from flask import Flask, render_template, request, jsonify, url_for
import pandas as pd
import os
import logging
import numpy as np
from datetime import datetime

app = Flask(__name__, static_folder='static')
logging.basicConfig(level=logging.DEBUG)
logger = logging.getLogger(__name__)

# Version der Anwendung
VERSION = "1.0.1"

# Pfad zur CSV-Datei
CSV_FILE = "data/customers.csv"

def clean_dataframe(df):
    """Konvertiert NaN-Werte in None für JSON-Kompatibilität"""
    return df.replace({np.nan: None})

# CSV-Datei laden
def load_data():
    try:
        logger.info("Versuche CSV-Datei zu laden...")
        if not os.path.exists(CSV_FILE):
            logger.error(f"CSV-Datei '{CSV_FILE}' nicht gefunden!")
            return None
            
        df = pd.read_csv(CSV_FILE, encoding='utf-8')
        df = clean_dataframe(df)
        logger.info(f"CSV-Datei erfolgreich geladen. {len(df)} Einträge gefunden.")
        return df
    except Exception as e:
        logger.error(f"Fehler beim Laden der CSV-Datei: {str(e)}")
        return None

@app.route('/')
def index():
    return render_template('index.html')

@app.route('/search')
def search():
    try:
        # Suchparameter aus der URL holen
        name = request.args.get('name', '').strip()
        ort = request.args.get('ort', '').strip()
        kundennummer = request.args.get('kundennummer', '').strip()
        fachrichtung = request.args.get('fachrichtung', '').strip()
        telefon = request.args.get('telefon', '').strip()
        query = request.args.get('q', '').strip()

        # Wenn keine spezifischen Suchkriterien angegeben sind, aber eine allgemeine Suche
        if not any([name, ort, kundennummer, fachrichtung, telefon]) and query:
            # Suche in allen relevanten Feldern
            mask = (
                df['Vorname'].str.contains(query, case=False, na=False) |
                df['Nachname'].str.contains(query, case=False, na=False) |
                df['Ort'].str.contains(query, case=False, na=False) |
                df['Nummer'].astype(str).str.contains(query, case=False, na=False) |
                df['Fachrichtung'].str.contains(query, case=False, na=False) |
                df['Tel'].astype(str).str.contains(query, case=False, na=False)
            )
        else:
            # Spezifische Suche
            mask = pd.Series(True, index=df.index)
            
            if name:
                name_mask = (
                    df['Vorname'].str.contains(name, case=False, na=False) |
                    df['Nachname'].str.contains(name, case=False, na=False)
                )
                mask &= name_mask
            
            if ort:
                ort_mask = df['Ort'].str.contains(ort, case=False, na=False)
                mask &= ort_mask
            
            if kundennummer:
                kundennummer_mask = df['Nummer'].astype(str).str.contains(kundennummer, case=False, na=False)
                mask &= kundennummer_mask
            
            if fachrichtung:
                fachrichtung_mask = df['Fachrichtung'].str.contains(fachrichtung, case=False, na=False)
                mask &= fachrichtung_mask

            if telefon:
                telefon_mask = df['Tel'].astype(str).str.contains(telefon, case=False, na=False)
                mask &= telefon_mask
        
        results = df[mask].to_dict('records')
        logger.info(f"{len(results)} Ergebnisse gefunden")
        return jsonify(results)
    except Exception as e:
        logger.error(f"Fehler bei der Suche: {str(e)}")
        return jsonify({"error": str(e)}), 500

if __name__ == '__main__':
    app.run(debug=True)