import pandas as pd
import os
import urllib
from sqlalchemy import create_engine

# ==========================================
# 1. 全局配置 (Global Configuration)
# ==========================================

# 数据库连接信息
DB_CONFIG = {
    "server": "192.168.110.114",          # 你的服务器地址，例如: 192.168.1.100
    "database": "CompanyDB",     # 你的数据库名
    "username": "peng",               # 用户名
    "password": "Cqbld123456.",    # 密码
    "driver": "ODBC Driver 18 for SQL Server" # 确保已安装此驱动
}

# 目标表配置
TARGET_TABLE_NAME = "customerProductType"   # SQL Server 表名
TARGET_DB_SCHEMA = "warehouseOutbound"            # [关键] 这里指定架构，例如 'dbo' 或 'production'

# Excel 列名映射到 SQL 字段名的逻辑键 (用于后续代码逻辑引用)
# 这里的 value 必须与 SQL 数据库中的实际字段名完全一致
SQL_COL_YEAR = "合同年份"       # 数据库中存年份的字段名
SQL_COL_WORKSHOP = "车间号"     # 数据库中存车间号的字段名
SQL_COL_ORDER = "工令号"           # 数据库中存工令号的字段名
SQL_COL_MODEL = "客户型号"     # 数据库中存客户型号的字段名

# ==========================================
# 2. 迁移任务清单 (Migration Tasks)
# ==========================================
# 可以在这里添加任意数量的文件配置
MIGRATION_TASKS = [
    # --- 任务 1 ---
    {
        "file_path": r"\\192.168.110.113\生产执行卡\往年生产执行卡\生产执行卡2022.xlsm",  # Excel文件路径
        "year": 2022,                            # 该文件对应的合同年份
        "sheet_names": ["Sheet1"],    # 指定要迁移的工作表名称列表
        # 映射表: Excel列名 -> SQL字段名
        "mapping": {
            "车间号": SQL_COL_WORKSHOP,
            "工令号": SQL_COL_ORDER,
            "产品型号": SQL_COL_MODEL
            # 可以添加其他非关键字段...
        }
    },
    # --- 任务 2 ---
    {
        "file_path": r"\\192.168.110.113\生产执行卡\往年生产执行卡\生产执行卡2023（1-5月）.xlsm",
        "year": 2023,
        "sheet_names": ["Sheet1"],                 # 只迁移 "汇总" 表
        "mapping": {
            "车间号": SQL_COL_WORKSHOP,
            "工令号": SQL_COL_ORDER,
            "产品型号": SQL_COL_MODEL
        }
    }
]

# ==========================================
# 3. 核心逻辑
# ==========================================

def get_db_engine():
    params = urllib.parse.quote_plus(
        f"DRIVER={{{DB_CONFIG['driver']}}};"
        f"SERVER={DB_CONFIG['server']};"
        f"DATABASE={DB_CONFIG['database']};"
        f"UID={DB_CONFIG['username']};"
        f"PWD={DB_CONFIG['password']};"
        f"TrustServerCertificate=yes;"
    )
    # 使用 fast_executemany 提高写入速度
    return create_engine(f"mssql+pyodbc:///?odbc_connect={params}", fast_executemany=True)

def run_migration():
    engine = get_db_engine()
    print(f"连接数据库... [{TARGET_DB_SCHEMA}].[{TARGET_TABLE_NAME}]")

    for task in MIGRATION_TASKS:
        file_path = task['file_path']
        year_val = task['year']
        # mapping 的键(Key)是Excel列名，值(Value)是SQL列名
        mapping = task['mapping'] 
        
        if not os.path.exists(file_path):
            print(f"文件不存在: {file_path}")
            continue

        print(f"\n-------- 处理文件: {os.path.basename(file_path)} --------")
        
        try:
            # 读取 Excel
            xls_dict = pd.read_excel(file_path, sheet_name=task['sheet_names'])
            if not isinstance(xls_dict, dict):
                first_sheet = task['sheet_names'][0] if task['sheet_names'] else "Sheet1"
                xls_dict = {first_sheet: xls_dict}

            for sheet_name, df in xls_dict.items():
                if df.empty: continue
                
                # 1. 清洗表头：去除列名前后的空格 (防止 "车间 " 匹配不上 "车间")
                df.columns = df.columns.astype(str).str.strip()

                # 2. 【关键步骤】只筛选指定的源字段
                # 我们只提取 mapping 字典中 key 定义的列
                source_cols = list(mapping.keys())
                
                # 检查 Excel 里是否缺列
                missing_source = [c for c in source_cols if c not in df.columns]
                if missing_source:
                    print(f"  [跳过] 工作表 {sheet_name} 缺少源列: {missing_source}")
                    continue

                # 3. 提取数据并重命名
                # 先提取 -> 只有这几列
                df_subset = df[source_cols].copy()
                # 后重命名 -> 变成数据库的列名
                df_subset.rename(columns=mapping, inplace=True)
                
                # 4. 注入年份字段
                df_subset[SQL_COL_YEAR] = year_val

                # 此时 df_subset 的列名应该完全等于：SQL字段列表
                
                # 5. 数据清洗
                # 确保关键字段非空
                subset_keys = [SQL_COL_YEAR, SQL_COL_WORKSHOP, SQL_COL_ORDER]
                df_subset.dropna(subset=subset_keys, inplace=True)
                
                # 确保唯一性
                df_subset.drop_duplicates(subset=subset_keys, keep='first', inplace=True)
                
                if df_subset.empty:
                    print(f"  -> 工作表 {sheet_name} 清洗后无数据")
                    continue

                print(f"  -> 工作表 {sheet_name}: 准备写入 {len(df_subset)} 行...")

                # 6. 写入数据库
                try:
                    # 使用 engine.connect() 显式连接
                    with engine.connect() as conn:
                        df_subset.to_sql(
                            name=TARGET_TABLE_NAME,
                            schema=TARGET_DB_SCHEMA,
                            con=conn,
                            if_exists='append', # 追加模式
                            index=False,
                            chunksize=1000
                        )
                    print("  -> [成功] 写入完成")
                    
                except Exception as e:
                    print(f"  -> [写入错误] {e}")
                    # 如果报错，打印一下列名帮助排查
                    print(f"     当前DataFrame列名: {df_subset.columns.tolist()}")

        except Exception as e:
            print(f"  -> [文件处理异常] {e}")

if __name__ == "__main__":
    run_migration()