import streamlit as st
import pandas as pd
from io import BytesIO
from datetime import date
from banco import SessionLocal
from models import Equipamento


def limpar_estado_consulta():
    """
    Remove do session_state qualquer dado
    relacionado ao módulo Consulta
    """
    for key in list(st.session_state.keys()):
        if key.startswith("consulta_"):
            del st.session_state[key]


def _coerce_date(x):
    """Garante que valores sejam datas (date) ou NaT para comparação."""
    if pd.isna(x):
        return pd.NaT
    if isinstance(x, (pd.Timestamp, )):
        return x.date()
    if isinstance(x, date):
        return x
    try:
        return pd.to_datetime(x).date()
    except Exception:
        return pd.NaT


def main():

    # =====================================================
    # 🧹 LIMPA ESTADO AO ENTRAR NO MÓDULO
    # =====================================================
    if not st.session_state.get("_consulta_inicializado"):
        limpar_estado_consulta()
        st.session_state["_consulta_inicializado"] = True

    st.title("🔍 Consulta de Registros")

    db = SessionLocal()

    try:
        registros = db.query(Equipamento).all()

        if not registros:
            st.info("Nenhum registro encontrado.")
            return

        # =====================================================
        # 🔄 CONVERTE REGISTROS EM DATAFRAME (TODOS OS CAMPOS)
        # =====================================================
        df = pd.DataFrame([
            {
                "ID": r.id,

                # Identificação
                "FPSO1": r.fpso1,
                "FPSO": r.fpso,
                "Data Coleta": r.data_coleta,

                # Responsáveis
                "Especialista": r.especialista,
                "Conferente": r.conferente,
                "OSM": r.osm,

                # Operacional
                "Modal": r.modal,
                "Quantidade Equip.": r.quant_equip,
                "MROB": r.mrob,

                # Métricas
                "Linhas OSM": r.linhas_osm,
                "Linhas MROB": r.linhas_mrob,
                "Linhas Erros": r.linhas_erros,

                # Erros
                "Erro Storekeeper": r.erro_storekeeper,
                "Erro Operação": r.erro_operacao,
                "Erro Especialista": r.erro_especialista,
                "Erro Outros": r.erro_outros,

                # Dados complementares
                "Inclusão / Exclusão": r.inclusao_exclusao,
                "PO": r.po,
                "Part Number": r.part_number,
                "Material": r.material,

                "Solicitante": r.solicitante,
                "Motivo": getattr(r, "motivo", None),
                "Requisitante": r.requisitante,
                "Nota Fiscal": r.nota_fiscal,
                "Impacto": r.impacto,
                "Dimensão": r.dimensao,

                "Observações": r.observacoes,
                "Dia Inclusão": r.dia_inclusao,

                # Auditoria
                "Data/Hora Input": r.data_hora_input,
            }
            for r in registros
        ])

        # Normaliza a coluna de data para comparação correta
        if "Data Coleta" in df.columns:
            df["Data Coleta"] = df["Data Coleta"].apply(_coerce_date)

        # =====================================================
        # 🔎 FILTROS
        # =====================================================
        st.subheader("🔎 Filtros")

        col1, col2, col3 = st.columns(3)

        with col1:
            filtro_fpso = st.multiselect(
                "FPSO",
                sorted(df["FPSO"].dropna().unique()),
                key="consulta_fpso"
            )

            filtro_dia = st.multiselect(
                "Dia de Inclusão (D1 / D2 / D3)",
                sorted(df["Dia Inclusão"].dropna().unique()),
                key="consulta_dia"
            )

        with col2:
            filtro_modal = st.multiselect(
                "Modal",
                sorted(df["Modal"].dropna().unique()),
                key="consulta_modal"
            )

            filtro_especialista = st.multiselect(
                "Especialista",
                sorted(df["Especialista"].dropna().unique()),
                key="consulta_especialista"
            )

            # 🔵 FILTRO OSM
            filtro_osm = st.multiselect(
                "OSM",
                sorted(df["OSM"].dropna().unique()),
                key="consulta_osm"
            )

        with col3:
            periodo = st.date_input(
                "Período de Coleta",
                value=None,
                key="consulta_periodo"
            )

