#!/usr/bin/env python3
"""
Tests — chargement du gazetteer médicaments edsnlp depuis data/ (torch-free).

Contexte : le build Windows torch-free (Plan 3) retire torch. Or edsnlp importe
torch en dur → en frozen, `import edsnlp` échoue et l'ancienne
`_load_edsnlp_drug_names()` retournait silencieusement set() → whitelist
médicaments amputée de ~4206 noms → sur-masquage de médicaments pris pour des
personnes.

Correctif (Option A+B) :
  A. charger d'abord depuis data/edsnlp/drugs.json (versionné, 0 dépendance) ;
     fallback sur le package edsnlp (dev).
  B. log.warning explicite si NI le fichier data NI le package ne sont dispo.

Aucun mock du contenu du gazetteer : on utilise le VRAI fichier data extrait.
"""
from __future__ import annotations

from pathlib import Path

import pytest

import anonymizer_core_refactored_onnx as core

ROOT_DIR = Path(__file__).resolve().parents[2]
DATA_DRUGS = ROOT_DIR / "data" / "edsnlp" / "drugs.json"

# Nombre exact de noms mono-mot (len>=4, lowercase) issus de drugs.json 0.20.0.
# C'est aussi le compte historique produit par l'ancienne fonction en dev :
# la garantie de non-régression est que la whitelist n'est PAS réduite.
EXPECTED_COUNT = 4206

# Noms de médicaments réellement présents dans le gazetteer extrait et qui
# entrent en conflit avec des noms/prénoms INSEE (vérifiés, pas inventés).
CONFLICT_NAMES = ["elisor", "kessar", "panos", "muse", "sirop"]


def test_data_file_present_and_parses():
    """Le fichier data doit exister et contenir 1968 codes ATC."""
    import json

    assert DATA_DRUGS.exists(), f"fichier data manquant : {DATA_DRUGS}"
    data = json.loads(DATA_DRUGS.read_text(encoding="utf-8"))
    assert len(data) == 1968


def test_load_from_data_exact_count():
    """Chargement depuis data/edsnlp/drugs.json → set de 4206 noms exactement."""
    result = core._load_edsnlp_drug_names()
    assert isinstance(result, set)
    assert len(result) == EXPECTED_COUNT


def test_load_contains_conflict_names():
    """Les noms-conflits INSEE vérifiés doivent être dans le set (anti-sur-masquage)."""
    result = core._load_edsnlp_drug_names()
    for name in CONFLICT_NAMES:
        assert name in result, f"{name!r} absent du gazetteer médicaments"


def test_fallback_to_package_when_data_absent(monkeypatch, tmp_path):
    """Si le fichier data est absent mais edsnlp importable → fallback package,
    même résultat (4206)."""
    pytest.importorskip("edsnlp")
    # Pointer la constante de chemin data vers un dossier vide → fichier absent.
    missing = tmp_path / "drugs.json"
    monkeypatch.setattr(core, "_EDSNLP_DRUGS_DATA_PATH", missing)
    assert not missing.exists()

    result = core._load_edsnlp_drug_names()
    assert len(result) == EXPECTED_COUNT
    for name in CONFLICT_NAMES:
        assert name in result


def test_warning_when_both_sources_absent(monkeypatch, tmp_path, caplog):
    """Si le fichier data est absent ET edsnlp non importable → set() + log.warning."""
    import builtins

    missing = tmp_path / "drugs.json"
    monkeypatch.setattr(core, "_EDSNLP_DRUGS_DATA_PATH", missing)

    _real_import = builtins.__import__

    def _fake_import(name, *args, **kwargs):
        if name == "edsnlp" or name.startswith("edsnlp."):
            raise ImportError("edsnlp indisponible (torch-free)")
        return _real_import(name, *args, **kwargs)

    monkeypatch.setattr(builtins, "__import__", _fake_import)

    with caplog.at_level("WARNING", logger=core.log.name):
        result = core._load_edsnlp_drug_names()

    assert result == set()
    assert any(
        "edsnlp" in rec.message.lower() and rec.levelname == "WARNING"
        for rec in caplog.records
    ), "aucun log.warning émis lors de l'échec total"


def test_data_source_matches_package_source(monkeypatch, tmp_path):
    """Le set chargé depuis data doit être IDENTIQUE à celui du fallback package
    (garantie que l'extraction n'altère pas le gazetteer)."""
    pytest.importorskip("edsnlp")
    from_data = core._load_edsnlp_drug_names()

    missing = tmp_path / "drugs.json"
    monkeypatch.setattr(core, "_EDSNLP_DRUGS_DATA_PATH", missing)
    from_package = core._load_edsnlp_drug_names()

    assert from_data == from_package