"""Módulo de utilitários e funções auxiliares."""

import json
from datetime import datetime
from typing import Dict, Any, Optional

from config.config import (
    TradingConfig,
    UIConfig,
    ScoringConfig
)


class DateTimeUtils:
    """Utilitários para manipulação de data e hora."""
    
    @staticmethod
    def get_current_timestamp() -> str:
        """Retorna timestamp atual formatado."""
        return datetime.now().strftime("%H:%M:%S")
    
    @staticmethod
    def get_current_datetime() -> str:
        """Retorna data e hora atual formatada."""
        return datetime.now().strftime("%d/%m/%Y %H:%M:%S")
    
    @staticmethod
    def format_timestamp(dt: datetime) -> str:
        """Formata datetime para timestamp."""
        return dt.strftime("%H:%M:%S")


class NumberUtils:
    """Utilitários para manipulação de números."""
    
    @staticmethod
    def format_price(price: float) -> str:
        """Formata preço com separadores de milhares."""
        return f"{price:,.0f}"
    
    @staticmethod
    def format_percentage(value: float) -> str:
        """Formata porcentagem com sinal."""
        return f"{value:+.2f}%"
    
    @staticmethod
    def format_volume(volume: float) -> str:
        """Formata volume com uma casa decimal."""
        return f"{volume:.1f}x"
    
    @staticmethod
    def calculate_points_from_percentage(price: float, percentage: float) -> float:
        """Calcula pontos baseado em porcentagem do preço."""
        return price * (percentage / 100)


class ConfidenceUtils:
    """Utilitários para manipulação de níveis de confiança."""
    
    @staticmethod
    def get_confidence_level(confidence: int) -> str:
        """Retorna nível de confiança textual."""
        config = TradingConfig.CONFIDENCE_LEVELS
        
        if confidence >= config['MUITO_ALTA']:
            return "MUITO ALTA"
        elif confidence >= config['ALTA']:
            return "ALTA"
        elif confidence >= config['MODERADA']:
            return "MODERADA"
        else:
            return "BAIXA"
    
    @staticmethod
    def generate_confidence_bar(confidence: int) -> str:
        """Gera barra visual de confiança."""
        filled_bars = int(confidence / 10)
        empty_bars = 10 - filled_bars
        return "█" * filled_bars + "░" * empty_bars
    
    @staticmethod
    def is_high_confidence(confidence: int) -> bool:
        """Verifica se confiança é alta."""
        return confidence >= TradingConfig.CONFIDENCE_LEVELS['ALTA']


class ActionUtils:
    """Utilitários para manipulação de ações de trading."""
    
    @staticmethod
    def get_action_emojis(action: str) -> Dict[str, str]:
        """Retorna emojis para ação específica."""
        return UIConfig.ACTION_EMOJIS.get(action, {
            'main': '⚪',
            'action': '❓'
        })


def calculate_rsi(prices: list, period: int = 14) -> float:
    """Calcula o RSI (Relative Strength Index)."""
    if len(prices) < period + 1:
        return 50.0  # Valor neutro se não há dados suficientes
    
    gains = []
    losses = []
    
    for i in range(1, len(prices)):
        change = prices[i] - prices[i-1]
        if change > 0:
            gains.append(change)
            losses.append(0)
        else:
            gains.append(0)
            losses.append(abs(change))
    
    if len(gains) < period:
        return 50.0
    
    avg_gain = sum(gains[-period:]) / period
    avg_loss = sum(losses[-period:]) / period
    
    if avg_loss == 0:
        return 100.0
    
    rs = avg_gain / avg_loss
    rsi = 100 - (100 / (1 + rs))
    return rsi


def calculate_bollinger_bands(prices: list, period: int = 20, std_dev: float = 2.0) -> dict:
    """Calcula as Bandas de Bollinger."""
    if len(prices) < period:
        return {'upper': 0, 'middle': 0, 'lower': 0}
    
    recent_prices = prices[-period:]
    sma = sum(recent_prices) / period
    
    variance = sum((price - sma) ** 2 for price in recent_prices) / period
    std = variance ** 0.5
    
    upper_band = sma + (std_dev * std)
    lower_band = sma - (std_dev * std)
    
    return {
        'upper': upper_band,
        'middle': sma,
        'lower': lower_band
    }


def calculate_ema(prices: list, period: int = 9) -> float:
    """Calcula a EMA (Exponential Moving Average)."""
    if len(prices) < period:
        return sum(prices) / len(prices) if prices else 0
    
    multiplier = 2 / (period + 1)
    ema = sum(prices[:period]) / period  # SMA inicial
    
    for price in prices[period:]:
        ema = (price * multiplier) + (ema * (1 - multiplier))
    
    return ema


def format_number(value: float, decimals: int = 2) -> str:
    """Formata número com casas decimais especificadas."""
    return f"{value:.{decimals}f}"
    
    @staticmethod
    def get_action_color(action: str) -> str:
        """Retorna cor para ação específica."""
        return UIConfig.ACTION_COLORS.get(action, 'cinza')
    
    @staticmethod
    def get_trading_direction(action: str) -> str:
        """Retorna direção de trading para ação."""
        return UIConfig.TRADING_DIRECTIONS.get(action, 'INDEFINIDO')


class SentimentUtils:
    """Utilitários para manipulação de sentimento."""
    
