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:
        # Spezifische Suchparameter
        name = request.args.get('name', '').lower()
        ort = request.args.get('ort', '').lower()
        kundennummer = request.args.get('kundennummer', '').lower()
        fachrichtung = request.args.get('fachrichtung', '').lower()
        
        # Allgemeine Suche (für die alte Funktionalität)
        query = request.args.get('q', '').lower()
        
        logger.info(f"Suche nach - Name: {name}, Ort: {ort}, Kundennummer: {kundennummer}, Fachrichtung: {fachrichtung}, Query: {query}")
        
        df = load_data()
        if df is None:
            return jsonify({"error": "Datenbank konnte nicht geladen werden"}), 500
        
        # Basis-Mask (immer True)
        mask = pd.Series(True, index=df.index)
        
        # Spezifische Suchkriterien anwenden
        if name:
            name_mask = (
                df['Vorname'].str.lower().str.contains(name, na=False) |
                df['Nachname'].str.lower().str.contains(name, na=False)
            )
            mask &= name_mask
            
        if ort:
            ort_mask = df['Ort'].str.lower().str.contains(ort, na=False)
            mask &= ort_mask
            
        if kundennummer:
            kunden_mask = df['Nummer'].astype(str).str.contains(kundennummer, na=False)
            mask &= kunden_mask
            
        if fachrichtung:
            fach_mask = df['Fachrichtung'].str.lower().str.contains(fachrichtung, na=False)
            mask &= fach_mask
            
        # Wenn eine allgemeine Suche vorhanden ist, diese zusätzlich anwenden
        if query:
            query_mask = (
                df['Vorname'].str.lower().str.contains(query, na=False) |
                df['Nachname'].str.lower().str.contains(query, na=False) |
                df['Fachrichtung'].str.lower().str.contains(query, na=False) |
                df['Ort'].str.lower().str.contains(query, na=False) |
                df['Nummer'].astype(str).str.contains(query, na=False)
            )
            mask &= query_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)