"""Capta productos populares de AliExpress como señal de e-commerce/dropshipping.

Extrae el JSON que AliExpress embebe en el HTML de su página de búsqueda/listado
(``window.runParams`` / ``_dida_config`` / scripts ``data``) en lugar de parsear
el DOM renderizado por JS. AliExpress es anti-bot fuerte (captcha, 403, fingerprint
sobre headless/datacenter), por lo que esta función es best-effort: cuando el fetch
real es bloqueado lanza ``RuntimeError`` con un mensaje claro. NUNCA inventa datos.
"""

from __future__ import annotations

import json
import re
from typing import Any


_BASE = "https://www.aliexpress.com"
_WHOLESALE = f"{_BASE}/wholesale"

# Headers realistas de un navegador desktop. AliExpress fingerprint-ea agresivamente,
# así que enviamos un perfil coherente (Chrome estable + Accept-Language acorde a region).
_DESKTOP_HEADERS = {
    "User-Agent": (
        "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) "
        "Chrome/124.0.0.0 Safari/537.36"
    ),
    "Accept": (
        "text/html,application/xhtml+xml,application/xml;q=0.9,"
        "image/avif,image/webp,image/apng,*/*;q=0.8"
    ),
    "Accept-Encoding": "gzip, deflate, br",
    "Connection": "keep-alive",
    "Upgrade-Insecure-Requests": "1",
    "Sec-Fetch-Dest": "document",
    "Sec-Fetch-Mode": "navigate",
    "Sec-Fetch-Site": "none",
    "Sec-Fetch-User": "?1",
    "Cache-Control": "max-age=0",
}

# AliExpress decide moneda/region por estas cookies. Mapa ship_to -> (region, locale, currency).
_REGION_MAP: dict[str, tuple[str, str, str]] = {
    "ES": ("ES", "es_ES", "EUR"),
    "US": ("US", "en_US", "USD"),
    "GB": ("GB", "en_GB", "GBP"),
    "FR": ("FR", "fr_FR", "EUR"),
    "DE": ("DE", "de_DE", "EUR"),
    "IT": ("IT", "it_IT", "EUR"),
    "PT": ("PT", "pt_PT", "EUR"),
    "MX": ("MX", "es_MX", "USD"),
    "BR": ("BR", "pt_BR", "BRL"),
}

# Señales de bloqueo anti-bot en la respuesta.
_BLOCK_MARKERS = (
    "punish",          # /_____tmd_____/punish — captcha slider de AliExpress
    "nc_token",        # NoCaptcha de Alibaba
    "captcha",
    "Access Denied",
    "baxia-dialog",    # widget de verificacion
)


def _region_cookies(ship_to: str) -> dict[str, str]:
    region, locale, currency = _REGION_MAP.get(
        ship_to.upper(), _REGION_MAP["ES"]
    )
    return {
        "aep_usuc_f": f"site=glo&c_tp={currency}&region={region}&b_locale={locale}",
        "intl_locale": locale,
        "xman_us_f": f"x_l=0&no_popup_today=n&zero_order=n&x_locale={locale}",
    }


def _build_url(query: str | None, category: str | None) -> str:
    if query:
        # /wholesale?SearchText=... es el listado de búsqueda con runParams embebido.
        from urllib.parse import quote_plus

        return f"{_WHOLESALE}?SearchText={quote_plus(query)}&SortType=total_tranpro_desc"
    if category:
        # Categorías numéricas: /category/<id>/x.html. Si llega un slug, lo usamos como texto.
        if category.isdigit():
            return f"{_BASE}/category/{category}/x.html?SortType=total_tranpro_desc"
        from urllib.parse import quote_plus

        return f"{_WHOLESALE}?SearchText={quote_plus(category)}&SortType=total_tranpro_desc"
    # Sin query ni categoría: listado de best-selling genérico.
    return f"{_WHOLESALE}?SearchText=hot+products&SortType=total_tranpro_desc"


def _looks_blocked(html: str, status_code: int) -> bool:
    if status_code in (403, 429, 503):
        return True
    head = html[:6000].lower()
    return any(marker.lower() in head for marker in _BLOCK_MARKERS)


def _extract_embedded_json(html: str) -> dict[str, Any] | None:
    """Intenta varios patrones de JSON embebido que AliExpress ha usado a lo largo del tiempo.

