# -*- coding: utf-8 -*-
"""
Roztřídí DASTA XML soubory do adresářové struktury podle DATA ODBĚRU.

Zdroj:  u:\\Dropbox\\Ordinace\\pomoc\\DASTA\\*.xml
Cíl:    U:\\DASTA_SUBGROUPS\\RRRR\\MM\\DD\\<soubor>.xml   (kopie, originál zůstává)

Datum odběru = první element <dat_du> v souboru (první potomek prvního <vr>).
Hodnota má formát DTS (2016-06-20T08:00:00) nebo DT (2017-05-18T07:30) –
v obou případech začíná YYYY-MM-DD, takže rok/měsíc/den čteme z prvních znaků.

Speciální případy:
    _BEZ_DATUMU   soubor neobsahuje žádný <dat_du>
    _CHYBY        soubor se nepodařilo naparsovat

Použití:
    python roztrid_dle_odberu.py                       # zdroj = výchozí (Dropbox)
    python roztrid_dle_odberu.py U:\\DASTA              # jiný zdrojový adresář
    python roztrid_dle_odberu.py U:\\DASTA --dry-run    # jen vypíše, co by udělal
"""
from __future__ import annotations

import re
import shutil
import sys
from collections import Counter
from pathlib import Path
from xml.etree import ElementTree as ET

ZDROJ_VYCHOZI = Path(r"u:\dasta")
CIL = Path(r"U:\DASTA_SUBGROUPS")

# Záchytný regex pro případ, že ElementTree selže (poškozená hlavička apod.)
_RE_DAT_DU = re.compile(rb"<dat_du[^>]*>\s*(\d{4})-(\d{2})-(\d{2})")


def datum_odberu(cesta: Path) -> tuple[str, str, str] | None:
    """Vrátí (rok, měsíc, den) z prvního <dat_du>, nebo None když chybí."""
    raw = cesta.read_bytes()
    # Rychlá a robustní cesta: najdi první <dat_du> v bytech.
    m = _RE_DAT_DU.search(raw)
    if m:
        return m.group(1).decode(), m.group(2).decode(), m.group(3).decode()
    # Záloha přes ElementTree (kdyby byl dat_du formátovaný jinak)
    try:
        root = ET.fromstring(raw)
        el = root.find(".//dat_du")
        if el is not None and el.text:
            d = el.text.strip()
            return d[0:4], d[5:7], d[8:10]
    except ET.ParseError:
        raise
    return None


def main() -> None:
    dry = "--dry-run" in sys.argv
    pozicni = [a for a in sys.argv[1:] if not a.startswith("--")]
    zdroj = Path(pozicni[0]) if pozicni else ZDROJ_VYCHOZI

    soubory = sorted(zdroj.glob("*.xml"))
    print(f"Zdroj: {zdroj}")
    print(f"Cíl:   {CIL}")
    print(f"Nalezeno souborů: {len(soubory)}"
          f"{'   [DRY-RUN]' if dry else ''}")
    print("-" * 60)

    if not dry:
        CIL.mkdir(parents=True, exist_ok=True)

    stat = Counter()
    roky = Counter()
    chyby: list[str] = []

    for src in soubory:
        try:
            d = datum_odberu(src)
        except ET.ParseError as e:
            d = None
            cilovy_dir = CIL / "_CHYBY"
            chyby.append(f"{src.name}: parse error – {e}")
            stat["chyba"] += 1
        else:
            if d is None:
                cilovy_dir = CIL / "_BEZ_DATUMU"
                stat["bez_datumu"] += 1
            else:
                rok, mes, den = d
                cilovy_dir = CIL / rok / mes / den
                stat["ok"] += 1
                roky[rok] += 1

        dst = cilovy_dir / src.name
        if dry:
            continue
        cilovy_dir.mkdir(parents=True, exist_ok=True)
        shutil.copy2(src, dst)

    print("Hotovo:")
    print(f"  zařazeno dle data odběru : {stat['ok']}")
    print(f"  bez data (_BEZ_DATUMU)   : {stat['bez_datumu']}")
    print(f"  chyby parsování (_CHYBY) : {stat['chyba']}")
    if roky:
        print("\nRozložení podle roku:")
        for rok in sorted(roky):
            print(f"  {rok}: {roky[rok]}")
    if chyby:
        print("\nDetail chyb:")
        for c in chyby:
            print(f"  {c}")


if __name__ == "__main__":
    main()