import re
import pandas as pd
import os
from datetime import datetime, timedelta
from PyPDF2 import PdfReader
from collections import defaultdict
import numpy as np

# Carpeta con tus tickets PDF
ticket_folder = "tickets"

def extract_data_from_pdf(file_path):
    reader = PdfReader(file_path)
    text = ""
    for page in reader.pages:
        text += page.extract_text() + "\n"

    date_match = re.search(r"(\d{2}/\d{2}/\d{4})", text)
    fecha = datetime.strptime(date_match.group(1), "%d/%m/%Y") if date_match else None

    products = []
    for line in text.splitlines():
        match = re.match(r"\d*\s?(.*?)\s+(\d+,\d{2})\s+(\d+,\d{2})", line)
        if match:
            nombre = match.group(1).strip().upper()
            unit_price = float(match.group(2).replace(",", "."))
            total_price = float(match.group(3).replace(",", "."))
            products.append((fecha, nombre, unit_price, total_price))
        else:
            match_simple = re.match(r"(.*?)\s+(\d+,\d{2})$", line)
            if match_simple:
                nombre = match_simple.group(1).strip().upper()
                total_price = float(match_simple.group(2).replace(",", "."))
                products.append((fecha, nombre, None, total_price))

    return products

# Recolectar todos los productos de todos los tickets
datos = []
for file in os.listdir(ticket_folder):
    if file.endswith(".pdf"):
        path = os.path.join(ticket_folder, file)
        datos.extend(extract_data_from_pdf(path))

# Crear DataFrame
columnas = ["fecha", "producto", "precio_unitario", "precio_total"]
df = pd.DataFrame(datos, columns=columnas)
df.dropna(subset=["fecha"], inplace=True)

# Normalizar nombres de producto
df["producto"] = df["producto"].str.upper().str.strip()

# ---------------------------------------------------------------------------
# Cálculo de frecuencia con estacionalidad real por meses del año
# ---------------------------------------------------------------------------
hoy = datetime.now()

def _meses_activos(meses_compra):
    activos = set()
    for m in meses_compra:
        activos.add(m)
        activos.add((m % 12) + 1)
        activos.add(((m - 2) % 12) + 1)
    return activos

def _proximo_mes_activo(mes_hoy, meses_activos):
    for i in range(1, 13):
        if ((mes_hoy - 1 + i) % 12) + 1 in meses_activos:
            return i
    return 0

def calcular_frecuencia_estacional(grupo):
    fechas = grupo['fecha'].sort_values().dropna()
    if len(fechas) < 1:
        return pd.Series({'diferencia_dias': float('nan'), 'proxima_compra_estimado': pd.NaT})

    meses_compra = set(int(m) for m in fechas.dt.month.unique())
    es_estacional = len(meses_compra) <= 5

    gaps = fechas.diff().dt.days.dropna()
    gaps_validos = gaps[(gaps > 0) & (gaps <= 90)]
    if len(gaps_validos) >= 1:
        freq = float(gaps_validos.mean())
    elif len(gaps[gaps > 0]) >= 1:
        freq = float(gaps[gaps > 0].mean())
    else:
        return pd.Series({'diferencia_dias': float('nan'), 'proxima_compra_estimado': pd.NaT})

    ultima = fechas.max()
    proxima = ultima + timedelta(days=freq)

    if es_estacional:
        activos = _meses_activos(meses_compra)
        if hoy.month not in activos:
            avance = _proximo_mes_activo(hoy.month, activos)
            mes_inicio = ((hoy.month - 1 + avance) % 12) + 1
            anio = hoy.year if mes_inicio > hoy.month else hoy.year + 1
            dia = min(int(ultima.day), 28)
            try:
                proxima = datetime(anio, mes_inicio, dia)
            except ValueError:
                proxima = datetime(anio, mes_inicio, 1)

    return pd.Series({'diferencia_dias': freq, 'proxima_compra_estimado': pd.Timestamp(proxima)})

frecuencia_compra = (
    df.groupby("producto", group_keys=False)
    .apply(calcular_frecuencia_estacional)
    .reset_index()
)

# Ahora seleccionamos los productos que más frecuentemente compras
# y predecimos cuándo volverás a comprar basándonos en la frecuencia.
productos_estimados = frecuencia_compra.dropna(subset=["diferencia_dias"]).sort_values("diferencia_dias", ascending=True)

# Listar la compra estimada
productos_estimados["producto"] = productos_estimados["producto"].str.title()  # Capitalizar el nombre del producto
productos_estimados["fecha_estimada_proxima_compra"] = productos_estimados["proxima_compra_estimado"].dt.strftime("%d/%m/%Y")

# Guardar la lista estimada de la compra
productos_estimados.to_csv("lista_compra_estimado.csv", index=False)

# Mostrar los primeros resultados
print("\n✅ Lista de la compra estimada para la próxima compra:")
print(productos_estimados[["producto", "diferencia_dias", "fecha_estimada_proxima_compra"]])

print("\n✅ Archivos generados:")
print("- lista_compra_estimado.csv")