    El nombre/forma cambia con frecuencia, así que probamos en orden y nos quedamos
    con el primero que parsee y contenga algo con pinta de items.
    """
    patterns = (
        r"window\.runParams\s*=\s*({.*?})\s*;\s*</script>",
        r"window\._dida_config_\s*=\s*({.*?})\s*;",
        r"_init_data_\s*=\s*{\s*data:\s*({.*?})\s*}\s*</script>",
        r"window\.runParams\s*=\s*({.*?});",
    )
    for pat in patterns:
        m = re.search(pat, html, re.DOTALL)
        if not m:
            continue
        blob = m.group(1)
        try:
            data = json.loads(blob)
        except (json.JSONDecodeError, ValueError):
            continue
        if isinstance(data, dict):
            return data
    return None


def _dig_items(data: dict[str, Any]) -> list[dict[str, Any]]:
    """Localiza la lista de productos dentro del JSON embebido, sea cual sea su anidación.

    Las claves han variado entre 'mods.itemList.content', 'items', 'result.items'...
    así que hacemos un walk genérico buscando la primera lista de dicts con pinta de
    producto (tienen productId/title/trade).
    """
    found: list[dict[str, Any]] = []

    def _is_product(d: dict[str, Any]) -> bool:
        keys = set(d.keys())
        id_keys = {"productId", "product_id", "productid", "id"}
        title_keys = {"title", "subject", "name"}
        return bool(keys & id_keys) and bool(keys & title_keys)

    def _walk(node: Any) -> None:
        if found:
            return
        if isinstance(node, list):
            product_like = [x for x in node if isinstance(x, dict) and _is_product(x)]
            if len(product_like) >= 2:
                found.extend(product_like)
                return
            for x in node:
                _walk(x)
        elif isinstance(node, dict):
            for v in node.values():
                _walk(v)

    _walk(data)
    return found


def _to_float(value: Any) -> float | None:
    if value is None:
        return None
    if isinstance(value, (int, float)):
        return float(value)
    s = str(value)
    # Quita símbolos de moneda y separadores de miles; deja el primer número decimal.
    m = re.search(r"\d[\d.,]*", s.replace(" ", " "))
    if not m:
        return None
    num = m.group(0)
    # Heurística: si hay coma y punto, asume coma = miles. Si solo coma, coma = decimal.
    if "," in num and "." in num:
        num = num.replace(",", "")
    elif "," in num:
        num = num.replace(",", ".")
    try:
        return float(num)
    except ValueError:
        return None


def _to_orders(value: Any) -> int | None:
    if value is None:
        return None
    if isinstance(value, int):
        return value
    s = str(value).lower()
    # Formatos: "1,234 sold", "2.3k sold", "10000+ orders".
    mult = 1
    if "k" in s:
        mult = 1000
    m = re.search(r"\d[\d.,]*", s)
    if not m:
        return None
    num = m.group(0).replace(",", "")
    try:
        base = float(num)
    except ValueError:
        return None
    return int(base * mult)


def _normalize_item(
    raw: dict[str, Any], category: str | None
) -> dict[str, Any] | None:
    pid = (
        raw.get("productId")
        or raw.get("product_id")
        or raw.get("productid")
        or raw.get("id")
    )
    if pid is None:
        return None
    product_id = str(pid)

    title = raw.get("title") or raw.get("subject") or raw.get("name")
    if isinstance(title, dict):
        title = title.get("displayTitle") or title.get("seoTitle")
    title = str(title).strip() if title else None

    # Precio: AliExpress lo mete en 'prices.salePrice.minPrice' o variantes planas.
    price_node = (
        raw.get("prices", {}).get("salePrice", {})
        if isinstance(raw.get("prices"), dict)
        else {}
    )
    price = _to_float(
        (price_node.get("minPrice") if isinstance(price_node, dict) else None)
        or raw.get("salePrice")
        or raw.get("price")
        or raw.get("minPrice")
    )

    currency = None
    if isinstance(price_node, dict):
        currency = price_node.get("currencyCode")
    currency = currency or raw.get("currency") or raw.get("currencyCode")
    currency = str(currency) if currency else None

    orders = _to_orders(
        raw.get("trade", {}).get("tradeDesc")
        if isinstance(raw.get("trade"), dict)
        else None
    )
    if orders is None:
        orders = _to_orders(
            raw.get("orders") or raw.get("tradeCount") or raw.get("sales")
        )

    rating = _to_float(
        (
            raw.get("evaluation", {}).get("starRating")
            if isinstance(raw.get("evaluation"), dict)
            else None
        )
        or raw.get("rating")
        or raw.get("averageStar")
        or raw.get("starRating")
    )

