import os
import csv
import glob
import pandas as pd
import json

def merge_csv_files(output_file='merged_results.csv'):
    """合并当前目录下的所有 temp_results_*.csv 和 query_results.csv 文件"""
    print("🚀 开始合并 CSV 文件...")
    
    # 查找所有相关 CSV 文件
    csv_files = glob.glob('temp_results_*.csv')
    if os.path.exists('query_results.csv'):
        csv_files.append('query_results.csv')
    
    if not csv_files:
        print("⚠️ 未找到任何结果文件")
        return

    print(f"📋 找到 {len(csv_files)} 个文件: {csv_files}")

    all_data = []
    seen_vins = set()

    for file in csv_files:
        try:
            # 尝试使用 pandas 读取，处理编码问题
            try:
                df = pd.read_csv(file, encoding='utf-8-sig')
            except:
                df = pd.read_csv(file, encoding='gbk')
            
            # 标准化列名（处理之前版本可能存在的列名差异）
            # 假设现在的列是 ['VIN', '结果', '查询时间', '状态']
            # 旧的可能是 ['VIN', '单车在线时长', ...]
            
            for index, row in df.iterrows():
                vin = str(row.get('VIN', '')).strip().upper()
                if not vin or vin in seen_vins:
                    continue
                
                # 获取结果数据
                result = row.get('结果', row.get('单车在线时长', ''))
                
                # 尝试解析 JSON 结果
                parsed_data = {}
                is_json = False
                try:
                    if result and result.strip().startswith('{'):
                        parsed_data = json.loads(result)
                        is_json = True
                except:
                    pass
                
                # 基础信息
                entry = {
                    'VIN': vin,
                    '查询时间': row.get('查询时间', ''),
                    '状态': row.get('状态', ''),
                    '原始结果': result
                }
                
                # 如果是 JSON 数据，提取详细字段
                if is_json:
                    # 提取 intervalList 和 daysList
                    intervals = parsed_data.get('intervalList', [])
                    days = parsed_data.get('daysList', [])
                    
                    if len(intervals) == len(days):
                        for i, interval in enumerate(intervals):
                            entry[f'时长区间_{interval}'] = days[i]
                            
                    # 也可以提取 startTime 和 endTime
                    # entry['startTime'] = parsed_data.get('startTime', '')
                    # entry['endTime'] = parsed_data.get('endTime', '')
                
                all_data.append(entry)
                seen_vins.add(vin)
                
        except Exception as e:
            print(f"❌ 处理文件 {file} 出错: {e}")

    if not all_data:
        print("⚠️ 没有有效数据")
        return

    # 转换为 DataFrame
    result_df = pd.DataFrame(all_data)
    
    # 计算估算在线总时长
    # 映射规则：取区间下限作为估算值（'≤0.5'按0.5算，'>6'按6算，区间按平均值或下限算）
    # 用户需求是“至少在线时长”，所以我们统一使用区间下限
    # 区间列表: ['≤0.5', '(0.5,1]', '(1,2]', '(2,3]', '(3,4]', '(4,6]', '>6']
    # 对应权重: [0, 0.5, 1, 2, 3, 4, 6]  (≤0.5 算作 0，确保是“至少”)
    
    weight_map = {
        '时长区间_≤0.5': 0,
        '时长区间_(0.5,1]': 0.5,
        '时长区间_(1,2]': 1,
        '时长区间_(2,3]': 2,
        '时长区间_(3,4]': 3,
        '时长区间_(4,6]': 4,
        '时长区间_>6': 6
    }
    
    def calculate_min_duration(row):
        total_hours = 0
        for col, weight in weight_map.items():
            if col in row:
                try:
                    days = float(row[col])
                    if pd.notnull(days):
                        total_hours += days * weight
                except:
                    pass
        return total_hours

    # 只有当包含相关列时才计算
    if any(col in result_df.columns for col in weight_map.keys()):
        result_df['估算至少在线总时长(小时)'] = result_df.apply(calculate_min_duration, axis=1)
        print("✅ 已计算‘至少在线总时长’")

    # 调整列顺序
    # 优先显示的列
    first_cols = ['VIN', '估算至少在线总时长(小时)', '状态', '查询时间']
    # 动态生成的区间列
    interval_cols = [c for c in result_df.columns if c.startswith('时长区间_')]
    # 其他列
    other_cols = [c for c in result_df.columns if c not in first_cols and c not in interval_cols]
    
    final_cols = first_cols + interval_cols + other_cols
    result_df = result_df.reindex(columns=final_cols)

    # 导出
    result_df.to_csv(output_file, index=False, encoding='utf-8-sig')
    print(f"\n✅ 合并完成！结果已保存至: {output_file}")
    print(f"📊 总计合并数据: {len(result_df)} 条")

if __name__ == '__main__':
    # 检查 pandas 是否安装
    try:
        import pandas
        merge_csv_files()
    except ImportError:
        print("❌ 需要安装 pandas 库: pip install pandas")
        # 降级处理：使用标准库简单的合并（不解析JSON）
        print("⚠️ 降级模式：仅简单合并文件")
        # ... (简易合并逻辑可以省略，通常用户环境已有 pandas)