"""Юнит-тесты парсера CORE — чистая логика, без сети.

Стерегут то, ради чего парсер и написан иначе, чем остальные: отбор статей с
полным текстом, отсев дублей CORE (одна статья под разными id) и позицию
продолжения "год:смещение" — из-за неё выборка режется по годам.
"""

from core import MIN_CHARS, COREParser

LONG = "слово " * 400        # заведомо длиннее MIN_CHARS

SAMPLE = {
    "id": 123456,
    "title": "Нейронные сети в медицине",
    "authors": [{"name": "Кузьмин, Ярослав Вадимович"}, {"name": "Савенок А."}],
    "doi": "10.1234/x",
    "yearPublished": 2019,
    "language": {"code": "ru"},
    "journals": [{"title": "Вестник"}],
    "downloadUrl": "https://core.ac.uk/download/1.pdf",
    "abstract": "Аннотация",
    "fullText": LONG,
    "resume_token": "2019:100",
}


def test_parse_token():
    assert COREParser._parse_token("2019:4200") == (2019, 4200)
    assert COREParser._parse_token(None) == (None, 0)
    assert COREParser._parse_token("мусор") == (None, 0)
    assert COREParser._parse_token("год:смещение") == (None, 0)


def test_transform_maps_fields():
    t = COREParser().transform(SAMPLE)
    assert t["ext_id"] == "core:123456"
    assert t["source"] == "core"
    assert t["year"] == 2019 and t["lang"] == "ru"
    assert t["journal"] == "Вестник"
    assert t["text"] == LONG
    assert t["resume_token"] == "2019:100"
    # Автор приходит одной строкой "Фамилия, Имя Отчество"
    assert t["authors"][0]["last_name"] == "Кузьмин"
    assert t["authors"][0]["initials"] == "Я.В."


def test_transform_skips_short_text():
    assert COREParser().transform(dict(SAMPLE, fullText="коротко")) == {}
    assert COREParser().transform(dict(SAMPLE, fullText=None)) == {}
    assert COREParser().transform(dict(SAMPLE, id=None)) == {}


def test_transform_drops_undefined_language():
    # zz у CORE значит «язык не определён» — в корпус такое класть незачем
    assert COREParser().transform(dict(SAMPLE, language={"code": "zz"}))["lang"] is None
    assert COREParser().transform(dict(SAMPLE, language=None))["lang"] is None


def _parser_with_pages(pages):
    """Парсер, у которого выдача подменена заранее заготовленными страницами."""
    p = COREParser(api_key="test")
    calls = []

    def fake_page(query, year, offset):
        calls.append((year, offset))
        return pages.pop(0) if pages else []

    p._page = fake_page       # type: ignore[method-assign]
    p.calls = calls           # type: ignore[attr-defined]
    return p


def test_fetch_drops_core_duplicates():
    # Одна и та же статья под разными id — CORE так отдаёт всегда
    page = [
        {"id": 1, "fullText": LONG},
        {"id": 2, "fullText": LONG},
        {"id": 3, "fullText": LONG + "иное"},
        {"id": 4, "fullText": "коротко"},
    ]
    p = _parser_with_pages([page])
    got = list(p.fetch(limit=10, year_from=2019, year_to=2019))
    assert [w["id"] for w in got] == [1, 3]


def test_fetch_position_points_at_own_page():
    # Токен обязан указывать на страницу, откуда пришла статья: пачка может
    # прерваться на середине, и следующий прогон перечитает её целиком
    pages = [[{"id": 1, "fullText": LONG}], [{"id": 2, "fullText": LONG + "два"}]]
    p = _parser_with_pages(pages)
    got = list(p.fetch(limit=10, year_from=2019, year_to=2019))
    assert [w["resume_token"] for w in got] == ["2019:0", "2019:100"]


def test_fetch_walks_years_down_and_resumes():
    p = _parser_with_pages([[], []])
    list(p.fetch(limit=10, year_from=2018, year_to=2019, resume_token="2019:300"))
    # Начали с года из токена и его смещения, пустой год — переход к следующему
    assert p.calls == [(2019, 300), (2018, 0)]


def test_fetch_ignores_token_of_unknown_year():
    p = _parser_with_pages([[]])
    list(p.fetch(limit=10, year_from=2019, year_to=2019, resume_token="1800:500"))
    assert p.calls == [(2019, 0)]


def test_min_chars_threshold_is_meaningful():
    assert MIN_CHARS >= 1000