import os
import json
import requests
import sqlite3
import re

# Load API Key
def get_gemini_key():
    candidates = [
        "gemini_api_key.txt",                     # Current dir
        "/app/gemini_api_key.txt",                # Docker default
        os.path.join(os.path.dirname(__file__), "gemini_api_key.txt"), # Script dir
        os.path.join(os.path.dirname(os.path.dirname(__file__)), 'gemini_api_key.txt') # Parent dir
    ]
    
    for path in candidates:
        if os.path.exists(path):
            try:
                with open(path, 'r') as f:
                    return f.read().strip()
            except:
                pass
                
    return os.getenv("GEMINI_API_KEY")

def get_matrix_context(industry_name, persona_name):
    """Fetches Pains, Gains and Arguments from CE Database."""
    context = {
        "industry_pains": "",
        "industry_gains": "",
        "persona_description": "",
        "persona_arguments": ""
    }
    db_path = os.path.join(os.path.dirname(os.path.dirname(__file__)), 'companies_v3_fixed_2.db')
    if not os.path.exists(db_path):
        return context
        
    try:
        conn = sqlite3.connect(db_path)
        c = conn.cursor()
        
        # Get Industry Data
        c.execute('SELECT pains, gains FROM industries WHERE name = ?', (industry_name,))
        ind_res = c.fetchone()
        if ind_res:
            context["industry_pains"], context["industry_gains"] = ind_res
            
        # Get Persona Data
        c.execute('SELECT description, convincing_arguments FROM personas WHERE name = ?', (persona_name,))
        per_res = c.fetchone()
        if per_res:
            context["persona_description"], context["persona_arguments"] = per_res
            
        conn.close()
    except Exception as e:
        print(f"DB Error in matrix lookup: {e}")
        
    return context

def get_product_recommendation(area_str):
    """
    Selects the right robot based on the surface area mentioned in the lead.
    """
    # Naive extraction of first number in the string
    nums = re.findall(r'\d+', area_str.replace('.', '').replace(',', ''))
    area_val = int(nums[0]) if nums else 0
    
    if area_val >= 5000 or "über 10.000" in area_str:
        return {
            "name": "Scrubber 75",
            "reason": "als industrielles Kraftpaket für Großflächen ausgelegt",
            "usp": "höchste Effizienz und Autonomie auf mehreren tausend Quadratmetern"
        }
    elif area_val >= 1000:
        return {
            "name": "Scrubber 50 oder Phantas",
            "reason": "die optimale Balance zwischen Reinigungsleistung und Wendigkeit",
            "usp": "ideal für mittelgroße Fertigungs- und Lagerbereiche"
        }
    else:
        return {
            "name": "Phantas oder Pudu CC1",
            "reason": "kompakt und wendig für komplexe Umgebungen",
            "usp": "perfekt für Büros, Praxen oder engere Verkehrswege"
        }

def generate_email_draft(lead_data, company_data, booking_link="[IHR BUCHUNGSLINK - BITTE IN .ENV EINTRAGEN]"):
    """
    Generates a high-end, personalized sales email using Gemini API and Matrix knowledge.
    """
    api_key = get_gemini_key()
    if not api_key:
        return "Error: Gemini API Key not found."

    # Extract Data from Lead Engine
    company_name = lead_data.get('company_name', 'Interessent')
    contact_name = lead_data.get('contact_name', 'Damen und Herren')
    
    # Metadata from Lead
    meta = {}
    if lead_data.get('lead_metadata'):
        try: meta = json.loads(lead_data['lead_metadata'])
        except: pass
            
    area = meta.get('area', 'Unbekannte Fläche')
    purpose = meta.get('purpose', 'Reinigung')
    role = meta.get('role', 'Wirtschaftlicher Entscheider')

    # Data from Company Explorer
    ce_summary = company_data.get('research_dossier') or company_data.get('summary', '')
    ce_vertical = company_data.get('industry_ai') or company_data.get('vertical', 'Industry - Manufacturing')
    ce_opener = company_data.get('ai_opener', '') 

    # Product logic
    product = get_product_recommendation(area)

    # Fetch "Golden Records" from Matrix
    matrix = get_matrix_context(ce_vertical, role)

    # Prompt Engineering for "Unwiderstehliche E-Mail"
    prompt = f"""
    Du bist ein Senior Sales Executive bei Robo-Planet. Antworte auf eine Anfrage von Tradingtwins.
    Schreibe eine E-Mail auf "Human Expert Level".
    
