# -*- coding: utf-8 -*-
"""건설업 임금실태조사 회차별 md 의 표 안 수를 기계 대조.

1) 개별직종 표: md ↔ PDF 글자층을 다른 방식(직종코드 앵커 분할 · split_cost_docs.parse_cak_table 와 같은 방식)으로 읽은 값
2) 회차 사이: 같은 (직종, 공표일) 값이 여러 회차에 실려 있으면 서로 같은지
3) 평균임금 표(쪽 4): 회차 사이 같은 공표일 행이 서로 같은지

사용: python cak_verify.py  (노임단가_건설업_대한건설협회 아래 <적용일>/ 폴더 전부)
"""

import re
from pathlib import Path

import pymupdf as fitz

BASE = Path(__file__).resolve().parent.parent / "원가계산" / "노임단가_건설업_대한건설협회"
NUM = r"\(※\d{1,3}(?:,\d{3})+\)|\d{1,3}(?:,\d{3})+|(?<![\d,])-(?![\d,])"


def md_rows(folder):
    """md → {코드: (이름, 신뢰도, {공표일: 값})}"""
    f = next(folder.glob("3. *.md"))
    out, dates = {}, None
    for ln in f.read_text(encoding="utf-8").splitlines():
        if ln.startswith("| 직종코드"):
            dates = [c.strip() for c in ln.strip("|").split("|")][3:]
            continue
        m = re.match(r"\| (\d{4}) \| (.*?) \| (\**) \| (.*) \|$", ln)
        if m and dates:
            vals = [c.strip() for c in m.group(4).split("|")]
            assert len(vals) == 4, ln
            out[m.group(1)] = (m.group(2), m.group(3), dict(zip(dates, vals)))
    return out


def pdf_rows(folder, pages=(9, 10, 11, 12)):
    """PDF 글자층 → 앵커 분할로 {코드: (이름, 신뢰도, [4값])}"""
    doc = fitz.open(next(folder.glob("*.pdf")))
    t = "".join(doc[p].get_text() + "\n" for p in pages)
    parts = re.compile(r"(?<![\d,.])([1-5]\d{3})(?![\d,.])").split(t)
    res = {}
    for i in range(1, len(parts) - 1, 2):
        code, seg = parts[i], parts[i + 1]
        if not (1 <= int(code[1:]) <= 99):
            continue
        fm = re.search(r"(\*{1,2})\s*$", parts[i - 1])
        v = re.findall(NUM, seg)[:4]
        f = re.search(NUM, seg)
        nm = "".join(re.findall(r"[가-힣A-Za-z/]", seg[: f.start()] if f else seg))
        if code not in res and len(v) == 4 and nm:
            res[code] = (nm, fm.group(1) if fm else "", v)
    return res


def avg_rows(folder):
    """쪽 4 평균임금 표 → {공표일 앞부분: [칸들]}"""
    for f in folder.glob("*.md"):
        if f.name[0].isdigit() and f.name[1] == ".":
            continue
        if f.name.startswith("_"):
            continue
        full = f
    out = {}
    on = False
    for ln in full.read_text(encoding="utf-8").splitlines():
        if ln.startswith("| 공표일 (조사기준)"):
            on = True
            continue
        if on and ln.startswith("|---"):
            continue
        if on and ln.startswith("|"):
            c = [x.strip() for x in ln.strip("|").split("|")]
            out[re.sub(r"\(.*", "", c[0]).strip()] = c[1:]
        elif on:
            break
    return out


def main():
    folders = sorted(
        d for d in BASE.iterdir() if d.is_dir() and re.fullmatch(r"\d{4}-\d\d-\d\d", d.name)
    )
    series, conflicts, bad = {}, 0, 0
    avg = {}
    for d in folders:
        m = md_rows(d)
        p = pdf_rows(d) if any(d.glob("*.pdf")) else {}
        if p and set(m) != set(p):
            print(d.name, "직종 수 다름", len(m), len(p), sorted(set(m) ^ set(p))[:5])
            bad += 1
        for c in m:
            if c not in p:
                continue
            vals = list(m[c][2].values())
            if vals != p[c][2] or m[c][1] != p[c][1]:
                bad += 1
                print(d.name, c, "md", m[c][1], vals, "pdf", p[c][1], p[c][2])
            for k, v in m[c][2].items():
                s = series.setdefault(c, {})
                if k in s and s[k][0] != v:
                    conflicts += 1
                    print("회차 사이 다름", c, k, s[k], v, d.name)
                s.setdefault(k, (v, d.name))
        for k, v in avg_rows(d).items() if any(d.glob("*.pdf")) else []:
            if k in avg and avg[k][0] != v:
                conflicts += 1
                print("평균임금 회차 사이 다름", k, avg[k], v, d.name)
            avg.setdefault(k, (v, d.name))
        print(d.name, "직종", len(m), "md↔PDF 다른 행", 0 if not bad else "위 참조")
    print("md↔PDF 이상", bad, "· 회차 사이 충돌", conflicts)


if __name__ == "__main__":
    main()