import networkx as nx
from shapely.geometry import box, Point, LineString
import json
from typing import List, Dict, Any, Optional, Tuple

class PidTopologyBuilder:
    def __init__(self, geometric_data: List[Dict[str, Any]], all_extracted_tags: Optional[List[Dict[str, Any]]] = None, config: Optional[Dict[str, float]] = None):
        """
        - geometric_data: Phase 1에서 추출된 기하학적 데이터 (List of dicts)
        - all_extracted_tags: 통합된 태그 리스트
        - config: {'dist_threshold': 50.0, 'tag_threshold': 100.0} 등 설정값
        """
        self.data = geometric_data
        self.all_tags = all_extracted_tags if all_extracted_tags else []
        self.config = config if config else {'dist_threshold': 50.0, 'tag_threshold': 100.0}
        self.G = nx.DiGraph()      # 방향성 그래프 생성

    def build_graph(self):
        # 1. 모든 객체를 노드로 추가
        for item in self.data:
            bbox_vals = item['bbox']
            # BoundingBox 모델의 필드명에 맞춰 추출 (min_x, min_y, max_x, max_y)
            bbox_geom = box(bbox_vals['min_x'], bbox_vals['min_y'], bbox_vals['max_x'], bbox_vals['max_y'])
            
            self.G.add_node(item['entity_id'],
                           type=item['entity_type'],
                           bbox=bbox_geom,
                           value=item.get('clean_value'),
                           layer=item.get('layer'))

        # 2. 분산 추출된 태그 통합 및 노드 추가
        for tag in self.all_tags:
            bbox_vals = tag['bbox']
            bbox_geom = box(bbox_vals['min_x'], bbox_vals['min_y'], bbox_vals['max_x'], bbox_vals['max_y'])
            self.G.add_node(tag['entity_id'],
                           type='TEXT',
                           bbox=bbox_geom,
                           value=tag.get('clean_value') or tag.get('tagName'))

        # 3. 태그-설비 논리적 연결 (Association)
        tags = [n for n, d in self.G.nodes(data=True) if d['type'] == 'TEXT']
        equipments = [n for n, d in self.G.nodes(data=True) if d['type'] not in ['TEXT', 'LINE', 'LWPOLYLINE']]

        for tag in tags:
            best_match = self._find_nearest_equipment(tag, equipments)
            if best_match:
                self.G.add_edge(tag, best_match, relation='associated_with')

        # 4. 배관 기반 물리적 연결 (Pipe) [개선됨: End-point 기반]
        lines = [n for n, d in self.G.nodes(data=True) if d['type'] in ['LINE', 'LWPOLYLINE']]
        for line_id in lines:
            original_item = next((item for item in self.data if item['entity_id'] == line_id), None)
            if not original_item or not original_item.get('coordinates'):
                continue
                
            coords = original_item['coordinates']
            line_geom = LineString(coords)
            # 개선: 끝점뿐만 아니라 라인 전체가 설비 BBox와 교차하거나 매우 가까운지 확인
            connected_nodes = []
            for eq_id in equipments:
                eq_bbox = self.G.nodes[eq_id]['bbox']
                # 1. 라인이 BBox와 교차하는지 확인 (관통 포함)
                if line_geom.intersects(eq_bbox):
                    connected_nodes.append(eq_id)
                # 2. 교차하지 않더라도 임계값 이내에 있는지 확인 (근접 연결)
                elif line_geom.distance(eq_bbox) < self.config['dist_threshold']:
                    connected_nodes.append(eq_id)
            
            # 중복 제거
            connected_nodes = list(set(connected_nodes))
            
            if len(connected_nodes) >= 2:
                # 방향성 추론 로직 (단순화: 첫 번째 발견된 설비 -> 두 번째 발견된 설비)
                self.G.add_edge(connected_nodes[0], connected_nodes[1], relation='pipe')
            elif len(connected_nodes) == 1:
                pass

    def _find_nearest_equipment(self, tag_id, equipment_ids):
        """
        단순 거리 기반 매핑에서 위상 기반 가중치 매핑으로 개선.
        가중치 = 거리 점수 + 연결성 점수
        """
        tag_bbox = self.G.nodes[tag_id]['bbox']
        best_score = float('inf')
        nearest = None
        
        # 태그 노드와 연결된 배관(LINE/LWPOLYLINE) 확인
        connected_pipes = [n for n in self.G.neighbors(tag_id) if self.G.nodes[n]['type'] in ['LINE', 'LWPOLYLINE']]
        
        for eq_id in equipment_ids:
            eq_bbox = self.G.nodes[eq_id]['bbox']
            dist = tag_bbox.distance(eq_bbox)
            
            if dist > self.config['tag_threshold']:
                continue
                
            # 1. 거리 점수 (낮을수록 좋음)
            score = dist
            
            # 2. 연결성 가중치 (태그와 설비가 동일한 배관에 연결되어 있다면 점수 대폭 감점 = 우선순위 상승)
            # 태그가 직접 배관에 연결되어 있지는 않지만, 태그 근처의 배관이 설비에 연결되어 있는지 확인
            for pipe_id in connected_pipes:
                if self.G.has_edge(pipe_id, eq_id) or self.G.has_edge(eq_id, pipe_id):
                    score -= self.config['tag_threshold'] * 0.5  # 연결성 보너스
            
            if score < best_score:
                best_score = score
                nearest = eq_id
                
        return nearest

    def validate_topology(self):
        """위상 무결성 검증"""
        isolated = list(nx.isolates(self.G))
        return {
            "isolated_nodes": isolated, 
            "node_count": self.G.number_of_nodes(), 
            "edge_count": self.G.number_of_edges()
        }

    def save_graph(self, output_path: str):
        """그래프 구조를 JSON 형태로 저장"""
        from networkx.readwrite import json_graph
        data = json_graph.node_link_data(self.G)
        
        # shapely geometry 객체는 JSON 직렬화가 안 되므로 변환
        for node in data['nodes']:
            if 'bbox' in node:
                bbox = node['bbox']
                node['bbox'] = {
                    'min_x': bbox.bounds[0],
                    'min_y': bbox.bounds[1],
                    'max_x': bbox.bounds[2],
                    'max_y': bbox.bounds[3]
                }
        
        with open(output_path, 'w', encoding='utf-8') as f:
            json.dump(data, f, ensure_ascii=False, indent=4)
        return output_path

def analyze_impact(graph, start_node):
    """특정 설비 장애 시 하류(Downstream)에 영향을 받는 모든 노드 추출"""
    if start_node not in graph:
        return []
    # BFS를 통해 도달 가능한 모든 노드 탐색
    impacted_nodes = nx.descendants(graph, start_node)
    return list(impacted_nodes)