"""Normalizadores de campo único: espécie/suporte (1.5), características
físicas (1.5/4.4), direitos (4.2), idioma (4.3), lugar (1.3.1 data tópica) e
assuntos (8.1)."""

from __future__ import annotations

import re
import unicodedata

CORROMPIDO = re.compile(r'[<>{}]|ns:|PALAVRAS-CHAVE|^[0-9a-f]{6,}|\d[a-f]\d[a-f]\d')


def sem_acento(s: str) -> str:
    return ''.join(c for c in unicodedata.normalize('NFD', s) if unicodedata.category(c) != 'Mn')


def corrompido(v: str | None) -> bool:
    return bool(v) and bool(CORROMPIDO.search(v))


# ── 1.5 espécie e suporte (a partir de dc.type) ─────────────────────────────
ESPECIES = [  # (padrão, gênero, espécie)
    (r'^negativo', 'iconográfico', 'negativo fotográfico'),
    (r'^diapositivo', 'iconográfico', 'diapositivo'),
    (r'reprodu[cç][aã]o fotomec', 'iconográfico', 'reprodução fotomecânica'),
    (r'^(fotografia|vista panor)', 'iconográfico', 'fotografia'),
    (r'^gravura', 'iconográfico', 'gravura'),
    (r'^desenho', 'iconográfico', 'desenho'),
    (r'^[áa]lbum', 'iconográfico', 'álbum fotográfico'),
    (r'^manuscrito', 'textual', 'manuscrito'),
    (r'^livro', 'bibliográfico', 'livro'),
    (r'^artigo de peri', 'bibliográfico', 'periódico'),
]


def especie(tipo: str | None) -> dict:
    """{'genero', 'especie', 'suporte', 'presumida'}. Sem dc.type (ou com lixo),
    presume fotografia — o acervo inteiro é um repositório fotográfico — e marca."""
    t = (tipo or '').strip()
    if t and not corrompido(t):
        base, _, sup = t.partition('/')
        b = sem_acento(base.strip().lower())
        for pat, gen, esp in ESPECIES:
            if re.search(pat, b) or re.search(pat, base.strip().lower()):
                suporte = sup.strip().lower() or None
                if esp == 'negativo fotográfico' and 'flex' in b:
                    suporte = 'flexível'
                return {'genero': gen, 'especie': esp, 'suporte': suporte, 'presumida': False}
    return {'genero': 'iconográfico', 'especie': 'fotografia', 'suporte': None, 'presumida': True,
            'original': t or None}


# ── características físicas que algumas instituições põem em dc.description ──
FISICO = re.compile(
    r'(?i)^\s*(p\s*&\s*b|p/b|preto e branco|cor(ida)?|colorid[ao]|s[ée]pia|'
    r'albumina|gelatina|prata|col[oó]dio|cianotipia|platina|carv[aã]o|ambr[oó]tipo|daguerre[oó]tipo|'
    r'negativo|acetato|nitrato|vidro|papel|cart[aã]o|\d+[,.]?\d*\s*x\s*\d+|processo:|segunda gera)')


def e_fisico(v: str) -> bool:
    return bool(FISICO.match(v)) and len(v) < 120


def cor(fisico: list[str]) -> str | None:
    t = ' '.join(fisico).lower()
    if re.search(r'p\s*&\s*b|p/b|preto e branco', t):
        return 'p&b'
    if re.search(r'colorid|\bcor\b', t):
        return 'cor'
    return None


# ── 4.2 condições de reprodução ─────────────────────────────────────────────
def direitos(textos: list[str], instituicao: str) -> dict:
    """{'categoria', 'detentor', 'texto', 'originais'}."""
    limpos = list(dict.fromkeys(t.strip() for t in textos if t and t.strip() and t.strip() != 'None'))
    junto = sem_acento(' '.join(limpos).lower())
    if re.search(r'dominio publico|omínio público|omi?nio publico', junto):
        cat = 'domínio público'
    elif 'liberado para uso de natureza cultural' in junto:
        cat = 'uso cultural liberado'
    elif re.search(r'solicitar|requer libera', junto):
        cat = 'requer autorização do detentor'
    else:
        cat = 'consultar o detentor'
    detentor = None
    for t in limpos:
        a = sem_acento(t.lower())
        if corrompido(t) or re.search(r'dominio publico|solicitar|requer|liberado', a) or len(t) < 6:
            continue
        if 'bibli' in a and 'nac' in a:
            detentor = 'Biblioteca Nacional (Brasil)'
        elif 'moreira' in a and 'salles' in a and '/' not in t:
            detentor = 'Instituto Moreira Salles'
        else:
            detentor = t
        break
    detentor = detentor or instituicao
    frases = {
        'domínio público': 'Imagem em domínio público.',
        'uso cultural liberado': 'Uso liberado para fins de natureza cultural.',
        'requer autorização do detentor': 'Reprodução sujeita a autorização do detentor dos direitos.',
        'consultar o detentor': 'Condições de reprodução não informadas na origem; consultar o detentor.',
    }
    return {'categoria': cat, 'detentor': detentor,
            'texto': f'{frases[cat]} Detentor indicado: {detentor}.',
            'originais': limpos or None}