    WICHTIGE STRATEGIE:
    - Starte NICHT mit seiner Position (CFO). Starte mit der Wertschätzung für sein UNTERNEHMEN ({company_name}).
    - Der Empfänger soll durch die Tiefe der Argumente MERKEN, dass wir für einen Entscheider schreiben.
    - Mappe ihn erst später als "finanziellen/wirtschaftlichen Entscheider".
    - Erwähne eine ROI-Perspektive (Amortisation).
    
    KONTEXT (Vom Company Explorer):
    - Firma: {company_name}
    - Branche: {ce_vertical}
    - Branchen-Pains (Nutze diese für die Argumentation): {matrix['industry_pains']}
    - Branchen-Gains: {matrix['industry_gains']}
    - Dossier/Business-Profil: {ce_summary}
    - Strategischer Aufhänger: {ce_opener}
    
    ANSPRECHPARTNER:
    - Name: {contact_name}
    - Rolle: {role}
    
    PRODUKT-EMPFEHLUNG (Basierend auf Fläche {area}):
    - Modell: {product['name']}
    - Warum: {product['reason']}
    - USP: {product['usp']}

    ANFRAGE-DETAILS:
    - Bedarf: {area}
    - Zweck: {purpose}

    AUFGABE:
    Schreibe eine E-Mail mit dieser Struktur:
    1. EINSTIEG: Fokus auf Klemm Bohrtechnik und deren Marktstellung/Produkte (Bezug auf den 'Strategischen Aufhänger').
    2. DIE BRÜCKE: Verknüpfe die Präzision ihrer Produkte mit der Notwendigkeit von sauberen Hallenböden (besonders bei {area}). Nutze den Schmerzpunkt "Prozesssicherheit/Sensorik".
    3. DIE LÖSUNG: Positioniere den {product['name']} als genau die richtige Wahl für diese Größenordnung ({area}).
    4. ROI-LOGIK: Sprich ihn als wirtschaftlichen Entscheider an. Erwähne, dass wir für solche Projekte ROI-Kalkulationen erstellen, die oft eine Amortisation in unter 18-24 Monaten zeigen.
    5. CALL TO ACTION: Beratungsgespräch + Buchungslink: {booking_link}

    STIL:
    Senior, Augenhöhe, keine Floskeln, extrem fokussiert auf Effizienz und Qualität.
    
    FORMAT:
    Betreff: [Relevanter Betreff, der direkt auf Klemm Bohrtechnik / Effizienz zielt]
    
    [E-Mail Text]
    """

    # Call Gemini API
    url = f"https://generativelanguage.googleapis.com/v1beta/models/gemini-2.0-flash:generateContent?key={api_key}"
    headers = {'Content-Type': 'application/json'}
    payload = {"contents": [{"parts": [{"text": prompt}]}]}

    try:
        response = requests.post(url, headers=headers, json=payload)
        response.raise_for_status()
        result = response.json()
        return result['candidates'][0]['content']['parts'][0]['text']
    except Exception as e:
        return f"Error generating draft: {str(e)}"

if __name__ == "__main__":
    # Test Mock
    mock_lead = {
        "company_name": "Klinikum Test",
        "contact_name": "Dr. Müller",
        "lead_metadata": json.dumps({"area": "5000 qm", "purpose": "Desinfektion und Boden", "city": "Berlin"})
    }
    mock_company = {
        "vertical": "Healthcare / Krankenhaus",
        "summary": "Ein großes Klinikum der Maximalversorgung mit Fokus auf Kardiologie."
    }
    print(generate_email_draft(mock_lead, mock_company))