import os
import pandas as pd
from pathlib import Path
import logging

from typing import List, Optional, Union, Dict, Any
from langchain_core.documents import Document
from langchain_community.document_loaders.base import BaseLoader

logger = logging.getLogger(__name__)

class ExcelLoader(BaseLoader):
    """
    用于加载 Excel 文件（.xls/.xlsx）的 Loader。
    使用 pandas 解析所有工作表，并将非空单元格内容展平为按逗号分隔的文段。
    """
    def __init__(
        self,
        file_path: Union[str, Path],
        *,
        metadata: Optional[Dict[str, Any]] = None
    ):
        """
        Args:
            file_path: Excel 文件路径，支持 .xls 和 .xlsx
            metadata: 附加的文档级元数据
        """
        self.file_path = str(file_path)
        self.metadata = metadata or {}

        suffix = Path(self.file_path).suffix.lower()
        if suffix not in (".xls", ".xlsx"):
            raise ValueError(f"ExcelLoader 仅支持 .xls/.xlsx 文件: {self.file_path}")
        if not os.path.isfile(self.file_path):
            raise FileNotFoundError(f"文件不存在: {self.file_path}")

    def load(self) -> List[Document]:
        """
        读取 Excel 中的所有工作表，返回每个表格中所有非空单元格按逗号分隔的 Document 列表。
        """
        try:
            # sheet_name=None 返回 dict: {sheet_name: DataFrame}
            sheets: Dict[str, pd.DataFrame] = pd.read_excel(
                self.file_path,
                sheet_name=None
            )
        except Exception as e:
            logger.error(f"读取 Excel 文件失败: {self.file_path}", exc_info=True)
            raise RuntimeError(f"无法加载 Excel 文件: {e}") from e

        documents: List[Document] = []
        for sheet_name, df in sheets.items():
            segments: List[str] = []
            # 遍历所有单元格
            for row in df.itertuples(index=False, name=None):
                for cell in row:
                    if pd.isna(cell):
                        continue
                    text = str(cell).strip()
                    if text:
                        segments.append(text)
            # 用英文逗号分隔所有文段
            content = ",".join(segments)
            md: Dict[str, Any] = {
                "source": self.file_path,
                "sheet_name": sheet_name,
                **self.metadata
            }
            documents.append(Document(page_content=content, metadata=md))

        return documents