"""
ساخت دیتای خاک کاربر از sensor_data و soil_data — Schema-agnostic
هر سنسور = یک کاربر. شناسایی با uuid_sensor.

مدل‌های Django داخل توابع import می‌شوند تا از AppRegistryNotReady جلوگیری شود.
"""
from django.db.models import Model


# فیلدهایی که در متن embed نباید بیایند (شناسه‌ها، رابطه‌ها)
EXCLUDE_FIELD_NAMES = {"id", "created_at", "updated_at", "task_id", "recorded_at"}


def _model_to_data_fields(instance: Model, exclude: set[str] | None = None) -> dict:
    """
    استخراج فیلدهای داده از یک instance با استفاده از introspection.
    تغییرات بعدی در مدل باعث شکستن نمی‌شود.
    """
    exclude = exclude or set()
    out: dict = {}
    for f in instance._meta.get_fields():
        if f.many_to_many or f.one_to_many or f.one_to_one and f.auto_created:
            continue
        if f.name in exclude or f.name in EXCLUDE_FIELD_NAMES:
            continue
        if hasattr(f, "related_model") and f.related_model:
            continue  # FK
        try:
            val = getattr(instance, f.name, None)
            if val is not None:
                out[f.name] = val
        except Exception:
            pass
    return out


def build_user_soil_text(sensor_uuid: str) -> str | None:
    """
    ساخت متن قابل embed برای یک سنسور (کاربر).
    از SensorData → SoilLocation → SoilDepthData خوانده می‌شود.

    Returns:
        متن متنی قابل چانک، یا None اگر سنسور یافت نشد.
    """
    from sensor_data.models import SensorData
    from soil_data.models import SoilDepthData

    try:
        sensor = SensorData.objects.select_related("location").get(
            uuid_sensor=sensor_uuid
        )
    except SensorData.DoesNotExist:
        return None

    parts: list[str] = []

    # شناسه سنسور
    parts.append(f"سنسور: {sensor.uuid_sensor}")

    # موقعیت مزرعه
    loc = sensor.location
    parts.append(
        f"موقعیت مزرعه: عرض {loc.latitude}، طول {loc.longitude}"
    )

    # خوانش‌های سنسور (schema-agnostic)
    sensor_fields = _model_to_data_fields(
        sensor, exclude={"uuid_sensor", "location_id", "location"}
    )
    if sensor_fields:
        sensor_lines = [f"  {k}: {v}" for k, v in sorted(sensor_fields.items())]
        parts.append("خوانش‌های سنسور:\n" + "\n".join(sensor_lines))

    # داده‌های خاک به تفکیک عمق
    depths = (
        SoilDepthData.objects.filter(soil_location=loc)
        .order_by("depth_label")
        .all()
    )
    if depths:
        depth_parts = []
        for d in depths:
            d_data = _model_to_data_fields(
                d, exclude={"soil_location", "soil_location_id"}
            )
            if d_data:
                lines = [f"    {k}: {v}" for k, v in sorted(d_data.items())]
                depth_parts.append(f"  عمق {d.depth_label}:\n" + "\n".join(lines))
        if depth_parts:
            parts.append("داده‌های خاک:\n" + "\n".join(depth_parts))

    return "\n\n".join(parts) if parts else None


def get_all_sensor_uuids() -> list[str]:
    """لیست همه uuid_sensor های موجود."""
    from sensor_data.models import SensorData

    return [
        str(u) for u in
        SensorData.objects.values_list("uuid_sensor", flat=True).distinct()
    ]


def load_user_sources() -> list[tuple[str, str]]:
    """
    بارگذاری منابع دیتای کاربران از DB.
    Returns: [(source_id, content), ...]
    source_id = user:{sensor_uuid}
    """
    uuids = get_all_sensor_uuids()
    sources: list[tuple[str, str]] = []
    for uid in uuids:
        text = build_user_soil_text(str(uid))
        if text and text.strip():
            sources.append((f"user:{uid}", text))
    return sources