# modules/database/semantic_mongo_live_db.py
import logging
from datetime import datetime, timezone
import base64
from bson import Binary
from pymongo.errors import PyMongoError

# Configuración del logger
logger = logging.getLogger(__name__)
COLLECTION_NAME = 'student_semantic_live_analysis'

def store_student_semantic_live_result(username, text, analysis_result, lang_code='en'):
    """
    Guarda el resultado del análisis semántico en vivo en MongoDB.
    Versión mejorada con manejo robusto de errores y verificación de datos.
    """
    try:
        # 1. Validación exhaustiva de los parámetros de entrada
        if not username or not isinstance(username, str):
            logger.error("Nombre de usuario inválido o vacío")
            return False

        if not text or not isinstance(text, str):
            logger.error("Texto de análisis inválido o vacío")
            return False

        if not analysis_result or not isinstance(analysis_result, dict):
            logger.error("Resultado de análisis inválido o vacío")
            return False

        # 2. Preparación del gráfico conceptual con múltiples formatos soportados
        concept_graph_data = None
        if 'concept_graph' in analysis_result and analysis_result['concept_graph'] is not None:
            try:
                graph_data = analysis_result['concept_graph']
                
                if isinstance(graph_data, bytes):
                    # Codificar a base64 para almacenamiento eficiente
                    concept_graph_data = base64.b64encode(graph_data).decode('utf-8')
                elif isinstance(graph_data, str):
                    # Si ya es string (base64), usarlo directamente
                    concept_graph_data = graph_data
                elif isinstance(graph_data, Binary):
                    # Si es Binary de pymongo, convertirlo
                    concept_graph_data = base64.b64encode(graph_data).decode('utf-8')
                else:
                    logger.warning(f"Formato de gráfico no soportado: {type(graph_data)}")
            except Exception as e:
                logger.error(f"Error al procesar gráfico conceptual: {str(e)}", exc_info=True)
                # Continuar sin gráfico en lugar de fallar completamente

        # 3. Preparación del documento con validación de campos
        analysis_document = {
            'username': username,
            'timestamp': datetime.now(timezone.utc),
            'text': text[:10000],  # Limitar tamaño para prevenir documentos muy grandes
            'analysis_type': 'semantic_live',
            'language': lang_code,
            'metadata': {
                'version': '1.0',
                'source': 'live_interface'
            }
        }

        # Campos opcionales con validación
        if 'key_concepts' in analysis_result and isinstance(analysis_result['key_concepts'], list):
            analysis_document['key_concepts'] = analysis_result['key_concepts'][:50]  # Limitar a 50 conceptos

        if 'concept_centrality' in analysis_result and isinstance(analysis_result['concept_centrality'], dict):
            analysis_document['concept_centrality'] = analysis_result['concept_centrality']

        if concept_graph_data:
            analysis_document['concept_graph'] = concept_graph_data

        # 4. Operación de base de datos con manejo de errores específico
        try:
            collection = get_collection(COLLECTION_NAME)
            if not collection:
                logger.error("No se pudo obtener la colección MongoDB")
                return False

            result = collection.insert_one(analysis_document)
            
            if result.inserted_id:
                logger.info(f"Análisis guardado exitosamente para {username}. ID: {result.inserted_id}")
                return True
            
            logger.error("La operación de inserción no devolvió un ID")
            return False

        except PyMongoError as mongo_error:
            logger.error(f"Error de MongoDB al guardar análisis: {str(mongo_error)}", exc_info=True)
            return False

    except Exception as e:
        logger.error(f"Error inesperado al guardar análisis: {str(e)}", exc_info=True)
        return False

def get_student_semantic_live_analysis(username, limit=10):
    """
    Recupera los análisis semánticos en vivo de un estudiante.
    Versión mejorada con paginación y manejo de errores.
    """
    try:
        # Validación de parámetros
        if not username or not isinstance(username, str):
            logger.error("Nombre de usuario inválido para recuperación")
            return []

        if not isinstance(limit, int) or limit <= 0:
            limit = 10  # Valor por defecto si el límite es inválido

        # Consulta con proyección para optimizar transferencia
        query = {
            "username": username,
            "analysis_type": "semantic_live"
        }
        
        projection = {
            "timestamp": 1,
            "text": {"$substr": ["$text", 0, 200]},  # Solo primeros 200 caracteres
            "key_concepts": {"$slice": ["$key_concepts", 10]},  # Solo primeros 10 conceptos
            "concept_graph": 1,
            "_id": 1,
            "metadata": 1
        }
        
        # Operación de base de datos con manejo de errores
        try:
            collection = get_collection(COLLECTION_NAME)
            if not collection:
                logger.error("No se pudo obtener la colección MongoDB")
                return []

            cursor = collection.find(query, projection).sort("timestamp", -1).limit(limit)
            results = list(cursor)
            
            # Post-procesamiento para asegurar formato consistente
            for doc in results:
                if 'concept_graph' in doc and isinstance(doc['concept_graph'], str):
                    try:
                        # Convertir base64 string a bytes para compatibilidad
                        doc['concept_graph'] = base64.b64decode(doc['concept_graph'])
                    except Exception as e:
                        logger.warning(f"Error al decodificar gráfico: {str(e)}")
                        doc.pop('concept_graph', None)
            
            logger.info(f"Recuperados {len(results)} análisis para {username}")
            return results

        except PyMongoError as mongo_error:
            logger.error(f"Error de MongoDB al recuperar análisis: {str(mongo_error)}")
            return []

    except Exception as e:
        logger.error(f"Error inesperado al recuperar análisis: {str(e)}", exc_info=True)
        return []

__all__ = [
    'store_student_semantic_live_result',
    'get_student_semantic_live_analysis'
]