"""
Abitur Document Store - Dateinamen-Erkennung und Helfer.

Erkennt Metadaten aus NiBiS-Dateinamen (Niedersachsen).
"""

import re
from typing import Dict, Any
from pathlib import Path

from abitur_docs_models import (
    Bundesland, Fach, Niveau, DokumentTyp, VerarbeitungsStatus,
    RecognitionResult, AbiturDokument, DokumentResponse,
    FACH_NAME_MAPPING,
)


def parse_nibis_filename(filename: str) -> RecognitionResult:
    """
    Erkennt Metadaten aus NiBiS-Dateinamen.

    Beispiele:
    - 2025_Deutsch_eA_I.pdf
    - 2025_Deutsch_eA_I_EWH.pdf
    - 2025_Biologie_gA_1.pdf
    - 2025_Englisch_eA_HV.pdf (Hörverstehen)
    """
    result = RecognitionResult(
        success=False,
        bundesland=Bundesland.NIEDERSACHSEN,
        fach=None,
        jahr=None,
        niveau=None,
        typ=None,
        aufgaben_nummer=None,
        confidence=0.0,
        raw_filename=filename,
        suggestions=[]
    )

    # Bereinige Dateiname
    name = Path(filename).stem.lower()

    # Extrahiere Jahr (4 Ziffern am Anfang)
    jahr_match = re.match(r'^(\d{4})', name)
    if jahr_match:
        result.jahr = int(jahr_match.group(1))
        result.confidence += 0.2

    # Extrahiere Fach
    for fach_key, fach_enum in FACH_NAME_MAPPING.items():
        if fach_key in name.replace("_", "").replace("-", ""):
            result.fach = fach_enum
            result.confidence += 0.3
            break

    # Extrahiere Niveau (eA/gA)
    if "_ea" in name or "_ea_" in name or "ea_" in name:
        result.niveau = Niveau.EA
        result.confidence += 0.2
    elif "_ga" in name or "_ga_" in name or "ga_" in name:
        result.niveau = Niveau.GA
        result.confidence += 0.2

    # Extrahiere Typ
    if "_ewh" in name:
        result.typ = DokumentTyp.ERWARTUNGSHORIZONT
        result.confidence += 0.2
    elif "_hv" in name or "hoerverstehen" in name:
        result.typ = DokumentTyp.HOERVERSTEHEN
        result.confidence += 0.15
    elif "_sm" in name or "_me" in name or "sprachmittlung" in name:
        result.typ = DokumentTyp.SPRACHMITTLUNG
        result.confidence += 0.15
    elif "deckblatt" in name:
        result.typ = DokumentTyp.DECKBLATT
        result.confidence += 0.15
    elif "material" in name:
        result.typ = DokumentTyp.MATERIAL
        result.confidence += 0.15
    elif "bewertung" in name:
        result.typ = DokumentTyp.BEWERTUNGSBOGEN
        result.confidence += 0.15
    else:
        result.typ = DokumentTyp.AUFGABE
        result.confidence += 0.1

    # Extrahiere Aufgabennummer (römisch oder arabisch)
    aufgabe_match = re.search(r'_([ivx]+|[1-4][abc]?)(?:_|\.pdf|$)', name, re.IGNORECASE)
    if aufgabe_match:
        result.aufgaben_nummer = aufgabe_match.group(1).upper()
        result.confidence += 0.1

    # Erfolg wenn mindestens Fach und Jahr erkannt
    if result.fach and result.jahr:
        result.success = True

    # Normalisiere Confidence auf max 1.0
    result.confidence = min(result.confidence, 1.0)

    return result


def to_dokument_response(doc: AbiturDokument) -> DokumentResponse:
    """Konvertiert internes Dokument zu Response."""
    return DokumentResponse(
        id=doc.id,
        dateiname=doc.dateiname,
        original_dateiname=doc.original_dateiname,
        bundesland=doc.bundesland,
        fach=doc.fach,
        jahr=doc.jahr,
        niveau=doc.niveau,
        typ=doc.typ,
        aufgaben_nummer=doc.aufgaben_nummer,
        status=doc.status,
        confidence=doc.confidence,
        file_path=doc.file_path,
        file_size=doc.file_size,
        indexed=doc.indexed,
        vector_ids=doc.vector_ids,
        created_at=doc.created_at,
        updated_at=doc.updated_at
    )