import os
import json
import requests
import sqlite3
import re
import datetime

# --- Helper: Get Gemini 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_suggested_date():
    """Calculates a suggested meeting date (3-4 days in future, avoiding weekends)."""
    now = datetime.datetime.now()
    # Jump 3 days ahead
    suggested = now + datetime.timedelta(days=3)
    # If weekend, move to Monday
    if suggested.weekday() == 5: # Saturday
        suggested += datetime.timedelta(days=2)
    elif suggested.weekday() == 6: # Sunday
        suggested += datetime.timedelta(days=1)
    
    days_de = ["Montag", "Dienstag", "Mittwoch", "Donnerstag", "Freitag", "Samstag", "Sonntag"]
    return f"{days_de[suggested.weekday()]}, den {suggested.strftime('%d.%m.')} um 10:00 Uhr"

def clean_company_name(name):
    """Removes legal suffixes like GmbH, AG, etc. for a more personal touch."""
    if not name: return ""
    # Remove common German legal forms
    cleaned = re.sub(r'\s+(GmbH|AG|GmbH\s+&\s+Co\.\s+KG|KG|e\.V\.|e\.K\.|Limited|Ltd|Inc)\.?(?:\s|$)', '', name, flags=re.IGNORECASE)
    return cleaned.strip()

def get_qualitative_area_description(area_str):
    """Converts a string with area information into a qualitative description."""
    nums = re.findall(r'\d+', area_str.replace('.', '').replace(',', ''))
    area_val = int(nums[0]) if nums else 0
    
    if area_val >= 10000:
        return "sehr große Flächen"
    if area_val >= 5000:
        return "große Flächen"
    if area_val >= 1000:
        return "mittlere Flächen"
    if area_val > 0:
        return "kleine bis mittlere Flächen"
    return "Ihre Flächen" # Fallback

def get_multi_solution_recommendation(area_str, purpose_str):
    """
    Selects a range of robots based on surface area AND requested purposes.
    """
    recommendations = []
    purpose_lower = purpose_str.lower()
    
    # 1. Cleaning Logic (Area based)
    nums = re.findall(r'\d+', area_str.replace('.', '').replace(',', ''))
    area_val = int(nums[0]) if nums else 0
    
    if "reinigung" in purpose_lower:
        if area_val >= 5000 or "über 10.000" in area_str:
            recommendations.append("den Scrubber 75 als industrielles Kraftpaket für Ihre Großflächen")
        elif area_val >= 1000:
            recommendations.append("den Scrubber 50 oder Phantas für eine wendige und gründliche Bodenreinigung")
        else:
            recommendations.append("den Phantas oder Pudu CC1 für eine effiziente Reinigung Ihrer Räumlichkeiten")

    # 2. Service/Transport Logic
    if any(word in purpose_lower for word in ["servieren", "abräumen", "speisen", "getränke"]):
        recommendations.append("den BellaBot zur Entlastung Ihres Teams beim Transport von Speisen und Getränken")
    
    # 3. Marketing/Interaction Logic
    if any(word in purpose_lower for word in ["marketing", "gästebetreuung", "kundenansprache"]):
        recommendations.append("den KettyBot als interaktiven Begleiter für Marketing und Patienteninformation")

    if not recommendations:
        recommendations.append("unsere wendigen Allrounder wie den Phantas")

    return {
        "solution_text": " und ".join(recommendations),
        "has_multi": len(recommendations) > 1
    }

def generate_email_draft(lead_data, company_data, booking_link="[IHR BUCHUNGSLINK]"):
    """
    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_raw = lead_data.get('company_name', 'Interessent')
    company_name = clean_company_name(company_raw) 
    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')
    salutation = meta.get('salutation', 'Damen und Herren')
    cleaning_functions = meta.get('cleaning_functions', '')

    # 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', 'Healthcare')
    ce_opener = company_data.get('ai_opener', '') 

    # Multi-Solution Logic
    solution = get_multi_solution_recommendation(area, purpose)
    qualitative_area = get_qualitative_area_description(area)
    suggested_date = get_suggested_date()

    # 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 IDENTITÄT:
    - Anrede-Form: {salutation} (z.B. Herr, Frau)
    - Name: {contact_name}
    - Firma: {company_name}
    
    STRATEGIE:
    - STARTE DIREKT mit dem strategischen Aufhänger aus dem Company Explorer ({ce_opener}). Baue daraus den ersten Absatz.
    - KEIN "mit großem Interesse verfolge ich..." oder ähnliche Phrasen. Das wirkt unnatürlich.
    - Deine Mail reagiert auf die Anfrage zu: {purpose} für {qualitative_area}.
    - Fasse die vorgeschlagene Lösung ({solution['solution_text']}) KOMPAKT zusammen. Wir bieten ein ganzheitliches Entlastungskonzept an, keine Detail-Auflistung von Datenblättern.
    
    KONTEXT:
    - Branche: {ce_vertical}
    - Pains aus Matrix: {matrix['industry_pains']}
    - Dossier/Wissen: {ce_summary}
    - Strategischer Aufhänger (CE-Opener): {ce_opener}

    AUFGABE:
    1. ANREDE: Persönlich.
    2. EINSTIEG: Nutze den inhaltlichen Kern von: "{ce_opener}".
    3. DER ÜBERGANG: Verknüpfe dies mit der Anfrage zu {purpose}. Erkläre, dass manuelle Prozesse bei {qualitative_area} angesichts der Dokumentationspflichten und des Fachkräftemangels zum Risiko werden.
    4. DIE LÖSUNG: Schlage die Kombination aus {solution['solution_text']} als integriertes Konzept vor, um das Team in Reinigung, Service und Patientenansprache spürbar zu entlasten.
    5. ROI: Sprich kurz die Amortisation (18-24 Monate) an – als Argument für den wirtschaftlichen Entscheider.
    6. CTA: Schlag konkret den {suggested_date} vor. Alternativ: {booking_link}

    STIL: Senior, lösungsorientiert, direkt. Keine unnötigen Füllwörter.
    
    FORMAT:
    Betreff: [Prägnant, z.B. Automatisierungskonzept für {company_name}]
    
    [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))