"""Скоринг лидов v5 — «решаемая нами боль».

score = pain(решаемая нами боль) × icp_fit(наш ли это размер), шкала 0-10.

Принцип (решение 2026-06-01):
    Score отвечает на ОДИН вопрос — есть ли у компании проблемы, которые
    закрывают наши продукты, и насколько остро. Не «качество лида», не
    «дозвонибельность» — только боль под продукты 44AS.

    • Каждый детектор боли привязан к продукту (P-код) и теме.
    • Внутри темы — насыщение (max + k·остальные): коррелированные сигналы
      одной темы (несколько веб-проблем) не складываются линейно.
    • ICP-гейт множителем топит крупняк/премиум (не наша ЦА).
    • «Уже автоматизирован» отдельно не гейтим — у такого лида просто нет
      болевых дыр, severity→0.
    • Каждый детектор различает present / absent / unknown: «не проверяли»
      (поле = None) НЕ засчитывается как «нет боли» — уходит в coverage.

Веса и пороги — в config (PAIN_WEIGHTS=SCORE_WEIGHTS, ICP_*, BAND_*).

calculate_score(lead) -> (score:int, breakdown:dict) — сигнатура сохранена
для обратной совместимости с database.update_score / main.run_rescore.
"""
import config

W = config.SCORE_WEIGHTS

# CMS, которые считаем «конструктором» (сайт-визитка, легко прокачать).
CONSTRUCTOR_CMS = {
    "tilda", "wix", "squarespace", "webflow",
    "insales", "1c-bitrix-sites", "readymag", "craftum",
    # Авто-визитки (Я.Бизнес и пр.) — слабейшее веб-присутствие, тоже конструктор.
    "yandex_business", "nethouse", "taplink", "ucoz",
}


def _cat_in(category: str, keywords: set) -> bool:
    """True если в названии категории встречается хоть одно ключевое слово.

    Используется для категорийной релевантности детекторов (см. config:
    APPT_CATEGORIES / SOCIAL_SALES_CATEGORIES).
    """
    return any(k in category for k in keywords)


def _rating_key(avg: float):
    """Рейтинг → ключ детектора репутации (континуум-ступени).

    None если оценок нет (не известно — не штрафуем) или рейтинг хороший (4.8+).
    """
    if avg <= 0:
        return None
    if avg < 3.5:
        return "rating_very_low"
    if avg < 4.0:
        return "rating_low"
    if avg < 4.5:
        return "rating_mid"
    # 4.5+ — здоровая репутация, не наша боль (P3 AI-Reputation тут не нужен)
    return None


def icp_fit(lead: dict) -> float:
    """Множитель 0..1: прогрессивный штраф за «зрелость» (отзывы × рейтинг).

    Чем больше отзывов И выше рейтинг — тем сильнее снижение (процветающим мы
    менее нужны). Отзывы штрафуют всегда (доля ICP_BASE), рейтинг усиливает.
    Мало отзывов → множитель ≈1 (новый/борющийся бизнес сохраняет балл).
    """
    rc = int(lead.get("reviews_count") or 0)
    avg = float(lead.get("reviews_avg") or 0)
    rf = min(1.0, rc / config.ICP_REVIEWS_FULL) if config.ICP_REVIEWS_FULL else 0.0
    span = 5.0 - config.ICP_RATING_MIN
    gf = max(0.0, min(1.0, (avg - config.ICP_RATING_MIN) / span)) if span > 0 else 0.0
    penalty = config.ICP_PMAX * rf * (config.ICP_BASE + (1 - config.ICP_BASE) * gf)
    return 1.0 - penalty


def _detect_pain(lead: dict):
    """Прогнать детекторы боли.

    Возвращает (themes, products, reasons, covered):
        themes:   theme -> list[severity]
        products: product(P-код) -> сумма severity (для «с чем заходить»)
        reasons:  list[str] человекочитаемых причин
        covered:  theme -> bool (была ли тема диагностирована — для coverage)
    """
    themes: dict[str, list[float]] = {}
    products: dict[str, float] = {}
    reasons: list[str] = []

    def emit(key: str) -> None:
        sev = W[key]
        themes.setdefault(config.PAIN_THEME[key], []).append(sev)
        prod = config.PAIN_PRODUCT[key]
        products[prod] = products.get(prod, 0.0) + sev
        reasons.append(config.PAIN_REASON[key])

    hob = lead.get("has_online_booking")
    hlc = lead.get("has_live_chat")
    site_alive = lead.get("site_alive")
    has_analytics = lead.get("has_analytics")
    cms = (lead.get("cms_type") or "").lower()
    website = lead.get("website")
    edt = lead.get("email_domain_type")
    rc = int(lead.get("reviews_count") or 0)
    avg = float(lead.get("reviews_avg") or 0)