            # 🟩 NOVO: FILTRO DE NOTA FISCAL
            st.markdown("**Nota Fiscal**")
            nota_input_text = st.text_input(
                "Digite um ou mais números (separados por vírgula)",
                value="",
                key="consulta_nf_text"
            )
            # Alternativamente (opcional) oferecer multiselect pelos valores existentes
            filtro_nf_multi = st.multiselect(
                "Ou selecione",
                sorted([str(x) for x in df["Nota Fiscal"].dropna().unique()]),
                key="consulta_nf_multi"
            )
            mostrar_apenas_duplicadas = st.checkbox(
                "Mostrar apenas notas duplicadas",
                value=False,
                key="consulta_mostrar_dup_nf"
            )

        # =====================================================
        # 🔄 APLICA FILTROS
        # =====================================================
        # Filtros simples
        if filtro_fpso:
            df = df[df["FPSO"].isin(filtro_fpso)]

        if filtro_modal:
            df = df[df["Modal"].isin(filtro_modal)]

        if filtro_especialista:
            df = df[df["Especialista"].isin(filtro_especialista)]

        if filtro_dia:
            df = df[df["Dia Inclusão"].isin(filtro_dia)]

        if filtro_osm:
            df = df[df["OSM"].isin(filtro_osm)]

        # Filtro de período (intervalo)
        if isinstance(periodo, (list, tuple)) and len(periodo) == 2 and all(periodo):
            data_inicio, data_fim = periodo
            df = df[
                (df["Data Coleta"] >= data_inicio) &
                (df["Data Coleta"] <= data_fim)
            ]

        # -----------------------------------------------------
        # Filtro de Nota Fiscal (texto e/ou multiselect)
        # -----------------------------------------------------
        # Consolida as notas informadas via texto (separadas por vírgula)
        notas_texto = []
        if nota_input_text.strip():
            notas_texto = [x.strip() for x in nota_input_text.split(",") if x.strip()]

        # Concatena com o multiselect (transformando em string)
        notas_escolhidas = set([str(x) for x in filtro_nf_multi] + [str(x) for x in notas_texto])

        if notas_escolhidas:
            # Comparar sempre como string para evitar problemas com zeros à esquerda ou tipos heterogêneos
            df = df[df["Nota Fiscal"].astype(str).isin(notas_escolhidas)]

        # =====================================================
        # 🧭 SINALIZA DUPLICIDADE DE NOTA FISCAL
        # =====================================================
        # Conta ocorrências por número (string) ignorando NaN
        nf_series = df["Nota Fiscal"].astype(str).fillna("")
        contagem_nf = nf_series.value_counts(dropna=False)
        # Duplicadas são as que tem contagem > 1 (e não vazias)
        notas_duplicadas = contagem_nf[(contagem_nf > 1) & (contagem_nf.index != "")]

        # Coluna booleana marcando duplicidade no DF atual
        df["Duplicidade Nota"] = df["Nota Fiscal"].astype(str).isin(notas_duplicadas.index)

        # Aviso resumido
        if len(notas_duplicadas) > 0:
            st.warning(
                f"⚠️ Foram encontradas **{int(notas_duplicadas.sum())}** ocorrências em **{len(notas_duplicadas)}** "
                f"números de Nota Fiscal duplicados no resultado."
            )
            with st.expander("Ver lista de notas duplicadas"):
                dup_df = pd.DataFrame({
                    "Nota Fiscal": notas_duplicadas.index,
                    "Ocorrências": notas_duplicadas.values
                }).sort_values(by="Ocorrências", ascending=False)
                st.dataframe(dup_df, use_container_width=True)

        # Mostrar apenas duplicadas, caso marcado
        if mostrar_apenas_duplicadas:
            df = df[df["Duplicidade Nota"] == True]

        # =====================================================
        # 📊 RESULTADOS
        # =====================================================
        st.subheader("📊 Resultados")
        st.caption("A coluna **Duplicidade Nota** indica se há mais de um registro com o mesmo número de Nota Fiscal no resultado atual.")
        st.dataframe(df, use_container_width=True)

        # =====================================================
        # 📥 EXPORTAÇÃO EXCEL
        # =====================================================
        buffer = BytesIO()
        with pd.ExcelWriter(buffer, engine="openpyxl") as writer:
            df.to_excel(writer, index=False, sheet_name="Consulta")

        buffer.seek(0)

        st.download_button(
            label="⬇️ Exportar para Excel",
            data=buffer,
            file_name="consulta_equipamentos.xlsx",
            mime="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet"
        )

    finally:
        db.close()