    @staticmethod
    def get_sentiment_emoji(sentiment_label: str) -> str:
        """Retorna emoji para sentimento."""
        return UIConfig.SENTIMENT_EMOJIS.get(sentiment_label, '😐💛')
    
    @staticmethod
    def normalize_sentiment_label(label: str) -> str:
        """Normaliza label de sentimento."""
        label_upper = label.upper()
        valid_labels = ['POSITIVO', 'NEGATIVO', 'NEUTRO']
        
        if label_upper in valid_labels:
            return label_upper
        
        # Mapeamento de labels alternativos
        label_mapping = {
            'POSITIVE': 'POSITIVO',
            'NEGATIVE': 'NEGATIVO',
            'NEUTRAL': 'NEUTRO',
            'POS': 'POSITIVO',
            'NEG': 'NEGATIVO',
            'NEU': 'NEUTRO'
        }
        
        return label_mapping.get(label_upper, 'NEUTRO')


class ValidationUtils:
    """Utilitários para validação de dados."""
    
    @staticmethod
    def validate_market_data(data: Dict[str, Any]) -> bool:
        """Valida dados de mercado."""
        required_fields = ['price', 'variation', 'rsi', 'ema_trend', 'bb_position', 'volume']
        
        # Verificar se todos os campos obrigatórios estão presentes
        for field in required_fields:
            if field not in data:
                return False
        
        # Validar tipos e valores
        try:
            price = float(data['price'])
            variation = float(data['variation'])
            rsi = int(data['rsi'])
            volume = float(data['volume'])
            
            # Validar ranges
            if price < 0 or not (0 <= rsi <= 100) or volume < 0:
                return False
            
            # Validar strings
            valid_ema_trends = ['ALTA', 'BAIXA', 'NEUTRO']
            valid_bb_positions = ['DENTRO', 'SOBRE', 'ABAIXO', 'ACIMA']
            
            if (data['ema_trend'] not in valid_ema_trends or 
                data['bb_position'] not in valid_bb_positions):
                return False
            
            return True
            
        except (ValueError, TypeError):
            return False
    
    @staticmethod
    def validate_confidence_score(score: int) -> int:
        """Valida e normaliza pontuação de confiança."""
        return max(ScoringConfig.MIN_CONFIDENCE, 
                  min(ScoringConfig.MAX_CONFIDENCE, score))
    
    @staticmethod
    def validate_text_input(text: str) -> bool:
        """Valida entrada de texto."""
        if not text or not isinstance(text, str):
            return False
        
        # Verificar se não é apenas espaços em branco
        if not text.strip():
            return False
        
        # Verificar tamanho mínimo
        if len(text.strip()) < 3:
            return False
        
        return True


class FormatUtils:
    """Utilitários para formatação de texto e dados."""
    
    @staticmethod
    def format_signal_list(signals: list) -> str:
        """Formata lista de sinais para exibição."""
        if not signals:
            return "Nenhum sinal detectado"
        
        formatted_signals = []
        for i, signal in enumerate(signals[:5], 1):  # Máximo 5 sinais
            if hasattr(signal, 'description'):
                formatted_signals.append(f"{i}. {signal.description}")
            else:
                formatted_signals.append(f"{i}. {str(signal)}")
        
        return "\n".join(formatted_signals)
    
    @staticmethod
    def format_market_summary(market_data: Dict[str, Any]) -> str:
        """Formata resumo dos dados de mercado."""
        price = NumberUtils.format_price(market_data.get('price', 0))
        variation = NumberUtils.format_percentage(market_data.get('variation', 0))
        volume = NumberUtils.format_volume(market_data.get('volume', 0))
        
        return f"""• **Preço:** {price}
• **Variação:** {variation}
• **RSI:** {market_data.get('rsi', 'N/A')} 
• **EMA:** {market_data.get('ema_trend', 'N/A')}
• **Bollinger:** {market_data.get('bb_position', 'N/A')}
• **Volume:** {volume}"""
    
