import argparse
import os
import pandas as pd
import json

def create_sorter_string(sivasData, sivasId):
    p = sivasData[sivasId]['Parent']
    s =  sivasId
    if p not in sivasData:
        return None
    recurval = create_sorter_string(sivasData, p)
    if recurval is not None:
        s =  recurval + '-'+ s
    return s



"""
Dieses Programm holt sich aus
- RD Fusion eine aktuellen Stand der exisitierenden IDS 
- Sivas eine Liste der gewünschten Teile

"""
def create_excel_export(existingIds, sivasData, sivasId, outPath):

    excelIdsExistingPath = os.path.join(outPath, sivasId + ".xlsx")

    """ exportiert die Nummern der Sivas ID in eine Excel Datei um vorhandene von fehlenden zu unterscheiden """
    #      Sortierung	Teilenummer	Bezeichnung	Bestandsabfrage	Teile Beurteilung	Zusatzbemerkung
    # Sortierung: Minus - Separierten "Pfad" dieses Einzelteils im Assembly
    # Teilenummer: Sivas Teilenummer
    # Bezeichnung: SIVAS Bezeichnung
    # Bestandsabfrage: Importieren oder Verfügbar
    # die restlichen Spalten bleiben leer

    sortierung = list()
    teilenummer = list()
    bezeichnung = list()
    bestand = list()
    teilebeurteilung = list() 
    zusatzbemerkung = list()

    for item in sivasData:
        sortierung.append(sivasData[item]['Parent'])
        teilenummer.append(item)
        bezeichnung.append(sivasData[item]['Bezeichnung'])
        if existingIds[item] is True:
            existing = "VERFÜGBAR"
        else:
            existing = "IMPORTIEREN"
        bestand.append(existing)
        teilebeurteilung.append('') 
        zusatzbemerkung.append('')


    data = {
        "Sortierung":sortierung, 
        "Teilenummer":teilenummer,
        "Bezeichnung":bezeichnung,
        "Bestandsabfrage":bestand,
        "Teile Beurteilung":teilebeurteilung, 
        "Zusatzbemerkung":zusatzbemerkung
    }
    df = pd.DataFrame.from_dict(data)
    df.to_excel(excelIdsExistingPath, sheet_name="Ergebnis", index_label="Sortierung")


def compareFiles(rdDataBasePath, jsonPath, sivasId, outPath):
    # Lies die RD Datenbank ein
    df = pd.read_csv(rdDataBasePath, sep=';') 

    teileNummern = list()
    for nummer in df["Teilenummer"].to_list():
        teileNummern.append(str(nummer))
    tn = tuple(teileNummern)
      
    # hole dir alle Ids aus der Json Datei
    with open(jsonPath, encoding='utf-8') as fp:
        sivasData = json.load(fp)

    # Prüfe das Vorhandensein der JsonIds in der RD Datenbank
    existingIds = dict()
    for item in sivasData:
        if item in tn:
            existingIds[item] = True
        else:
            existingIds[item] = False

    # Schreibe eine Exceldatei mit den korrekten Spalten raus
    create_excel_export(existingIds, sivasData, sivasId, outPath)



if __name__ == '__main__':
    parser = argparse.ArgumentParser(description='fetches data from sivas or ruledesigner fusion', prog='update_database')
    parser.add_argument('-s', '--sivas', action='store', help='fetch data of this id from sivas fo local database folder')
    parser.add_argument('-d', '--database', action='store', default="RD_Bestandspool.csv", help='local filename of the latest fetched RuleDesigner Database')

    args = parser.parse_args()


    if args.sivas:
        # fetching the names  of all existing cad files from the local file
        dataDir = os.environ.get('CREMIG_DATA')
        rdDataBasePath = os.path.join(dataDir, args.database)
        # get the path to ask for further json files
        exePath = os.environ.get('SIVAS_DATABASE_QUERY')
        # in case the infos for this cad file are already there
        sivasId = str(args.sivas)
        jsonPath = os.path.join(dataDir, sivasId + ".json")
        # there the results are written
        outPath = os.environ.get('CREMIG_WORK')
        
        compareFiles(rdDataBasePath, jsonPath, sivasId, outPath)