total).
    Suffisant pour éviter les doubles imports accidentels d'un même fichier.

    Args:
        conn: Connexion SQLite ouverte.
        store: Enseigne ('picnic' ou 'leclerc').
        date: Date ISO 8601 (ex: '2026-02-14').
        total: Montant total payé.

    Returns:
        True si un ticket avec ces valeurs existe déjà.
    """
    row = conn.execute(
        "SELECT COUNT(*) FROM receipts WHERE store = ? AND date = ? AND total = ?",
        (store, date, total),
    ).fetchone()
    return row[0] > 0


def insert_receipt(conn: sqlite3.Connection, receipt: Receipt) -> int:
    """Insère un ticket et tous ses articles dans la base.

    Utilise une transaction implicite : si l'insertion des articles échoue,
    le ticket est aussi annulé (atomicité garantie par le context manager).

    Args:
        conn: Connexion SQLite ouverte.
        receipt: Ticket normalisé à insérer.

    Returns:
        L'id (INTEGER) du ticket inséré dans la table receipts.

    Raises:
        sqlite3.IntegrityError: En cas de violation de contrainte FK.
    """
    created_at = datetime.now(timezone.utc).isoformat()

    with conn:
        cur = conn.execute(
            """
            INSERT INTO receipts (store, date, total, delivery_fee, order_id, raw_json, created_at)
            VALUES (?, ?, ?, ?, ?, ?, ?)
            """,
            (
                receipt.store,
                receipt.date.isoformat(),
                receipt.total,
                receipt.delivery_fee,
                receipt.order_id,
                receipt.to_json(),
                created_at,
            ),
        )
        receipt_id = cur.lastrowid

        # Insertion de tous les articles en une seule passe
        conn.executemany(
            """
            INSERT INTO items
                (receipt_id, name_raw, name_normalized, category,
                 quantity, unit, unit_price, total_price)
            VALUES (?, ?, NULL, ?, ?, ?, ?, ?)
            """,
            [
                (
                    receipt_id,
                    item.name,
                    item.category,
                    item.quantity,
                    item.unit,
                    item.unit_price,
                    item.total_price,
                )
                for item in receipt.items
            ],
        )

    return receipt_id


def get_stats(conn: sqlite3.Connection) -> dict:
    """Calcule les statistiques globales pour la commande CLI 'stats'.

    Returns:
        Dictionnaire avec :
          - receipts_by_store : dict[str, int]  — nb tickets par enseigne
          - total_spent       : float           — somme de tous les totaux
          - total_items       : int             — nb total de lignes dans items
          - distinct_normalized : int           — nb de name_normalized distincts (non NULL)
          - null_normalized   : int             — nb d'articles sans name_normalized
    """
    # Tickets par enseigne + total dépensé
    rows = conn.execute(
        "SELECT store, COUNT(*) AS nb, SUM(total) AS spent FROM receipts GROUP BY store"
    ).fetchall()
    receipts_by_store = {row["store"]: row["nb"] for row in rows}
    total_spent = sum(row["spent"] for row in rows) if rows else 0.0

    # Statistiques articles
    item_stats = conn.execute(
        """
        SELECT
            COUNT(*)                                          AS total_items,
            COUNT(DISTINCT name_normalized)                   AS distinct_normalized,
            SUM(CASE WHEN name_normalized IS NULL THEN 1 ELSE 0 END) AS null_normalized
        FROM items
        """
    ).fetchone()

    return {
        "receipts_by_store": receipts_by_store,
        "total_spent": total_spent,
        "total_items": item_stats["total_items"],
        "distinct_normalized": item_stats["distinct_normalized"],
        "null_normalized": item_stats["null_normalized"],
    }


def fetch_unnormalized(
    conn: sqlite3.Connection,
    limit: Optional[int] = None,
) -> list[sqlite3.Row]:
    """Retourne les articles dont name_normalized est NULL.

    Chaque Row expose les clés : id, name_raw, receipt_id.
    Trié par id pour un traitement reproductible.

    Args:
        conn:  Connexion SQLite ouverte.
        limit: Si fourni, retourne au maximum `limit` articles.

    Returns:
        Liste de sqlite3.Row.
    """
    sql = "SELECT id, name_raw, receipt_id FROM items WHERE name_normalized IS NULL ORDER BY id"
    if limit is not None:
        sql += f" LIMIT {int(limit)}"
    return conn.execute(sql).fetchall()


def update_normalized(
    conn: sqlite3.Connection,
    item_id: int,
    name_normalized: str,
) -> None:
    """Met à jour le nom normalisé d'un article.

    N'utilise pas de transaction ici : c'est l'appelant (normalizer.py)
    qui gère la transaction globale pour pouvoir faire un commit groupé.

    Args:
        conn:            Connexion SQLite ouverte.
        item_id:         Id de l'article à mettre à jour.
        name_normalized: Valeur à écrire dans name_normalized.
    """
    conn.execute(
        "UPDATE items SET name_normalized = ? WHERE id = ?",
        (name_normalized, item_id),
    )