"""Validacao retrospectiva com voos reais de 2025.

Entradas:
    dados/Quadro de Voo 2025 (2).xlsx, aba VOOS, ou o CSV ja importado em
    dados/validacao/voos_2025.csv.

Saidas:
    resultados/validacao/validacao_2025_resumo.xlsx
    resultados/validacao/validacao_2025_detalhada.xlsx
    resultados/validacao/validacao_2025_metricas.csv
    resultados/validacao/validacao_2025_barras.png

Papel no pipeline:
    Mantém a demanda histórica de 2025, gera candidatos compatíveis para cada
    slot histórico e usa MILP para redistribuir tripulantes preservando horas.
"""

from __future__ import annotations

import importlib
import re
import struct
import zlib
from datetime import time, timedelta
from pathlib import Path

import pandas as pd

config = importlib.import_module("01_config")
io_utils = importlib.import_module("02_io_utils")

COLUNAS_VALIDACAO = ["slot_id", "data", "aeronave", "tipo_escala", "tripulante", "funcao", "oi", "horas_voadas", "sbv"]


def _normalizar_texto(valor: object) -> str:
    from src.planejador_missao.utils import normalizar_texto

    return normalizar_texto(valor)


def _horas(valor: object) -> float:
    """Converte TEV da planilha historica para horas decimais."""
    if pd.isna(valor):
        return 0.0
    if isinstance(valor, timedelta):
        return round(valor.total_seconds() / 3600, 2)
    if isinstance(valor, time):
        return round(valor.hour + valor.minute / 60 + valor.second / 3600, 2)
    if isinstance(valor, str):
        texto = valor.strip()
        if not texto or texto == "-":
            return 0.0
        partes = texto.split(":")
        if len(partes) >= 2:
            return round(float(partes[0]) + float(partes[1]) / 60, 2)
        return float(texto.replace(",", "."))
    if isinstance(valor, (int, float)):
        return round(float(valor) * 24, 2) if 0 < float(valor) < 1 else float(valor)
    return 0.0


def _aeronave(valor: object) -> str:
    """Traduz matricula FAB para familia operacional C95/C97/C98."""
    texto = _normalizar_texto(valor)
    match = re.search(r"(\d{4})", texto)
    if not match:
        return ""
    numero = match.group(1)
    if numero.startswith("20"):
        return "C97"
    if numero.startswith("23"):
        return "C95"
    if numero.startswith("27"):
        return "C98"
    return ""


def _tripulantes(valor: object) -> list[str]:
    """Extrai a dupla principal da tripulacao historica."""
    partes = re.split(r"\s*/\s*", str(valor))
    trips = []
    for parte in partes:
        texto = _normalizar_texto(parte)
        texto = re.sub(r"\([^)]*\)", " ", texto)
        texto = re.sub(r"[^A-Z0-9]+", " ", texto).strip()
        if texto and texto != "NAN":
            trips.append(texto)
    return trips[:2]


def importar_voos_2025(origem: Path = config.ARQUIVO_QUADRO_VOO_2025, destino: Path = config.ARQUIVO_VOOS_2025) -> pd.DataFrame:
    """Importa voos realizados de 2025 da aba VOOS para o CSV de validação."""
    io_utils.exigir_arquivos([origem])
    raw = pd.read_excel(origem, sheet_name=config.ABAS["voos_2025"], header=None)
    linhas = []
    slot_id = 0
    for _, row in raw.iterrows():
        data = pd.to_datetime(row[2], errors="coerce")
        if pd.isna(data) or data.year != 2025:
            continue
        if _normalizar_texto(row[41]) != "REALIZADO":
            continue

        aeronave = _aeronave(row[37])
        if not aeronave:
            continue

        horas_voadas = _horas(row[30])
        if horas_voadas <= 0:
            continue

        trips = _tripulantes(row[8])
        if len(trips) < 2:
            continue

        slot_id += 1
        tipo_escala = _normalizar_texto(row[1])
        oi = _normalizar_texto(row[35])
        if not oi or oi == "-":
            oi = _normalizar_texto(row[32])

        for idx, tripulante in enumerate(trips, start=1):
            linhas.append(
                {
                    "slot_id": slot_id,
                    "data": data.date().isoformat(),
                    "aeronave": aeronave,
                    "tipo_escala": tipo_escala,
                    "tripulante": tripulante,
                    "funcao": "PILOTO" if idx == 1 else "COPILOTO",
                    "oi": oi,
                    "horas_voadas": horas_voadas,
                    "sbv": 0,
                }
            )

    df = pd.DataFrame(linhas, columns=COLUNAS_VALIDACAO)
    io_utils.exportar_csv(destino, df)
    return df


def _png_barras(path: Path, metricas: pd.DataFrame) -> Path:
    """Gera PNG simples sem depender de bibliotecas graficas externas."""
    width, height = 760, 420
    canvas = bytearray([255, 255, 255] * width * height)

    def rect(x0: int, y0: int, x1: int, y1: int, color: tuple[int, int, int]) -> None:
        x0, x1 = max(0, x0), min(width, x1)
        y0, y1 = max(0, y0), min(height, y1)
        for y in range(y0, y1):
            for x in range(x0, x1):
                i = (y * width + x) * 3
                canvas[i : i + 3] = bytes(color)

