"""
Gedeelde UI-hulpmiddelen voor app.py en alle pages/*.py.

Elke Streamlit-pagina draait als los script, dus gedeelde constanten/functies
(kleurenpalet, thema-detectie) horen hier thuis in plaats van gedupliceerd te
worden per pagina.
"""

from __future__ import annotations

from datetime import date, datetime, timedelta, timezone

import pandas as pd
import plotly.graph_objects as go
import streamlit as st

from nightscout_client import fetch_entries_range, fetch_profile, fetch_treatments_range
from profile_data import parse_profile
from reporting import (
    HIGH,
    LOW,
    VERY_HIGH,
    VERY_LOW,
    completeness_warning,
    detect_events,
    summarize_events,
)

MMOL_HOVERTEMPLATE = "%{x|%d-%m %H:%M} · %{y:.1f} mmol/L<extra></extra>"

# Periode-opties voor de rapportagepagina's (FR1): elke pagina kiest zijn eigen
# standaard (90 dagen voor statistiek/TIR, 14 dagen voor recente
# glucosegrafieken) via `default_label`.
PERIOD_OPTIONS_DAYS = {"14 dagen": 14, "30 dagen": 30, "90 dagen": 90}

# Kleuren per rol, licht/donker — categorale kleuren voor identiteit
# (glucose/insuline/carbs), status-kleuren (vast, nooit hergebruikt) voor
# te laag/te hoog.
PALETTE = {
    "light": {
        "glucose": "#2a78d6",
        "insulin": "#1baf7a",
        "carbs": "#eb6834",
        "low": "#d03b3b",
        "very_low": "#d03b3b",
        "high": "#fab219",
        "very_high": "#fab219",
        "band": "rgba(12,163,12,0.08)",
        "grid": "#e1e0d9",
        "muted": "#898781",
        "text": "#52514e",
        "good": "#0ca30c",
        # Losstaand van "low"/"high" hierboven (die blijven gedeeld tussen
        # andere grafieken): de 5-bands TIR-grafiek (gitea #14) heeft juist
        # zichtbaar onderscheid tussen laag/zeer-laag en hoog/zeer-hoog nodig.
        "tir_very_low": "#8b1a1a",
        "tir_low": "#d03b3b",
        "tir_in_range": "#0ca30c",
        "tir_high": "#fab219",
        "tir_very_high": "#c76f0a",
        "basal": "#7b5ea3",
        "bolus_food": "#1baf7a",
        "bolus_correction": "#2a78d6",
        "bolus_smb": "#898781",
        "target": "#52514e",
    },
    "dark": {
        "glucose": "#3987e5",
        "insulin": "#199e70",
        "carbs": "#d95926",
        "low": "#d03b3b",
        "very_low": "#d03b3b",
        "high": "#fab219",
        "very_high": "#fab219",
        "band": "rgba(12,163,12,0.15)",
        "grid": "#2c2c2a",
        "muted": "#898781",
        "text": "#c3c2b7",
        "good": "#0ca30c",
        "tir_very_low": "#a32626",
        "tir_low": "#d95d5d",
        "tir_in_range": "#0ca30c",
        "tir_high": "#fab219",
        "tir_very_high": "#d9852e",
        "basal": "#9b7ec2",
        "bolus_food": "#199e70",
        "bolus_correction": "#3987e5",
        "bolus_smb": "#898781",
        "target": "#c3c2b7",
    },
}

# Klinische drempellijnen (Battelino et al. 2019), gedeeld tussen de AGP- en
# Dagoverzicht-pagina's (FR3, FR4 — gitea #15) zodat beide grafieken exact
# dezelfde 4 lijnen op dezelfde manier tonen.
THRESHOLD_LINES = [
    (VERY_LOW, "3.0"),
    (LOW, "3.9"),
    (HIGH, "10.0"),
    (VERY_HIGH, "13.9"),
]


def hex_to_rgba(hex_color: str, alpha: float) -> str:
    """Zet een '#rrggbb'-kleur om naar een 'rgba(r,g,b,a)'-string voor Plotly-fills."""
    hex_color = hex_color.lstrip("#")
    r, g, b = (int(hex_color[i : i + 2], 16) for i in (0, 2, 4))
    return f"rgba({r},{g},{b},{alpha})"


def get_colors() -> dict:
    """Geef de kleurenset terug die past bij het actieve Streamlit-thema."""
    theme_type = "light"
    try:
        theme_type = st.context.theme.type or "light"
    except AttributeError:
        pass
    return PALETTE["dark" if theme_type == "dark" else "light"]


def select_period_days(default_label: str) -> tuple[date, date, int]:  # pragma: no cover
    """Periodekiezer voor rapportagepagina's; geeft (start, eind, aantal_dagen) terug.

