import os
import requests
import xml.etree.ElementTree as ET
from datetime import datetime
from modules.logger import log_event

RAG_DIR = "/DATA/AppData/MULTI-IA-AETHAS38/RAG/Education_Nationale"

def maj_base_education():
    """Scrape le flux RSS du Bulletin Officiel en contournant les protections WAF."""
    os.makedirs(RAG_DIR, exist_ok=True)
    url_rss = "https://www.education.gouv.fr/bo/rss.xml"
    
    # En-têtes complets simulant une vraie navigation web humaine
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36",
        "Accept": "application/rss+xml,application/xml,text/xml;q=0.9,*/*;q=0.8",
        "Accept-Language": "fr-FR,fr;q=0.9,en-US;q=0.8,en;q=0.7",
        "Referer": "https://www.education.gouv.fr/bo/le-bulletin-officiel-de-l-education-nationale",
        "Sec-Ch-Ua": '"Chromium";v="122", "Not(A:Brand";v="24", "Google Chrome";v="122"',
        "Sec-Ch-Ua-Mobile": "?0",
        "Sec-Ch-Ua-Platform": '"Windows"',
        "Upgrade-Insecure-Requests": "1"
    }
    
    try:
        response = requests.get(url_rss, headers=headers, timeout=15)
        if response.status_code == 200:
            root = ET.fromstring(response.content)
            
            contenu_md = f"# Veille Pédagogique - Bulletin Officiel (B.O.)\n"
            contenu_md += f"*Date de mise à jour RAG : {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}*\n\n"
            
            for item in root.findall('.//item')[:20]:
                titre = item.find('title').text if item.find('title'] is not None else "Document sans titre"
                lien = item.find('link').text if item.find('link') is not None else "Aucun lien"
                desc = item.find('description').text if item.find('description') is not None else "Pas de résumé disponible."
                
                contenu_md += f"## {titre}\n"
                contenu_md += f"**Source officielle :** {lien}\n"
                contenu_md += f"> {desc}\n\n---\n"
                
            fichier_bo = os.path.join(RAG_DIR, "bulletin_officiel_recent.md")
            with open(fichier_bo, "w", encoding="utf-8") as f:
                f.write(contenu_md)
                
            log_event("INFO", "SCRAPER_EDU", "Base RAG Éducation (B.O.) mise à jour avec succès.")
        else:
            log_event("WARNING", "SCRAPER_EDU", f"Le site du ministère a retourné le code {response.status_code}.")
    except Exception as e:
        log_event("ERROR", "SCRAPER_EDU", f"Erreur lors de la MAJ de la base Éducation : {e}")

if __name__ == "__main__":
    # Permet de tester le script directement en ligne de commande : python modules/eduscol_scraper.py
    maj_base_education()