    @staticmethod
    def format_trading_recommendations(action: str, price: float) -> str:
        """Formata recomendações de trading."""
        if action == 'COMPRAR':
            stop_loss = price * (1 - TradingConfig.STOP_LOSS_PERCENTAGE)
            take_profit = price * (1 + TradingConfig.TAKE_PROFIT_PERCENTAGE)
            
            return f"""• **Stop Loss:** -{NumberUtils.calculate_points_from_percentage(price, TradingConfig.STOP_LOSS_PERCENTAGE * 100):.0f} pts ({TradingConfig.STOP_LOSS_PERCENTAGE * 100:.2f}%)
• **Take Profit:** +{NumberUtils.calculate_points_from_percentage(price, TradingConfig.TAKE_PROFIT_PERCENTAGE * 100):.0f} pts ({TradingConfig.TAKE_PROFIT_PERCENTAGE * 100:.2f}%)
• **Timeframe:** {'/'.join(TradingConfig.SCALPING_TIMEFRAMES)}
• **Risk/Reward:** 1:{TradingConfig.RISK_REWARD_RATIO}"""
        
        elif action == 'VENDER':
            stop_loss = price * (1 + TradingConfig.STOP_LOSS_PERCENTAGE)
            take_profit = price * (1 - TradingConfig.TAKE_PROFIT_PERCENTAGE)
            
            return f"""• **Stop Loss:** +{NumberUtils.calculate_points_from_percentage(price, TradingConfig.STOP_LOSS_PERCENTAGE * 100):.0f} pts ({TradingConfig.STOP_LOSS_PERCENTAGE * 100:.2f}%)
• **Take Profit:** -{NumberUtils.calculate_points_from_percentage(price, TradingConfig.TAKE_PROFIT_PERCENTAGE * 100):.0f} pts ({TradingConfig.TAKE_PROFIT_PERCENTAGE * 100:.2f}%)
• **Timeframe:** {'/'.join(TradingConfig.SCALPING_TIMEFRAMES)}
• **Risk/Reward:** 1:{TradingConfig.RISK_REWARD_RATIO}"""
        
        else:
            return """• **Aguardar:** Setup mais definido
• **Monitorar:** Rompimentos de suporte/resistência
• **Observar:** Confluência de sinais técnicos"""


class LogUtils:
    """Utilitários para logging e debug."""
    
    @staticmethod
    def log_analysis_result(analysis_result: Dict[str, Any]) -> None:
        """Registra resultado de análise para debug."""
        timestamp = DateTimeUtils.get_current_datetime()
        action = analysis_result.get('action', 'UNKNOWN')
        confidence = analysis_result.get('confidence', 0)
        
        print(f"[{timestamp}] Análise: {action} (Confiança: {confidence}%)")
    
    @staticmethod
    def log_error(error_message: str, context: str = "") -> None:
        """Registra erro com contexto."""
        timestamp = DateTimeUtils.get_current_datetime()
        context_str = f" [{context}]" if context else ""
        print(f"[{timestamp}] ERRO{context_str}: {error_message}")
    
    @staticmethod
    def log_model_status(model_info: Dict[str, Any]) -> None:
        """Registra status do modelo de IA."""
        timestamp = DateTimeUtils.get_current_datetime()
        status = "ATIVO" if model_info.get('available', False) else "INATIVO"
        model_name = model_info.get('description', 'Desconhecido')
        
        print(f"[{timestamp}] Modelo IA: {status} - {model_name}")


class DataExportUtils:
    """Utilitários para exportação de dados."""
    
    @staticmethod
    def export_analysis_to_json(analysis_result: Dict[str, Any]) -> str:
        """Exporta resultado de análise para JSON."""
        # Preparar dados para serialização
        export_data = {
            'timestamp': DateTimeUtils.get_current_datetime(),
            'action': analysis_result.get('action'),
            'confidence': analysis_result.get('confidence'),
            'market_data': analysis_result.get('market_data'),
            'sentiment': analysis_result.get('sentiment')
        }
        
        # Converter objetos complexos para dicionários
        if 'signals' in analysis_result:
            export_data['signals'] = [
                {
                    'indicator': getattr(signal, 'indicator', 'unknown'),
                    'signal_type': getattr(signal, 'signal_type', 'unknown'),
                    'strength': getattr(signal, 'strength', 0),
                    'description': getattr(signal, 'description', '')
                }
                for signal in analysis_result['signals']
            ]
        
        return json.dumps(export_data, indent=2, ensure_ascii=False)
    
    @staticmethod
    def create_analysis_summary(analysis_result: Dict[str, Any]) -> Dict[str, Any]:
        """Cria resumo da análise para relatórios."""
        return {
            'timestamp': DateTimeUtils.get_current_datetime(),
            'action': analysis_result.get('action', 'UNKNOWN'),
            'confidence': analysis_result.get('confidence', 0),
            'confidence_level': ConfidenceUtils.get_confidence_level(
                analysis_result.get('confidence', 0)
            ),
            'signals_count': len(analysis_result.get('signals', [])),
            'sentiment_label': analysis_result.get('sentiment', {}).get('label', 'NEUTRO'),
            'market_price': analysis_result.get('market_data', {}).get('price', 0),
            'market_rsi': analysis_result.get('market_data', {}).get('rsi', 50)
        }