    Pure Streamlit-widget-orkestratie (st.radio) — buiten scope van de
    unit-testdekking net als pages/*.py, zie pyproject.toml se coverage-omit-lijst.
    """
    labels = list(PERIOD_OPTIONS_DAYS.keys())
    label = st.radio("Periode", labels, index=labels.index(default_label), horizontal=True)
    days = PERIOD_OPTIONS_DAYS[label]
    end = datetime.now(tz=timezone.utc).date()
    start = end - timedelta(days=days - 1)
    return start, end, days


@st.cache_data(ttl=3600, show_spinner="Data ophalen van Nightscout...")
def load_range_data(start: date, end: date):  # pragma: no cover
    """Gecachete Nightscout-fetch voor een vaste periode.

    Lange TTL (in tegenstelling tot de 60s van de live-pagina): historische
    data van een afgeronde periode verandert niet.

    Dunne st.cache_data-wrapper rond al-geteste fetch_entries_range()/
    fetch_treatments_range() — buiten scope van de unit-testdekking net als
    pages/*.py, zie pyproject.toml se coverage-omit-lijst.
    """
    glucose = fetch_entries_range(start, end)
    treatments = fetch_treatments_range(start, end)
    return glucose, treatments


@st.cache_data(ttl=21600, show_spinner="Profiel ophalen van Nightscout...")
def load_profile() -> dict:  # pragma: no cover
    """Gecachete profiel-fetch. Langere TTL dan load_range_data (6 uur i.p.v.
    1 uur): een pompprofiel wijzigt zelden, in tegenstelling tot glucose-/
    behandeldata van een lopende periode.

    Dunne st.cache_data-wrapper rond al-geteste fetch_profile()/parse_profile()
    — buiten scope van de unit-testdekking net als pages/*.py.
    """
    raw = fetch_profile()
    return parse_profile(raw)


def add_threshold_lines(fig: go.Figure, colors: dict, row: int | None = None) -> None:
    """Teken de 4 klinische drempellijnen (3.0/3.9/10.0/13.9 mmol/L) op een grafiek.

    Gedeeld door de AGP- en Dagoverzicht-pagina's (gitea #15). `row` wordt
    doorgegeven aan `add_hline` voor subplot-figuren (Dagoverzicht); voor een
    los-staande figuur (AGP) blijft dit `None`.
    """
    kwargs = {} if row is None else {"row": row, "col": 1}
    for value, label in THRESHOLD_LINES:
        fig.add_hline(
            y=value,
            line={"color": colors["muted"], "width": 1, "dash": "dot"},
            annotation_text=label,
            annotation_position="right",
            annotation_font={"size": 9, "color": colors["muted"]},
            **kwargs,
        )


TIR_BAND_ORDER = ["very_low", "low", "in_range", "high", "very_high"]
TIR_BAND_LABELS = {
    "very_low": "Zeer laag",
    "low": "Laag",
    "in_range": "In bereik",
    "high": "Hoog",
    "very_high": "Zeer hoog",
}


def build_tir_stacked_bar_figure(tir: dict, colors: dict) -> go.Figure:
    """Bouw de 5-bands tijd-in-bereik als één gestapelde staafgrafiek (gitea #14).

    Eén staaf, geen x-as-label, percentage op de y-as; van onder naar boven
    "Zeer laag" -> "Zeer hoog" — dezelfde volgorde als de klinische banden.
    """
    fig = go.Figure()
    for band in TIR_BAND_ORDER:
        fig.add_trace(
            go.Bar(
                x=[""],
                y=[tir[band]],
                name=TIR_BAND_LABELS[band],
                marker_color=colors[f"tir_{band}"],
                hovertemplate=f"{TIR_BAND_LABELS[band]}: %{{y:.0f}}%<extra></extra>",
            )
        )
    fig.update_layout(
        barmode="stack",
        paper_bgcolor="rgba(0,0,0,0)",
        plot_bgcolor="rgba(0,0,0,0)",
        font_color=colors["text"],
        height=140,
        margin={"l": 10, "r": 10, "t": 10, "b": 10},
        yaxis={"title": "%", "range": [0, 100], "gridcolor": colors["grid"]},
        xaxis={"visible": False},
        legend={"orientation": "h", "yanchor": "bottom", "y": 1.02, "xanchor": "left", "x": 0},
    )
    return fig