    # Полнота диагностики по темам: тема «покрыта», если есть её источник.
    covered = {
        "booking":    (hob is not None) or (hlc is not None),  # Tier 2 прошёл
        "reputation": rc > 0 or avg > 0,                       # отзывы из Я.Карт
        "web":        (site_alive is not None) or bool(website) or lead.get("has_website") == 1,
        "marketing":  True,                                    # соцсети известны всегда
        "infra":      edt is not None,
    }

    # ── booking / inbound (P4) ───────────────────────────────────────
    # Категорийная релевантность (см. config): «нет онлайн-записи» — боль
    # только для услуг с записью (APPT_CATEGORIES). Розница/B2B (магазин,
    # бухгалтерия) запись не ведут → не штрафуем. Чат релевантен всем.
    cat = (lead.get("category") or "").lower()
    if hob == 0 and _cat_in(cat, config.APPT_CATEGORIES):
        emit("no_online_booking")
    if hlc == 0:
        emit("no_live_chat")

    # ── reputation (P3) ──────────────────────────────────────────────
    rk = _rating_key(avg)
    if rk:
        emit(rk)
    if 0 < rc < 10:
        emit("few_reviews")
    elif 10 <= rc < 30:
        emit("some_reviews")

    # ── web (P10) ────────────────────────────────────────────────────
    # «Есть сайт» определяем по совокупности сигналов, НЕ только по URL-полю:
    # у ~30% лидов website-колонка пустая, хотя сайт реально проверен
    # (has_website=1 / site_alive=1 / cms заполнен — URL потерялся в пайплайне).
    # Иначе «нет сайта» ложно срабатывает у тех, у кого сайт есть и работает.
    has_site = bool(website) or lead.get("has_website") == 1 or site_alive == 1
    if site_alive == 0:
        emit("site_dead")
    elif not has_site:
        emit("no_website")
    elif cms in CONSTRUCTOR_CMS:
        # Премиум-на-Tilda отсекается не здесь, а ICP-гейтом (×0.2 по отзывам) —
        # авто-визитка/конструктор это слабый сайт независимо от популярности.
        emit("site_constructor")

    # ── marketing (P12) ──────────────────────────────────────────────
    # «Нет соцсетей» — боль только для B2C, где соцсети = канал продаж
    # (SOCIAL_SALES_CATEGORIES). Для B2B (бухгалтерия, стройка) — не боль.
    # Аналитика на сайте — универсальна.
    # Instagram в РФ забанен — не учитываем. Соцсети = VK / Telegram.
    no_social = not lead.get("vk_url") and not lead.get("telegram_url")
    if no_social and _cat_in(cat, config.SOCIAL_SALES_CATEGORIES):
        emit("no_social")
    if has_analytics == 0:
        emit("no_analytics")

    # ── infra (P2) ───────────────────────────────────────────────────
    if edt == "free":
        emit("free_email")

    return themes, products, reasons, covered


def _saturate(severities: list[float]) -> float:
    """max + k·(сумма остальных) — насыщение внутри темы."""
    if not severities:
        return 0.0
    s = sorted(severities, reverse=True)
    return s[0] + config.THEME_SATURATION * sum(s[1:])


def band(score: int) -> str:
    """Бэнд лида по score: hot / warm / cold."""
    if score >= config.BAND_HOT:
        return "hot"
    if score >= config.BAND_WARM:
        return "warm"
    return "cold"


def calculate_score(lead: dict) -> tuple[int, dict]:
    """score = pain × icp, шкала 0-10. Возвращает (score, breakdown:dict).

    breakdown — богатая структура (JSON-сериализуемая) для CRM и аудита:
        band, icp_fit, pain_raw, coverage, themes, pain_products, reasons.
    """
    themes, products, reasons, covered = _detect_pain(lead)

    theme_values = {t: round(_saturate(s), 2) for t, s in themes.items()}
    raw_pain = sum(theme_values.values())
    icp = icp_fit(lead)
    raw_final = raw_pain * icp
    score = min(round(raw_final / config.PAIN_NORM * config.SCORE_MAX), config.SCORE_MAX)

    coverage = round(sum(1 for v in covered.values() if v) / len(covered), 2)