# ── 4.3 idioma ───────────────────────────────────────────────────────────────
NOMES_IDIOMA = {'por': 'português', 'fre': 'francês', 'eng': 'inglês', 'lat': 'latim', 'ger': 'alemão',
                'ita': 'italiano', 'ukr': 'ucraniano', 'hun': 'húngaro', 'spa': 'espanhol'}


def idiomas(vs: list[str]) -> list[dict]:
    out = []
    for v in vs:
        c = (v or '').strip().lower()
        if c in NOMES_IDIOMA and c not in [o['codigo'] for o in out]:
            out.append({'codigo': c, 'nome': NOMES_IDIOMA[c]})
    return out


# ── 1.3.1 data tópica e 8.1 lugares ─────────────────────────────────────────
UF = {'AC', 'AL', 'AP', 'AM', 'BA', 'CE', 'DF', 'ES', 'GO', 'MA', 'MT', 'MS', 'MG', 'PA', 'PB', 'PR', 'PE',
      'PI', 'RJ', 'RN', 'RS', 'RO', 'RR', 'SC', 'SP', 'SE', 'TO'}
ESTADOS = {'rio de janeiro': 'RJ', 'sao paulo': 'SP', 'bahia': 'BA', 'pernambuco': 'PE', 'minas gerais': 'MG',
           'para': 'PA', 'amazonas': 'AM', 'parana': 'PR', 'rio grande do sul': 'RS', 'santa catarina': 'SC',
           'ceara': 'CE', 'maranhao': 'MA', 'espirito santo': 'ES', 'goias': 'GO', 'mato grosso': 'MT',
           'paraiba': 'PB', 'alagoas': 'AL', 'sergipe': 'SE', 'piaui': 'PI', 'rio grande do norte': 'RN'}
PAISES = {'brasil', 'brazil'}


def lugar(coberturas: list[str]) -> str | None:
    """A forma mais específica de cidade: 'Cidade (UF)'. Junta 'Rio de Janeiro' + 'RJ'."""
    cs = [c.strip() for c in coberturas if c and c.strip() and not corrompido(c)]
    for c in cs:
        if m := re.fullmatch(r'(.+?)\s*(?:\(|,\s*|\s-\s*)([A-Z]{2})\)?', c):
            if m[2] in UF and sem_acento(m[1].lower()) not in PAISES:
                return f'{m[1].strip()} ({m[2]})'
    ufs = [c for c in cs if c in UF]
    for c in cs:
        k = sem_acento(c.lower())
        if k in PAISES or c in UF or '(estado)' in k or 'state' in k:
            continue
        if re.search(r'\(([^)]+)\)$', c):          # "Paris (França)", "Rio de Janeiro (Brazil)"
            nome, pais = re.match(r'(.+?)\s*\(([^)]+)\)$', c).groups()
            if sem_acento(pais.lower()) in PAISES:
                uf = ESTADOS.get(sem_acento(nome.lower()))
                return f'{nome} ({uf})' if uf else nome
            return c
        uf = ufs[0] if ufs else ESTADOS.get(k)
        return f'{c} ({uf})' if uf else c
    return None


# ── 8.1 assuntos: separa as traduções inglesas que o DSpace da BN repete ─────
EN = {'the', 'and', 'of', 'in', 'on', 'women', 'men', 'children', 'streets', 'street', 'buildings', 'building',
      'churches', 'church', 'views', 'view', 'slaves', 'railroads', 'railroad', 'harbors', 'harbor', 'landscapes',
      'portraits', 'bridges', 'rivers', 'houses', 'squares', 'parks', 'gardens', 'mountains', 'beaches',
      'ships', 'soldiers', 'history', 'photographs', 'people', 'indians', 'coffee', 'workers', 'palaces',
      'monuments', 'waterfalls', 'boats', 'plantations', 'aerial', 'military', 'city', 'cities', 'public',
      'social', 'life', 'customs', 'description', 'travel', 'transportation', 'agriculture', 'industry',
      'architecture', 'fountains', 'hospitals', 'schools', 'markets', 'lakes', 'bays', 'islands', 'forts',
      'wars', 'war', 'emperors', 'kings', 'queens', 'nobility', 'family', 'families', 'politicians'}
PT = {'de', 'da', 'do', 'das', 'dos', 'e', 'em', 'no', 'na', 'nos', 'nas', 'para', 'com'}


def idioma_termo(t: str) -> str:
    if re.search(r'[ãõçáéíóúâêô]', t.lower()):
        return 'por'
    palavras = set(re.findall(r'[a-z]+', t.lower()))
    if palavras & PT:
        return 'por'
    if palavras & EN or re.search(r'\((?:brazil|state)', t.lower()):
        return 'eng'
    return 'por'