BOLUS_CATEGORY_LABELS = {
    "food": "Bolus (voeding)",
    "correction": "Bolus (correctie)",
    "smb": "SMB",
}
BOLUS_CATEGORY_COLOR_KEYS = {
    "food": "bolus_food",
    "correction": "bolus_correction",
    "smb": "bolus_smb",
}
# Tekenvolgorde van bolus-categorieën: SMB eerst (onderop, meestal talrijker en
# kleiner), voeding/correctie erbovenop (grotere, gelabelde stippen blijven
# zichtbaar in plaats van bedolven te raken onder de SMB-stippen).
BOLUS_CATEGORY_DRAW_ORDER = ["smb", "correction", "food"]


def add_basal_area_trace(
    fig: go.Figure,
    basal: pd.DataFrame,
    colors: dict,
    *,
    row: int | None = None,
    secondary_y: bool = False,
    x_col: str = "timestamp",
) -> None:
    """Basaal-insuline als semi-transparant stapvlak (line_shape='hv'), met alpha
    zodat onderliggende data zichtbaar blijft. Verwacht kolommen 'rate' en
    `x_col` (standaard 'timestamp'; de Dagoverzicht-pagina geeft hier 'hour'
    aan omdat elke dag daar op een gedeelde 0-24u-as staat i.p.v. echte
    datums — zie reporting.effective_basal_series). Bedoeld voor een
    secundaire y-as (E/uur past niet op de mmol/L-schaal van de glucoselijn).
    """
    if basal.empty:
        return
    kwargs: dict = {"row": row, "col": 1} if row is not None else {}
    if secondary_y:
        kwargs["secondary_y"] = True
    fig.add_trace(
        go.Scatter(
            x=basal[x_col],
            y=basal["rate"],
            mode="lines",
            line={"shape": "hv", "color": colors["basal"], "width": 1},
            fill="tozeroy",
            fillcolor=hex_to_rgba(colors["basal"], 0.3),
            opacity=0.8,
            name="Basaal",
            hovertemplate="%{y:.2f} E/uur<extra></extra>",
        ),
        **kwargs,
    )


def add_carb_bars_trace(
    fig: go.Figure,
    carbs: pd.DataFrame,
    colors: dict,
    *,
    row: int | None = None,
    secondary_y: bool = False,
    x_col: str = "timestamp",
) -> None:
    """Koolhydraten als staafjes op het moment van invoer. Verwacht kolommen
    'carbs' en `x_col` (zie add_basal_area_trace voor waarom dit configureerbaar
    is). Zelfde secundaire as als de basaal-area (allebei geen mmol/L-grootheid),
    met een eigen kleur en alpha zodat beide onderscheidbaar blijven."""
    if carbs.empty:
        return
    kwargs: dict = {"row": row, "col": 1} if row is not None else {}
    if secondary_y:
        kwargs["secondary_y"] = True
    fig.add_trace(
        go.Bar(
            x=carbs[x_col],
            y=carbs["carbs"],
            marker_color=colors["carbs"],
            opacity=0.55,
            name="Koolhydraten",
            hovertemplate="%{y:.0f} g<extra></extra>",
        ),
        **kwargs,
    )


def add_bolus_marker_traces(
    fig: go.Figure,
    bolus: pd.DataFrame,
    colors: dict,
    lane_y: float,
    *,
    row: int | None = None,
    x_col: str = "timestamp",
) -> None:
    """Eén Scatter-trace per boluscategorie (food/correction/smb), gepositioneerd
    op een vaste 'lane'-hoogte op de primaire (mmol/L-)as — net als de bestaande
    insuline/carbs-lanes op de Live-pagina. De hoogte zelf draagt geen
    kwantitatieve betekenis; de markergrootte (geschaald naar toegediende
    eenheden) en hoverwaarde wel. Voeding/correctie krijgen een tekstlabel met
    de dosis; SMB's niet (te talrijk/te klein voor leesbare labels). Verwacht
    kolommen 'insulin'/'category' en `x_col` (zie reporting.classify_bolus).
    """
    # Datumformattering in de hover werkt alleen op een echte datetime-as; de
    # Dagoverzicht-pagina geeft hier 'hour' (een kaal getal 0-24) aan, dus
    # daar laten we het tijdstip weg en toont de hover alleen de dosis.
    hover_prefix = "%{x|%d-%m %H:%M} · " if x_col == "timestamp" else ""
    kwargs: dict = {"row": row, "col": 1} if row is not None else {}
    for category in BOLUS_CATEGORY_DRAW_ORDER:
        subset = bolus[bolus["category"] == category] if not bolus.empty else bolus
        if subset.empty:
            continue
        show_label = category != "smb"
        fig.add_trace(
            go.Scatter(
                x=subset[x_col],
                y=[lane_y] * len(subset),
                mode="markers+text" if show_label else "markers",
                marker={
                    "size": (subset["insulin"] * 8).clip(lower=6, upper=30),
                    "color": colors[BOLUS_CATEGORY_COLOR_KEYS[category]],
                    "opacity": 0.75,
                },
                text=[f"{v:.1f}E" for v in subset["insulin"]] if show_label else None,
                textposition="top center",
                textfont={"size": 9, "color": colors["text"]},
                name=BOLUS_CATEGORY_LABELS[category],
                customdata=subset["insulin"],
                hovertemplate=f"{hover_prefix}%{{customdata:.2f}} E<extra></extra>",
            ),
            **kwargs,
        )


