import hashlib
from datetime import datetime
import logging
import newspaper
from newspaper import Config
from concurrent.futures import ThreadPoolExecutor, as_completed

def _process_individual_article(article_url, config):
    """
    Función auxiliar que descarga y procesa un solo artículo.
    Está diseñada para ser ejecutada en un hilo separado.
    """
    try:
        # Es crucial crear un nuevo objeto Article dentro de cada hilo.
        article = newspaper.Article(article_url, config=config)
        article.download()
        
        # Un artículo necesita ser parseado para tener título, texto, etc.
        article.parse()

        # Si no se pudo obtener título o texto, no es un artículo válido.
        if not article.title or not article.text:
            return None

        # El método nlp() es necesario para el resumen.
        article.nlp()
        return article
    except Exception:
        # Ignoramos errores en artículos individuales (p.ej., enlaces rotos, etc.)
        return None

def process_newspaper_url(source_name, url, categoria_id, pais_id, idioma='es'):
    """
    Explora la URL de un periódico, extrae los artículos que encuentra
    en paralelo y devuelve una lista de noticias listas para la base de datos.
    """
    logging.info(f"Iniciando el scrapeo en paralelo de la fuente: {url} (idioma: {idioma})")
    
    todas_las_noticias = []
    
    try:
        config = Config()
        config.browser_user_agent = 'RssApp/1.0 (Scraper)'
        config.request_timeout = 15 # Timeout más corto para artículos individuales.
        config.memoize_articles = False # No guardar en caché para obtener siempre lo último.
        
        # Usamos el idioma proporcionado para mejorar la extracción
        source = newspaper.build(url, config=config, language=idioma)
        
        # Limitar el número de artículos para no sobrecargar el servidor.
        articles_to_process = source.articles[:25]
        
        logging.info(f"Fuente construida. Procesando {len(articles_to_process)} artículos en paralelo...")

        # Usamos un ThreadPoolExecutor para procesar los artículos concurrentemente.
        with ThreadPoolExecutor(max_workers=10) as executor:
            # Creamos un futuro para cada URL de artículo.
            future_to_article = {executor.submit(_process_individual_article, article.url, config): article for article in articles_to_process}
            
            for future in as_completed(future_to_article):
                processed_article = future.result()
                
                # Si el artículo se procesó correctamente, lo añadimos a la lista.
                if processed_article:
                    noticia_id = hashlib.md5(processed_article.url.encode()).hexdigest()
                    
                    if processed_article.summary:
                        resumen = processed_article.summary
                    else:
                        # Fallback a un extracto del texto si no hay resumen.
                        resumen = (processed_article.text[:400] + '...') if len(processed_article.text) > 400 else processed_article.text

                    fecha = processed_article.publish_date if processed_article.publish_date else datetime.now()
                    
                    # --- LÍNEA CLAVE ---
                    # Añadimos 'source_name' a la tupla de datos
                    todas_las_noticias.append((
                        noticia_id,
                        processed_article.title,
                        resumen,
                        processed_article.url,
                        fecha,
                        processed_article.top_image or '',
                        source_name,
                        categoria_id,
                        pais_id
                    ))

        if not todas_las_noticias:
            return [], "No se encontraron artículos válidos en la URL proporcionada."
            
        return todas_las_noticias, f"Se procesaron {len(todas_las_noticias)} noticias con éxito."

    except Exception as e:
        logging.error(f"Excepción al construir la fuente desde '{url}': {e}", exc_info=True)
        return [], f"Error al explorar la URL principal: {e}"