"""清洗规则：单元格清理、数值+单位拆分、年代解析、状态/国别规范化。

对应任务 T-1.2（清洗）。所有函数均为纯函数，便于单元测试（T-1.2 UT）。
"""
import re

# 占位/空值标记
_EMPTY_MARKERS = {"", "-", "——", "—", "/", "N/A", "n/a", "无", "未知"}


def clean_cell(value) -> str:
    """清理单元格：去换行、压缩空白、trim。返回字符串。"""
    if value is None:
        return ""
    s = str(value).replace("\n", "").replace("\r", "")
    s = s.replace("\u3000", " ")
    s = re.sub(r"\s+", " ", s).strip()
    return s


def is_empty(value) -> bool:
    """判断是否为空/占位值。"""
    return clean_cell(value) in _EMPTY_MARKERS


# 匹配前导数字（含小数、千分位、负号），后跟可选单位
_NUM_RE = re.compile(r"-?\d+(?:\.\d+)?")


def parse_value_unit(raw, default_unit: str = ""):
    """从形如 '400km/h（试验）'、'17t'、'2×92(100)'、'126.0'、'——'
    中拆出 (数值: float|None, 单位: str, 原文: str)。

    规则：取第一个出现的数值作为主数值；单位优先取 default_unit，
    否则尝试从数值后紧跟的字母/单位片段提取；无数值则返回 (None, '', 原文)。
    """
    text = clean_cell(raw)
    if text in _EMPTY_MARKERS:
        return None, "", text
    m = _NUM_RE.search(text)
    if not m:
        return None, "", text
    value = float(m.group())
    unit = default_unit
    if not unit:
        # 取数值之后紧邻的单位片段（字母 / 常见单位字符）
        rest = text[m.end():]
        um = re.match(r"\s*([A-Za-z%/·³²]+(?:/[A-Za-z]+)?)", rest)
        if um:
            unit = um.group(1)
    return value, unit, text


def parse_year(raw):
    """解析年份：'1971 年'、'2006'、'2007-12-22 00:00:00' -> int|None。"""
    text = clean_cell(raw)
    if text in _EMPTY_MARKERS:
        return None
    m = re.search(r"(1[89]\d{2}|20\d{2})", text)
    return int(m.group(1)) if m else None


def normalize_status(raw) -> str:
    """把自由文本状态规范到枚举之一。"""
    text = clean_cell(raw)
    if not text:
        return "未知"
    mapping = [
        ("半封存", "半封存"),
        ("封存", "封存"),
        ("现役", "现役"),
        ("在役", "现役"),
        ("退役", "退役"),
        ("淘汰", "退役"),
        ("报废", "报废"),
        ("保存", "保存"),
        ("试验", "试验"),
        ("样车", "试验"),
    ]
    for kw, val in mapping:
        if kw in text:
            return val
    return "未知"


# 国别属性的简单启发式推断（默认国产；后续众包修订可覆盖）
_IMPORT_HINTS = ["进口", "苏联", "罗马尼亚", "法国", "日本", "德国", "美国", "捷克"]


def infer_country_type(*texts) -> str:
    blob = " ".join(clean_cell(t) for t in texts)
    if "合资" in blob:
        return "中外合资"
    if "仿制" in blob or "引进" in blob:
        return "引进仿制"
    for h in _IMPORT_HINTS:
        if h in blob:
            return "进口"
    return "国产"


def forward_fill(values):
    """对一列做向前填充（处理合并单元格被拆空的 系列 列）。"""
    out, last = [], ""
    for v in values:
        c = clean_cell(v)
        if c:
            last = c
        out.append(last)
    return out