def add_target_line_trace(
    fig: go.Figure, target: pd.DataFrame, colors: dict, *, row: int | None = None, x_col: str = "timestamp"
) -> None:
    """Streefglucose uit het pompprofiel als lijn op de primaire (mmol/L-)as.
    Verwacht kolommen 'target' en `x_col` (zie reporting.target_glucose_series)."""
    if target.empty:
        return
    kwargs: dict = {"row": row, "col": 1} if row is not None else {}
    fig.add_trace(
        go.Scatter(
            x=target[x_col],
            y=target["target"],
            mode="lines",
            line={"shape": "hv", "color": colors["target"], "width": 1.5, "dash": "dashdot"},
            opacity=0.9,
            name="Streefwaarde (pomp)",
            hovertemplate="%{y:.1f} mmol/L<extra></extra>",
        ),
        **kwargs,
    )


def render_completeness_warning(glucose: pd.DataFrame, start: date, end: date) -> None:  # pragma: no cover
    """Toon reporting.completeness_warning()'s oordeel als st.warning, indien nodig.

    Gebruikt door elke rapportagepagina, direct na de load_range_data-call.
    De beoordelingslogica zelf staat in reporting.py (pure functie, wél volledig
    getest) zodat het PDF-rapport (pdf_export.py) exact dezelfde disclaimer kan
    hergebruiken. Deze functie is alleen de st.warning-weergave — buiten scope
    van de unit-testdekking net als pages/*.py.
    """
    message = completeness_warning(glucose, start, end)
    if message:
        st.warning(message)


def render_event_level(  # pragma: no cover
    glucose: pd.DataFrame,
    threshold: float,
    direction: str,
    level_name: str,
    period_days: int,
    colors: dict,
) -> None:
    """Render de metrics/tabel/tijdstip-histogram voor één hypo-/hyperniveau.

    Gedeeld tussen de Hypo Events- en Hyper Events-pagina's (FR5/FR6), die
    elk twee niveaus (Level 1/Level 2) op dezelfde manier tonen. Pure
    Streamlit-widget-weergave rond al-geteste reporting.detect_events()/
    summarize_events() — buiten scope van de unit-testdekking net als
    pages/*.py.
    """
    events = detect_events(glucose, threshold, direction)
    summary = summarize_events(events, period_days)

    st.subheader(level_name)
    cols = st.columns(4)
    cols[0].metric("Aantal events", summary["count"])
    cols[1].metric("Gem. duur", f"{summary['avg_duration_minutes']:.0f} min")
    cols[2].metric("Langste event", f"{summary['longest_duration_minutes']:.0f} min")
    cols[3].metric("Events/week", f"{summary['events_per_week']:.1f}")

    if events.empty:
        st.info("Geen events gevonden in deze periode.")
        return

    bar_color = colors["low"] if direction == "below" else colors["high"]
    hours = events["start"].dt.hour
    hour_counts = hours.value_counts().reindex(range(24), fill_value=0).sort_index()
    fig = go.Figure(go.Bar(x=list(hour_counts.index), y=hour_counts.to_numpy(), marker_color=bar_color))
    fig.update_layout(
        paper_bgcolor="rgba(0,0,0,0)",
        plot_bgcolor="rgba(0,0,0,0)",
        font_color=colors["text"],
        height=220,
        margin={"l": 10, "r": 10, "t": 10, "b": 10},
        xaxis={"title": "Uur van de dag", "dtick": 2, "gridcolor": colors["grid"]},
        yaxis={"title": "Aantal events", "gridcolor": colors["grid"]},
    )
    st.plotly_chart(fig, width="stretch")

    display = events.copy()
    display["start"] = display["start"].dt.strftime("%d-%m-%Y %H:%M")
    display["end"] = display["end"].dt.strftime("%d-%m-%Y %H:%M")
    display = display.rename(
        columns={"start": "Start", "end": "Einde", "duration_minutes": "Duur (min)"}
    )
    st.dataframe(display, width="stretch", hide_index=True)