backend/core/grants/eligibility_fields.py

"""Parsowanie pól WYSZUKIWARKA pod filtr eligibility i matcher."""
from __future__ import annotations

import re
from typing import Any, Dict, List, Optional, Tuple

VOIVODESHIPS = (
    "mazowieckie",
    "małopolskie",
    "malopolskie",
    "śląskie",
    "slaskie",
    "wielkopolskie",
    "dolnośląskie",
    "dolnoslaskie",
    "pomorskie",
    "łódzkie",
    "lodzkie",
    "lubelskie",
    "podkarpackie",
    "zachodniopomorskie",
    "warmińsko-mazurskie",
    "warminsko-mazurskie",
    "podlaskie",
    "świętokrzyskie",
    "swietokrzyskie",
    "lubuskie",
    "opolskie",
    "kujawsko-pomorskie",
)

VOIVODESHIP_CANONICAL = {
    "malopolskie": "małopolskie",
    "slaskie": "śląskie",
    "dolnoslaskie": "dolnośląskie",
    "lodzkie": "łódzkie",
    "warminsko-mazurskie": "warmińsko-mazurskie",
    "swietokrzyskie": "świętokrzyskie",
}

NATIONAL_MARKERS = (
    "cała polska",
    "cala polska",
    "ogólnopolsk",
    "ogolnopolsk",
    "krajowy",
    "wszystkie województwa",
    "wszystkie wojewodztwa",
    "terytorium kraju",
)

BENEFICIARY_RULES: Tuple[Tuple[str, str], ...] = (
    (
        r"\bmśp\b|\bmsp\b|mikroprzedsi|mikro[\s,].*przedsi|mał[eych]*[\s,].*przedsi|"
        r"średni[ech]*[\s,].*przedsi|mikro,\s*mał",
        "mśp",
    ),
    (r"\bngo\b|pozarządow|pozarzadow|trzeci sektor|organizacj[ae] pozarząd", "ngo"),
    (r"\bjst\b|jednostk[ai] samorząd|samorząd|gmin[ay]|powiat|marszałk", "jst"),
    (r"rolnik|rolnictw|gospodarstw[ao] rol|arimr|wpr\b|prow\b", "rolnik"),
    (r"osob[ay] fizyczn|gospodarstw[ao] domow", "osoba_fizyczna"),
    (r"duż[eych]* przedsi|duz[eych]* przedsi|large enterprise", "duże"),
    (r"startup|scale-?up", "startup"),
    (r"przedsiębiorc|przedsiebiorc|firma|przedsiębiorstw", "przedsiębiorca"),
    (r"uczelni|uniwersytet|badawcz|naukow|instytut nauk", "nauka"),
    (r"szkoł|placówek oświat|oświat", "edukacja"),
)

SIZE_FROM_TAGS = {
    "mśp": ["mikro", "małe", "średnie"],
    "startup": ["mikro", "małe"],
    "duże": ["duże"],
}


def _norm_voiv(name: str) -> str:
    low = name.lower().strip()
    return VOIVODESHIP_CANONICAL.get(low, low)


def parse_beneficiary_tags(*texts: str) -> List[str]:
    """Zwraca unikalne tagi beneficjentów (MŚP, NGO, JST, rolnik…)."""
    combined = " ".join(t for t in texts if t).lower()
    if not combined.strip():
        return []
    found: List[str] = []
    for pattern, tag in BENEFICIARY_RULES:
        if re.search(pattern, combined, re.I):
            if tag not in found:
                found.append(tag)
    return found


def parse_eligible_company_sizes(
    beneficjenci: str = "", warunki_wejscia: str = "", name: str = ""
) -> List[str]:
    """Mapuje beneficjentów na rozmiary firm dla filtra MŚP."""
    tags = parse_beneficiary_tags(beneficjenci, warunki_wejscia, name)
    sizes: List[str] = []
    text = f"{beneficjenci} {warunki_wejscia} {name}".lower()

    if re.search(r"tylko.*duż|wyłącznie.*duż|large enterprise", text, re.I):
        return ["duże"]

    for tag in tags:
        for size in SIZE_FROM_TAGS.get(tag, []):
            if size not in sizes:
                sizes.append(size)

    if "mśp" in tags or re.search(r"\bmikro\b|\bmał[ey]\b|\bśredni", text, re.I):
        for s in ("mikro", "małe", "średnie"):
            if s not in sizes:
                sizes.append(s)

    if re.search(r"wyłącznie.*mikro|tylko.*mikro", text, re.I):
        return ["mikro"]
    if re.search(r"wyłącznie.*mał|tylko.*mał", text, re.I):
        return ["małe"]

