# -*- coding: utf-8 -*-
"""Parsers de documentos (item 1: planilha, documentos, PDF) com degradação
graciosa: dependências opcionais (pypdf, openpyxl) e saída de texto limpa.

Todas as funções retornam str (vazio quando não suportado) e nunca lançam
exceção para entrada malformada — violações de contrato são reportadas pelo
chamador quando o texto vazio viola expectativa.
"""
from __future__ import annotations

import csv
import io
import os


def texto_de_pdf(caminho: str) -> str:
    try:
        from pypdf import PdfReader
    except ImportError:
        return ""
    try:
        leitor = PdfReader(caminho)
        return "\n".join((p.extract_text() or "") for p in leitor.pages).strip()
    except Exception:
        return ""


def texto_de_planilha(caminho: str) -> str:
    """CSV/XLSX → texto linear por linhas (células separadas por ' | ')."""
    ext = os.path.splitext(caminho)[1].lower()
    try:
        if ext == ".csv":
            with open(caminho, "r", encoding="utf-8", errors="replace", newline="") as f:
                return "\n".join(" | ".join(linha) for linha in csv.reader(f)).strip()
        if ext == ".xlsx":
            try:
                from openpyxl import load_workbook
            except ImportError:
                return ""
            wb = load_workbook(caminho, read_only=True, data_only=True)
            linhas = []
            for ws in wb.worksheets:
                for row in ws.iter_rows(values_only=True):
                    if row:
                        linhas.append(" | ".join("" if c is None else str(c) for c in row))
            return "\n".join(linhas).strip()
    except Exception:
        return ""
    return ""


def texto_de_docx(caminho: str) -> str:
    try:
        from docx import Document  # python-docx
        doc = Document(caminho)
        return "\n".join(p.text for p in doc.paragraphs if p.text.strip()).strip()
    except ImportError:
        return ""
    except Exception:
        return ""


def texto_de_arquivo(caminho: str) -> str:
    ext = os.path.splitext(caminho)[1].lower()
    if ext == ".pdf":
        return texto_de_pdf(caminho)
    if ext in (".csv", ".xlsx", ".xls", ".tsv"):
        return texto_de_planilha(caminho)
    if ext == ".docx":
        return texto_de_docx(caminho)
    try:
        with open(caminho, "r", encoding="utf-8", errors="replace") as f:
            return f.read().strip()
    except Exception:
        return ""