import io
import logging
import re
from openpyxl import load_workbook

logger = logging.getLogger(__name__)


def extract_text_from_excel(content: bytes) -> str:
    """
    Извлекает текстовое содержимое из Excel файла (.xlsx).
    
    Проходит по всем строкам активного листа, собирает значения ячеек
    и формирует текстовую строку для передачи в LLM парсер.
    
    Args:
        content: Байтовое содержимое Excel файла
        
    Returns:
        Строка с текстовым представлением содержимого Excel файла
    """
    try:
        # Загружаем workbook из байтов, data_only=True берет значения, а не формулы
        wb = load_workbook(filename=io.BytesIO(content), data_only=True)
        sheet = wb.active
        
        lines = []
        for row in sheet.iter_rows(values_only=True):
            # Собираем непустые значения в строку через разделитель
            row_text = " | ".join([
                str(cell).strip() 
                for cell in row 
                if cell is not None and str(cell).strip() != ""
            ])
            # Простая эвристика: строка должна содержать хотя бы одну букву (кириллица/латиница) И хотя бы одну цифру.
            # Это отсеет пустые разделители и чистые заголовки.
            if row_text and re.search(r'[a-zA-Zа-яА-Я]', row_text) and re.search(r'\d', row_text):
                lines.append(row_text)
        
        result = "\n".join(lines)
        logger.info(f"Extracted {len(lines)} lines from Excel file")
        return result
        
    except Exception as e:
        logger.error(f"Error extracting text from Excel: {e}", exc_info=True)
        raise