# MUESTRA: Monitor de Terrenos IMPLAN — Pipeline Completo
# Python + SQL (sin Java — ver nota al final sobre esta decisión)

# ============================================================
# 1. schema.sql — estructura de la base de datos
# ============================================================
"""
CREATE TABLE IF NOT EXISTS anuncios (
    id_anuncio TEXT PRIMARY KEY,
    titulo TEXT NOT NULL,
    precio REAL,
    m2 REAL,
    ubicacion TEXT,
    lat REAL,
    lon REAL,
    url TEXT,
    fecha_primera_vista DATE NOT NULL,
    fecha_ultima_vista DATE NOT NULL,
    activo BOOLEAN DEFAULT 1
);
"""

# ============================================================
# 2. scraper.py — trae los datos reales vía Apify
# ============================================================
import os
from apify_client import ApifyClient
from dotenv import load_dotenv

load_dotenv()

def obtener_anuncios_torreon():
    """Corre el Actor de Apify y regresa la lista cruda de anuncios."""
    client = ApifyClient(os.getenv("APIFY_TOKEN"))
    actor_id = os.getenv("APIFY_ACTOR_ID")

    run = client.actor(actor_id).call(
        run_input={"startUrls": [os.getenv("URL_BUSQUEDA_TERRENOS")]}
    )

    if run["status"] != "SUCCEEDED":
        raise RuntimeError(f"El Actor de Apify no terminó bien: {run['status']}")

    items = client.dataset(run["defaultDatasetId"]).list_items().items
    return items


# ============================================================
# 3. database.py — guarda, compara, detecta cambios
# ============================================================
import sqlite3
from datetime import date

DB_PATH = "terrenos.db"

def conectar():
    conn = sqlite3.connect(DB_PATH)
    with open("schema.sql") as f:
        conn.executescript(f.read())
    return conn

def guardar_anuncios(anuncios: list[dict]) -> dict:
    """
    Guarda los anuncios de la corrida actual.
    Regresa un resumen: cuántos son nuevos, cuántos ya existían.
    """
    conn = conectar()
    hoy = date.today().isoformat()
    nuevos, actualizados = 0, 0
    ids_vistos_hoy = []

    for a in anuncios:
        id_anuncio = a["postingId"]
        ids_vistos_hoy.append(id_anuncio)

        existe = conn.execute(
            "SELECT 1 FROM anuncios WHERE id_anuncio = ?", (id_anuncio,)
        ).fetchone()

        if existe:
            conn.execute(
                "UPDATE anuncios SET fecha_ultima_vista = ?, precio = ?, activo = 1 WHERE id_anuncio = ?",
                (hoy, a.get("price"), id_anuncio)
            )
            actualizados += 1
        else:
            conn.execute(
                """INSERT INTO anuncios
                   (id_anuncio, titulo, precio, m2, ubicacion, lat, lon, url,
                    fecha_primera_vista, fecha_ultima_vista, activo)
                   VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, 1)""",
                (id_anuncio, a["title"], a.get("price"), a.get("surface"),
                 a.get("location"), a.get("lat"), a.get("lon"), a.get("url"),
                 hoy, hoy)
            )
            nuevos += 1

    # marcar como inactivos los que ya no aparecieron hoy
    placeholders = ",".join("?" * len(ids_vistos_hoy))
    conn.execute(
        f"UPDATE anuncios SET activo = 0 WHERE id_anuncio NOT IN ({placeholders})",
        ids_vistos_hoy
    )

    conn.commit()
    conn.close()
    return {"nuevos": nuevos, "actualizados": actualizados, "fecha": hoy}


# ============================================================
# 4. api.py — sirve los datos a trcimplan.gob.mx
# ============================================================
from fastapi import FastAPI
import sqlite3

app = FastAPI(title="API Monitor Terrenos IMPLAN")

@app.get("/api/monitor-terrenos")
def obtener_terrenos():
    conn = sqlite3.connect("terrenos.db")
    conn.row_factory = sqlite3.Row
    filas = conn.execute(
        "SELECT * FROM anuncios WHERE activo = 1 ORDER BY fecha_primera_vista DESC"
    ).fetchall()
    conn.close()

    return {
        "total": len(filas),
        "ultima_actualizacion": filas[0]["fecha_ultima_vista"] if filas else None,
        "terrenos": [dict(f) for f in filas]
    }


# ============================================================
# 5. main.py — orquesta las 3 piezas (lo que dispara el scheduler)
# ============================================================
def correr_monitor_semanal():
    print("Extrayendo anuncios de Apify...")
    anuncios = obtener_anuncios_torreon()

    print(f"Se encontraron {len(anuncios)} anuncios activos. Guardando...")
    resumen = guardar_anuncios(anuncios)

    print(f"Listo — {resumen['nuevos']} nuevos, {resumen['actualizados']} actualizados.")
    return resumen

if __name__ == "__main__":
    correr_monitor_semanal()


# ============================================================
# 6. HTML — cómo el sitio consume la API (JavaScript simple)
# ============================================================
"""
<script>
fetch('https://tu-api.trcimplan.gob.mx/api/monitor-terrenos')
  .then(r => r.json())
  .then(data => {
    document.getElementById('total-terrenos').textContent = data.total;
    data.terrenos.forEach(t => {
      // insertar cada terreno en la tabla/tarjetas del HTML
    });
  });
</script>
"""

# ============================================================
# NOTA sobre la elección de lenguaje
# ============================================================
"""
Se usó Python + SQL, no Java, porque:
1. Es el estándar del ecosistema para scraping + APIs ligeras (menos código,
   librerías maduras: apify-client, FastAPI, sqlite3 nativo).
2. El código debe ser legible por cualquier programador, no solo por quien
   ya sabe el lenguaje — Python es de los más legibles para eso.
3. Si más adelante Víctor decide que la API debe vivir en un stack Java
   existente de IMPLAN, ese endpoint (api.py) es la pieza más fácil de
   reescribir — el resto del pipeline (scraper, SQL) no necesita cambiar.
"""