    url = raw.get("productDetailUrl") or raw.get("url") or raw.get("detail_url")
    if url:
        url = str(url)
        if url.startswith("//"):
            url = "https:" + url
    else:
        url = f"{_BASE}/item/{product_id}.html"

    return {
        "category": category,
        "product_id": product_id,
        "title": title,
        "price": price,
        "currency": currency,
        "orders": orders,
        "rating": rating,
        "url": url,
    }


def scrape_aliexpress_trending(
    query: str | None = None,
    category: str | None = None,
    limit: int = 40,
    ship_to: str = "ES",
) -> list[dict]:
    """Capta productos populares de AliExpress (señal e-commerce/dropshipping).

    Hace UNA request HTTP a la página de listado de AliExpress ordenada por número
    de pedidos (``total_tranpro_desc``) y extrae el JSON embebido en el HTML. Es
    best-effort: AliExpress bloquea agresivamente headless/datacenter, por lo que
    ante un bloqueo (403/429/captcha) lanza ``RuntimeError`` con un mensaje claro y
    ante un HTML sin JSON parseable devuelve ``[]``. NUNCA inventa datos.

    Args:
        query: Texto de búsqueda (ej. "kitchen gadgets"). Si se da, manda en la URL.
        category: ID numérico de categoría AliExpress o slug. Ignorado si hay ``query``.
        limit: Número máximo de productos a devolver. Default 40.
        ship_to: Código de país ISO-2 para fijar región/moneda via cookies. Default "ES".

    Returns:
        Lista de dicts con claves exactas:
        ``category, product_id, title, price, currency, orders, rating, url``.
        ``price``/``rating`` son ``float | None``, ``orders`` es ``int | None``.
        Lista vacía si el HTML no traía JSON parseable.

    Raises:
        RuntimeError: Si AliExpress bloquea la request (captcha/403/429) o la red falla.
    """
    import requests

    url = _build_url(query, category)
    cookies = _region_cookies(ship_to)
    headers = dict(_DESKTOP_HEADERS)
    _, locale, _ = _REGION_MAP.get(ship_to.upper(), _REGION_MAP["ES"])
    headers["Accept-Language"] = f"{locale.replace('_', '-')},en;q=0.8"

    try:
        resp = requests.get(
            url,
            headers=headers,
            cookies=cookies,
            timeout=20,
            allow_redirects=True,
        )
    except requests.RequestException as exc:
        raise RuntimeError(
            f"scrape_aliexpress_trending: fallo de red contra {url}: {exc}"
        ) from exc

    html = resp.text or ""

    if _looks_blocked(html, resp.status_code):
        raise RuntimeError(
            f"scrape_aliexpress_trending: AliExpress bloqueó la request "
            f"(status={resp.status_code}, captcha/anti-bot). "
            f"Usa el browser MCP/CDP con sesión real para esta fuente."
        )

    data = _extract_embedded_json(html)
    if data is None:
        # HTML sin el JSON esperado: layout cambió o respondió un shell vacío.
        # Devolvemos [] honesto en vez de inventar.
        return []

    raw_items = _dig_items(data)
    cat_label = category if (category and not query) else (query or category)

    out: list[dict] = []
    seen: set[str] = set()
    for raw in raw_items:
        norm = _normalize_item(raw, cat_label)
        if norm is None:
            continue
        if norm["product_id"] in seen:
            continue
        seen.add(norm["product_id"])
        out.append(norm)
        if len(out) >= limit:
            break

    return out


if __name__ == "__main__":
    # Self-test honesto: import OK obligatorio + UN fetch real en try/except.
    # NUNCA falla la build por la red.
    print("import OK: scrape_aliexpress_trending")
    expected_keys = {
        "category",
        "product_id",
        "title",
        "price",
        "currency",
        "orders",
        "rating",
        "url",
    }
    try:
        rows = scrape_aliexpress_trending(query="phone holder", limit=5, ship_to="ES")
        if rows:
            got_keys = set(rows[0].keys())
            keys_ok = got_keys == expected_keys
            print(
                f"fetch real: {len(rows)} filas obtenidas | "
                f"claves correctas={keys_ok}"
            )
            print(f"  muestra: {rows[0]}")
        else:
            print(
                "fetch real: 0 filas (HTML sin JSON embebido parseable "
                "— layout cambió o shell vacío). NO se inventan datos."
            )
    except RuntimeError as exc:
        print(f"fetch real: BLOQUEADO/ERROR honesto -> {exc}")