"""Registra o SHA-256 de todos os arquivos de entrada usados na análise e na validação.

Permite que outra pessoa confira se baixou exatamente os mesmos arquivos (o DATASUS e o
OpenDataSUS podem republicar versões corrigidas). Saída: resultados/hashes_entradas.csv

Uso: python registrar_hashes.py
"""
import hashlib

import pandas as pd

from config import ANOS, ANOS_VALIDACAO, BRUTOS, RESULTADOS, UFS


def sha256(caminho):
    h = hashlib.sha256()
    with open(caminho, "rb") as f:
        while bloco := f.read(1 << 20):
            h.update(bloco)
    return h.hexdigest()


def main():
    arquivos = [("principal", BRUTOS / "sim" / f"DO{uf}{ano}.dbc") for ano in ANOS for uf in UFS]
    arquivos += [("validacao", BRUTOS / "sim_csv" / f"Mortalidade_Geral_{ano}.csv") for ano in ANOS_VALIDACAO]
    arquivos += [("equivalencia", BRUTOS / "sim_csv" / "Mortalidade_Geral_2020.csv")]
    arquivos += [("fase1b_rhc", BRUTOS / "rhc" / f"rhc_{ano}.zip") for ano in range(2015, 2024)]
    arquivos += [("fase1b_rhc_com_sp", BRUTOS / "rhc" / f"rhc_sp_{ano}.zip") for ano in range(2015, 2024)]
    arquivos += [("fase2", p) for p in sorted((BRUTOS / "fase2").glob("*.json"))]
    arquivos += [("fase2b", p) for p in sorted((BRUTOS / "fase2b").glob("*.json"))]
    arquivos += [("fase2b_cnes_campos_extraidos", p) for p in sorted((BRUTOS / "fase2b").glob("cnes_*.csv"))]
    arquivos += [("fase1c_sim", BRUTOS / "sim" / f"DO{uf}{ano}.dbc") for ano in range(1996, 2015) for uf in UFS]
    arquivos += [("fase1c", p) for p in sorted((BRUTOS / "fase1c").glob("*.json"))]
    arquivos += [("fase1c_amc", BRUTOS / "fase1c" / "AMC_1991_2010_simplified.gpkg")]
    for nome, uso in [("populacao_censo2022.csv", "principal"), ("populacao_censo2010.csv", "validacao"),
                      ("populacao_estimativas_anuais.csv", "sensibilidade"), ("municipios.json", "principal"),
                      ("malha_municipios.geojson", "principal"), ("malha_ufs.geojson", "principal")]:
        arquivos.append((uso, BRUTOS / nome))
    linhas = [{"uso": uso, "arquivo": str(p.relative_to(BRUTOS)), "bytes": p.stat().st_size, "sha256": sha256(p)}
              for uso, p in arquivos if p.exists()]
    faltam = [str(p.relative_to(BRUTOS)) for _, p in arquivos if not p.exists()]
    df = pd.DataFrame(linhas)
    df.to_csv(RESULTADOS / "hashes_entradas.csv", index=False)
    print(df.groupby("uso").size().to_string())
    if faltam:
        print("Arquivos ausentes:", faltam)
    return df


if __name__ == "__main__":
    main()