    # «С чем заходить» — продукты по убыванию суммарной severity.
    pain_products = {
        p: round(v, 1)
        for p, v in sorted(products.items(), key=lambda kv: -kv[1])
    }

    breakdown = {
        "v": 5,
        "band": band(score),
        "icp_fit": round(icp, 2),
        "pain_raw": round(raw_pain, 2),
        "coverage": coverage,
        "themes": theme_values,
        "pain_products": pain_products,
        "reasons": reasons,
    }
    return score, breakdown


def annotate_with_score(lead: dict) -> dict:
    """Проставить lead['score'] и lead['score_breakdown'] (in-place + возврат)."""
    score, breakdown = calculate_score(lead)
    lead["score"] = score
    lead["score_breakdown"] = breakdown
    return lead


# ───────────────────────────────────────────────────────────────────────
# Smoke-тесты v5
# ───────────────────────────────────────────────────────────────────────
if __name__ == "__main__":
    # 1. Малый сервисный бизнес с дырами — должен быть hot, с понятным «зайти»
    small_pain = {
        "name": "Барбершоп у Лёхи", "category": "барбершоп",
        "reviews_avg": 4.4, "reviews_count": 120,
        "website": "https://barber.tilda.ws/", "site_alive": 1,
        "cms_type": "tilda", "has_live_chat": 0, "has_online_booking": 0,
        "has_analytics": 0, "vk_url": None, "telegram_url": None,
        "instagram_url": None, "email_domain_type": "free",
        "source": "yandex_maps",
    }
    s, b = calculate_score(small_pain)
    print(f"1. Малый с дырами: score={s} band={b['band']} products={b['pain_products']}")
    assert s >= config.BAND_HOT, "малый бизнес с дырами должен быть hot"

    # 2. Премиум-ресторан (тысячи отзывов + 5.0) — должен утонуть несмотря на дыры
    premium = {
        "name": "White Rabbit", "category": "ресторан",
        "reviews_avg": 5.0, "reviews_count": 16817,
        "website": "https://whiterabbit.tilda.ws/", "site_alive": 1,
        "cms_type": "tilda", "has_live_chat": 0, "has_online_booking": 0,
        "has_analytics": 1, "telegram_url": "https://t.me/wr",
        "source": "yandex_maps",
    }
    s, b = calculate_score(premium)
    print(f"2. Премиум: score={s} band={b['band']} icp={b['icp_fit']}")
    assert s < config.BAND_WARM, "премиум должен проваливаться даже с дырами"

    # 3. Уже автоматизирован (запись+чат, нормальный сайт, рейтинг ок) — cold
    equipped = {
        "name": "Клиника Здоровье", "category": "стоматология",
        "reviews_avg": 4.9, "reviews_count": 800,
        "website": "https://clinic.ru/", "site_alive": 1,
        "cms_type": "bitrix", "has_live_chat": 1, "has_online_booking": 1,
        "has_analytics": 1, "vk_url": "https://vk.com/clinic",
        "email_domain_type": "corporate", "source": "yandex_maps",
    }
    s, b = calculate_score(equipped)
    print(f"3. Оснащённый: score={s} band={b['band']} products={b['pain_products']}")
    assert s < config.BAND_WARM, "оснащённый бизнес = нет боли = cold"

    # 4. Свежий лид с источника (Tier 2 ещё не прошёл) — coverage низкая
    fresh = {
        "name": "Кафе только спарсили", "category": "кафе",
        "reviews_avg": 4.3, "reviews_count": 40,
        "website": None, "source": "yandex_maps",
    }
    s, b = calculate_score(fresh)
    print(f"4. Свежий (без Tier2): score={s} coverage={b['coverage']}")
    assert b["coverage"] < 1.0, "недиагностированный лид должен иметь coverage<1"

    print(
        f"\n[OK] scoring.py v5 — smoke-тесты пройдены. "
        f"BAND_HOT={config.BAND_HOT}, PAIN_NORM={config.PAIN_NORM}, SCORE_MAX={config.SCORE_MAX}"
    )