"""Dziedzina wejścia funkcji liczącej domy — klasy równoważności i wartości brzegowe.

Liczenie cuspów traktujemy jako FUNKCJĘ trzech parametrów: (RAMC, ε, φ). ε nie jest
niezależne — wynika z daty, więc realnymi parametrami są (data, φ) plus RAMC, który
zależy od czasu gwiazdowego i długości geograficznej.

Zakres dat programu: 370 p.n.e. – 2270 n.e. (rok astronomiczny -369 … 2270).

PUŁAPKA, o którą łatwo się potknąć: granica dziedziny dla Placidusa i Kocha —
koło podbiegunowe — NIE jest stałą 66,56°. Zależy od ε, a ε zmienia się z datą.
W zakresie programu przesuwa się o ~0,3°. Wartości brzegowe MUSZĄ więc być liczone
per data, inaczej testy brzegowe celują obok granicy.
"""
from __future__ import annotations

import random
from dataclasses import dataclass

# Zakres dat programu jako dni juliańskie (rok astronomiczny: 370 p.n.e. = -369).
# Wyznacza go jądro efemeryd de421, którego używa silnik. Większe jądro (de441,
# ~13 000 lat) jest DECYZJĄ ODŁOŻONĄ — świadomie „nice to have", nie „must":
# rozszerza wyłącznie zakres dat, a nie poprawność czegokolwiek w obecnym
# zakresie. Gdy kiedyś dojdzie, tu jest jedno miejsce do zmiany — i wtedy
# wartości brzegowe (ε, koło podbiegunowe) trzeba przeliczyć dla nowych krańców.
JD_MIN = 1_566_839.5      # -369-01-01
JD_MAX = 2_695_000.5      # ~2270-12-31
JD_J2000 = 2_451_545.0    # punkt odniesienia — środek dziedziny

# Systemy oparte na łuku dobowym: tracą definicję za kołem podbiegunowym.
DIURNAL_ARC_SYSTEMS = frozenset({"placidus", "koch"})

# Systemy, w których NASZA dziedzina jest WĘŻSZA niż wyroczni — świadomie, nie przez
# rozjazd. Topocentric: swisseph zwraca powyżej koła podbiegunowego cuspy, które nie
# dzielą okręgu (domy nachodzą na siebie), i sam sobie tam przeczy — swe_house_pos
# nie zgadza się z jego własnymi cuspami. Wolimy odmówić niż podać liczbę bez
# znaczenia, więc harness ma tego NIE zgłaszać jako niezgodności dziedziny.
NARROWER_THAN_ORACLE = frozenset({"topocentric"})

# Jak blisko granicy stawiamy wartości brzegowe (po obu stronach).
EPSILON_NUDGE = 0.01


@dataclass(frozen=True)
class Case:
    """Pojedynczy zestaw danych wejściowych + skąd się wziął (do raportu)."""
    ramc: float
    lat: float
    jd: float
    label: str          # "brzeg: równik" / "wnętrze" / "losowy" — grupowanie w raporcie

    def key(self) -> str:
        return f"ramc={self.ramc:.4f} lat={self.lat:.4f} jd={self.jd:.1f}"


def obliquity(jd: float) -> float:
    """ε dla daty — z NASZEJ implementacji, żeby granice liczyć tak samo jak silnik."""
    from app.engine.houses import mean_obliquity

    return mean_obliquity(jd)


def polar_circle(jd: float) -> float:
    from app.engine.houses import polar_circle as pc

    return pc(obliquity(jd))


def in_domain(system: str, lat: float, jd: float) -> bool:
    """Czy zestaw należy do dziedziny danego systemu.

    Poza dziedziną są wyłącznie systemy łuku dobowego powyżej koła podbiegunowego
    (i same bieguny, gdzie degeneruje się cała geometria)."""
    if abs(lat) >= 90.0:
        return False
    if system in DIURNAL_ARC_SYSTEMS or system in NARROWER_THAN_ORACLE:
        return abs(lat) < polar_circle(jd)
    return True


# ── wartości brzegowe ────────────────────────────────────────────────────

def _boundary_lats(jd: float) -> list[tuple[float, str]]:
    """Szerokości brzegowe DLA DANEJ DATY (koło podbiegunowe zależy od ε)."""
    pc = polar_circle(jd)
    out: list[tuple[float, str]] = [
        (0.0, "brzeg: równik"),
        (pc - EPSILON_NUDGE, "brzeg: tuż POD kołem podbieg."),
        (pc + EPSILON_NUDGE, "brzeg: tuż ZA kołem podbieg."),
        (-(pc - EPSILON_NUDGE), "brzeg: tuż pod kołem (płd.)"),
        (-(pc + EPSILON_NUDGE), "brzeg: tuż za kołem (płd.)"),
        (89.9, "brzeg: prawie biegun N"),
        (-89.9, "brzeg: prawie biegun S"),
    ]
    return out


def _boundary_ramcs() -> list[tuple[float, str]]:
    """RAMC na krańcach i w punktach kardynalnych — tam wzory mają osobliwości."""
    return [
        (0.0, "brzeg: RAMC 0°"),
        (90.0, "brzeg: RAMC 90°"),
        (180.0, "brzeg: RAMC 180°"),
        (270.0, "brzeg: RAMC 270°"),
        (359.99, "brzeg: RAMC ~360°"),
    ]


def _boundary_jds() -> list[tuple[float, str]]:
    return [
        (JD_MIN, "brzeg: początek zakresu dat"),
        (JD_J2000, "środek zakresu (J2000)"),
        (JD_MAX, "brzeg: koniec zakresu dat"),
    ]


def boundary_cases() -> list[Case]:
    """Iloczyn wartości brzegowych — pełne pokrycie kombinacji granicznych."""
    out: list[Case] = []
    for jd, jl in _boundary_jds():
        for lat, ll in _boundary_lats(jd):
            for ramc, rl in _boundary_ramcs():
                out.append(Case(ramc, lat, jd, f"{ll} | {rl} | {jl}"))
    return out


def interior_cases(count: int, seed: int = 0) -> list[Case]:
    """Tyle samo przypadków z WNĘTRZA klas równoważności, ile brzegowych.

    Deterministyczne przy danym ziarnie — ten sam build daje ten sam zestaw.
    """
    rnd = random.Random(seed)
    out: list[Case] = []
    for _ in range(count):
        jd = rnd.uniform(JD_MIN, JD_MAX)
        pc = polar_circle(jd)
        # wnętrze = z dala od granic, żeby nie dublować przypadków brzegowych
        lat = rnd.uniform(-pc + 1.0, pc - 1.0)
        out.append(Case(rnd.uniform(0.0, 360.0), lat, jd, "wnętrze"))
    return out


def random_cases(count: int, seed: int) -> list[Case]:
    """Wielki losowy przemiał — CAŁA dziedzina, także za kołem podbiegunowym.

    Ziarno jest wymagane i raportowane: losowy test, którego nie da się odtworzyć,
    jest bezużyteczny, bo czerwień raz na tydzień nie daje się zdiagnozować.
    """
    rnd = random.Random(seed)
    return [
        Case(rnd.uniform(0.0, 360.0), rnd.uniform(-89.9, 89.9),
             rnd.uniform(JD_MIN, JD_MAX), "losowy")
        for _ in range(count)
    ]