"""Factory a VALEURS REELLES pour l'eval anti-contamination.

Remplace Faker par les pools moissonnes sur BODACC
(data/real_values_pool.json, bench/real/harvest.py) pour les types a
vocabulaire : personnes, societes, adresses, villes, SIREN (et TVA, dont la
cle se calcule sur le SIREN reel, donc valide). Les identifiants purement
generes (IBAN, NIR, CB, telephone...) restent ceux de PiiFactory : leurs
checksums sont la seule chose qui compte, pas leur vocabulaire.

But : mesurer un modele fine-tune sur des VALEURS jamais vues au train
(Faker a des listes finies de noms, partagees train/eval — un modele peut
les memoriser au lieu d'apprendre la reconnaissance en contexte).
"""

import json
from pathlib import Path

from bench.pii.generators import Person, PiiFactory

POOL = Path(__file__).resolve().parents[2] / "data" / "real_values_pool.json"


class RealValuesFactory(PiiFactory):
    def __post_init__(self):
        super().__post_init__()
        pools = json.loads(POOL.read_text(encoding="utf-8"))
        self._persons = pools["persons"]
        self._first_names = pools.get("first_names_insee", [])
        self._companies = pools["companies"]
        self._addresses = pools["addresses"]
        self._cities = pools["cities"]
        self._sirens = pools["sirens"]

    def person(self) -> Person:
        civ = self.rng.choice(["M.", "Mme", "Me", "Dr"])
        p = self.rng.choice(self._persons)
        # croisement prenom INSEE x nom BODACC : demultiplie la variete
        # reelle (445 personnes moissonnees, 3000 prenoms, produit libre)
        if self._first_names and self.rng.random() < 0.6:
            return Person(first=self.rng.choice(self._first_names),
                          last=p["last"], civ=civ)
        return Person(first=p["first"], last=p["last"], civ=civ)

    def company(self) -> str:
        return self.rng.choice(self._companies)

    def address(self) -> str:
        return self.rng.choice(self._addresses)

    def city(self) -> str:
        return self.rng.choice(self._cities)

    def siren(self) -> str:
        raw = self.rng.choice(self._sirens)
        if self.rng.random() < 0.5:
            return f"{raw[:3]} {raw[3:6]} {raw[6:]}"
        return raw

    def tva(self) -> str:
        from bench.pii.checksums import gen_tva_fr

        siren = self.rng.choice(self._sirens)
        raw = gen_tva_fr(self.rng, siren=siren)
        if self.rng.random() < 0.4:
            return f"{raw[:4]} {raw[4:]}"
        return raw