    return sizes


def parse_eligible_regions(
    operator: str = "",
    zrodlo: str = "",
    beneficjenci: str = "",
    nazwa: str = "",
) -> List[str]:
    """Wyciąga województwo z operatora/źródła lub oznacza program krajowy."""
    hay = f"{operator} {zrodlo} {beneficjenci} {nazwa}".lower()
    regions: List[str] = []

    for voiv in VOIVODESHIPS:
        if voiv in hay:
            canon = _norm_voiv(voiv)
            if canon not in regions:
                regions.append(canon)

    rpo_match = re.search(r"rpo\s+([\wąćęłńóśźż\-]+)", hay, re.I)
    if rpo_match and not regions:
        hint = rpo_match.group(1).lower()
        for voiv in VOIVODESHIPS:
            if hint in voiv or voiv.startswith(hint[:4]):
                regions.append(_norm_voiv(voiv))

    wfos_match = re.search(r"wf[oó]śigw\s+([\wąćęłńóśźż\-]+)", hay, re.I)
    if wfos_match and not regions:
        hint = wfos_match.group(1).lower()
        for voiv in VOIVODESHIPS:
            if hint in voiv:
                regions.append(_norm_voiv(voiv))

    if any(m in hay for m in NATIONAL_MARKERS):
        return ["cała Polska"]

    national_operators = (
        "parp", "ncbr", "ncn", "bgk", "kpk", "feniks", "kpo", "granty.pl",
        "atlas dotacji", "fundusze europejskie.gov", "arimr", "nfosigw",
        "eeagrants", "horyzont",
    )
    if not regions and any(op in hay for op in national_operators):
        return ["cała Polska"]

    return regions


def parse_amount_pln(raw: Any) -> Optional[int]:
    """Parsuje kwotę z pola kwota_max/min (tekst lub liczba)."""
    if raw is None:
        return None
    if isinstance(raw, (int, float)):
        val = int(raw)
        return val if val > 0 else None

    text = str(raw).lower().replace("\xa0", " ").strip()
    if not text:
        return None

    m = re.search(r"([\d\s]+(?:[.,]\d+)?)\s*(mln|mld|tys|zł|pln)?", text)
    if not m:
        return None

    num_str = m.group(1).replace(" ", "").replace(",", ".")
    try:
        num = float(num_str)
    except ValueError:
        return None

    unit = (m.group(2) or "").lower()
    if "mld" in unit:
        num *= 1_000_000_000
    elif "mln" in unit:
        num *= 1_000_000
    elif "tys" in unit:
        num *= 1_000

    val = int(num)
    if val > 500_000_000_000:
        return None
    return val if val > 0 else None


def extract_pkd_hints(*texts: str) -> List[str]:
    """Wyciąga kody PKD z warunków wejścia / opisu."""
    combined = " ".join(t for t in texts if t)
    found: List[str] = []
    for m in re.finditer(r"\b(\d{2}\.\d{2}(?:\.[A-Z])?)\b", combined, re.I):
        code = m.group(1).upper()
        if code not in found:
            found.append(code)
    return found[:15]


def parse_entry_restrictions(warunki_wejscia: str) -> List[str]:
    """Skrócone tagi ograniczeń wejścia (do matchera)."""
    if not warunki_wejscia:
        return []
    text = warunki_wejscia.lower()
    tags: List[str] = []
    rules = (
        (r"de minimis|pomoc publiczn", "de_minimis"),
        (r"dns[hH]|zrównoważon", "dnsh"),
        (r"minimum\s+\d+\s*%|wkład własn", "wkład_własny"),
        (r"do\s+\d+\s+lat|wiek|41\s+r", "limit_wieku"),
        (r"konsorcj|partner", "konsorcjum"),
        (r"innowacj|b\+r|badania", "innowacje"),
        (r"eksport", "eksport"),
        (r"zatrudnien|pracownik|fte", "zatrudnienie"),
    )
    for pattern, tag in rules:
        if re.search(pattern, text, re.I) and tag not in tags:
            tags.append(tag)
    return tags


def is_exclusive_beneficiary(text: str, tag: str) -> bool:
    """Czy beneficjent jest wyłącznym (tylko NGO, tylko JST…)."""
    if not text:
        return False
    low = text.lower()
    exclusive_markers = ("wyłącznie", "wylacznie", "tylko dla", "jedynie")
    if not any(m in low for m in exclusive_markers):
        return False
    tag_patterns = {
        "ngo": r"ngo|pozarządow|trzeci sektor",
        "jst": r"jst|samorząd|gmin|powiat",
        "rolnik": r"rolnik|rolnictw|gospodarstw rol",
        "osoba_fizyczna": r"osob[ay] fizyczn|gospodarstw domow",
    }
    pat = tag_patterns.get(tag)
    return bool(pat and re.search(pat, low, re.I))