# -*- coding: utf-8 -*-
"""
Заполняет doctor_bio_entries из свойств врача в дампе Bitrix, которые
export_seed.py по ошибке не читал: EDUCATION(331), AWARDS(330), CONFERENCES(332).

Значения хранятся либо простым текстом, либо сериализованным PHP-массивом вида
a:2:{s:4:"TEXT";s:N:"...";s:4:"TYPE";s:4:"HTML";} — сначала извлекаем текст,
затем режем на отдельные пункты (по <li> или по <br>/переводу строки),
из каждого пытаемся достать год.
"""
import sqlread, io, re, html

P = 'D:/medkor-local/tmp/dana/db.sql'
OUT = io.open('seed_doctor_bio.sql', 'w', encoding='utf-8')

def esc(s):
    if s is None:
        return "NULL"
    return "'" + str(s).replace("\\", "\\\\").replace("'", "''") + "'"

def extract_text(raw):
    """Достаёт TEXT из сериализованного PHP-массива Bitrix, если он там есть."""
    m = re.search(r's:4:"TEXT";s:\d+:"(.*)";s:4:"TYPE"', raw, re.S)
    return m.group(1) if m else raw

def split_entries(raw):
    text = extract_text(raw)
    text = text.replace('\\r\\n', '\n').replace('rn', '\n')  # артефакты дампа
    # снимаем HTML-экранирование ДО поиска тегов — в паре карточек теги были
    # вставлены как текст (&lt;ul&gt; вместо <ul>), и без этого шага <li>
    # не находился, а обрывки "<ul>"/"</ul>" оседали как отдельные записи
    text = html.unescape(text)
    items = re.findall(r'(?is)<li[^>]*>(.*?)</li>', text)
    if not items:
        parts = re.split(r'(?i)<br\s*/?>|\n', text)
        items = [p for p in parts if p.strip()]
    out = []
    for it in items:
        t = html.unescape(re.sub(r'(?s)<[^>]+>', ' ', it)).strip()
        t = re.sub(r'\s+', ' ', t)
        # чистые обрывки разметки без текста (<ul>, </ul>, пустой <p></p> и т.п.)
        if t and re.search(r'[А-Яа-яA-Za-z0-9]', t):
            out.append(t)
    return out

YEAR_RE = re.compile(r'(19|20)\d{2}')

def parse_year(text):
    m = YEAR_RE.search(text)
    return int(m.group(0)) if m else None

PROPS = {'331': 'education', '330': 'award', '332': 'conference'}

values = {}  # (elem_id, prop_id) -> value
for r in sqlread.rows(P, 'b_iblock_element_property'):
    if r.get('IBLOCK_PROPERTY_ID') in PROPS and r.get('VALUE'):
        values[(r['IBLOCK_ELEMENT_ID'], r['IBLOCK_PROPERTY_ID'])] = r['VALUE']

doctors = [r for r in sqlread.rows(P, 'b_iblock_element')
           if r['IBLOCK_ID'] == '29' and r.get('ACTIVE') == 'Y']

OUT.write('BEGIN;\n')
total = 0
per_doctor_any = 0
for d in doctors:
    eid = d['ID']
    had_any = False
    for prop_id, kind in PROPS.items():
        raw = values.get((eid, prop_id))
        if not raw:
            continue
        entries = split_entries(raw)
        for i, text in enumerate(entries):
            year = parse_year(text)
            title = text if len(text) <= 300 else text[:297] + '...'
            OUT.write(
                "INSERT INTO doctor_bio_entries (doctor_id, kind, year_from, title, sort) "
                "SELECT id, %s, %s, %s, %s FROM doctors WHERE legacy_id=%s;\n" % (
                    esc(kind), year if year else 'NULL', esc(title), i + 1, eid))
            total += 1
            had_any = True
    if had_any:
        per_doctor_any += 1
OUT.write('COMMIT;\n')
OUT.close()
print('врачей с хотя бы одной записью:', per_doctor_any, 'из', len(doctors))
print('всего записей doctor_bio_entries:', total)