    rect(55, 45, 60, 365, (38, 57, 77))
    rect(55, 360, 705, 365, (38, 57, 77))
    valores = metricas.set_index("cenario")["desvio_padrao"].to_dict()
    max_v = max(valores.values()) if valores else 1
    cores = {"real_2025": (154, 52, 18), "otimizado_meta_50": (38, 115, 77)}
    xs = {"real_2025": 190, "otimizado_meta_50": 430}
    for cenario, valor in valores.items():
        h = int((valor / max_v) * 270)
        rect(xs[cenario], 360 - h, xs[cenario] + 110, 360, cores[cenario])

    raw = b"".join(b"\x00" + canvas[y * width * 3 : (y + 1) * width * 3] for y in range(height))
    png = b"\x89PNG\r\n\x1a\n"
    for chunk_type, data in [
        (b"IHDR", struct.pack(">IIBBBBB", width, height, 8, 2, 0, 0, 0)),
        (b"IDAT", zlib.compress(raw, 9)),
        (b"IEND", b""),
    ]:
        png += struct.pack(">I", len(data)) + chunk_type + data + struct.pack(">I", zlib.crc32(chunk_type + data) & 0xFFFFFFFF)
    path.parent.mkdir(parents=True, exist_ok=True)
    path.write_bytes(png)
    return path


def executar_validacao_2025(importar: bool = True, logger=None) -> dict:
    """Executa a validação completa e exporta os artefatos finais."""
    io_utils.configurar_ambiente()
    logger = logger or io_utils.configurar_logger("validacao_2025")
    inicio = pd.Timestamp.now()

    if importar or not config.ARQUIVO_VOOS_2025.exists():
        voos_importados = importar_voos_2025()
        logger.info("Voos 2025 importados: %s registros", len(voos_importados))

    from src.planejador_missao.validacao import carregar_voos_2025, otimizar_equalizacao_50

    voos = carregar_voos_2025(config.ARQUIVO_VOOS_2025)
    if voos.empty:
        raise RuntimeError("Erro: base de validação 2025 vazia. Verifique dados/validacao/voos_2025.csv.")
    if (voos["horas_voadas"] < 0).any():
        raise RuntimeError("Erro: foram encontradas horas voadas negativas na validação 2025.")

    resultado = otimizar_equalizacao_50(
        config.PROJECT_ROOT,
        voos,
        meta_horas=config.META_HORAS_PADRAO,
        tempo_limite_segundos=config.VALIDACAO_TEMPO_LIMITE_SEGUNDOS,
        gap_relativo=config.VALIDACAO_GAP_RELATIVO,
    )
    metricas = resultado["metricas"]
    total_real = float(metricas.loc[metricas["cenario"] == "real_2025", "horas_total"].iloc[0])
    total_otim = float(metricas.loc[metricas["cenario"] == "otimizado_meta_50", "horas_total"].iloc[0])
    if abs(total_real - total_otim) > 0.01:
        logger.warning("Horas não preservadas: real=%s otimizado=%s", total_real, total_otim)

    resumo_path = config.VALIDACAO_DIR / "validacao_2025_resumo.xlsx"
    detalhada_path = config.VALIDACAO_DIR / "validacao_2025_detalhada.xlsx"
    metricas_path = config.VALIDACAO_DIR / "validacao_2025_metricas.csv"
    grafico_path = config.VALIDACAO_DIR / "validacao_2025_barras.png"

    solver_df = pd.DataFrame([resultado.get("status_solver", {})])
    io_utils.exportar_excel(resumo_path, {"solver": solver_df, "metricas": metricas})
    io_utils.exportar_excel(
        detalhada_path,
        {
            "solver": solver_df,
            "metricas": metricas,
            "comparativo_trips": resultado["comparativo"],
            "voos_2025_slots": resultado["slots"],
            "escala_otimizada": resultado["otimizados"],
        },
    )
    io_utils.exportar_csv(metricas_path, metricas)
    _png_barras(grafico_path, metricas)

    duracao = (pd.Timestamp.now() - inicio).total_seconds()
    logger.info("Slots historicos avaliados: %s", len(resultado["slots"]))
    logger.info("Alocacoes otimizadas: %s", len(resultado["otimizados"]))
    logger.info("Tripulantes comparados: %s", len(resultado["comparativo"]))
    logger.info("Status solver: %s", resultado["status_solver"]["mensagem"])
    logger.info("Tempo de validação: %.1f s", duracao)
    logger.info("Arquivos exportados: %s | %s | %s | %s", resumo_path, detalhada_path, metricas_path, grafico_path)

    return {
        "resultado": resultado,
        "arquivos": [resumo_path, detalhada_path, metricas_path, grafico_path],
        "duracao_segundos": duracao,
    }


def main() -> None:
    """Ponto de entrada da validação 2025."""
    logger = io_utils.configurar_logger("validacao_2025")
    saida = executar_validacao_2025(importar=True, logger=logger)
    metricas = saida["resultado"]["metricas"]
    print("\n=== Validação 2025 concluída ===")
    print(metricas.to_string(index=False))
    print("\nArquivos gerados:")
    for path in saida["arquivos"]:
        print(f"- {path}")


if __name__ == "__main__":
    main()