import pdfplumber
import re
import pandas as pd
import matplotlib.pyplot as plt


archivos = ["enero-2024.pdf", "febrero-2024.pdf", "marzo-2024.pdf","abril-2024.pdf","junio-2024.pdf","julio-2024.pdf","agosto-2024.pdf","septiembre-2024.pdf","octubre-2024.pdf","noviembre-2024.pdf","diciembre-2024.pdf","enero-2025.pdf", "febrero-2025.pdf", "marzo-2025.pdf","abril-2025.pdf","junio-2025.pdf","julio-2025.pdf","agosto-2025.pdf","septiembre-2025.pdf","octubre-2025.pdf","noviembre-2025.pdf","diciembre-2025.pdf"]
     
datos = []

for archivo in archivos:
    with pdfplumber.open(archivo) as pdf:
        texto = " ".join([p.extract_text() for p in pdf.pages if p.extract_text()])
        #print(texto)

        # Patrones
        fecha = re.search(r"Fecha hasta *?(\d{2}-\d{2}-\d{4})", texto)
        consumo = re.search(r"Consumo.*?(\d+)\s*kWh", texto)
        total = re.search(r"VALOR TOTAL.*?\$?([\d,.]+)", texto)
        val_imp = re.search(r"TOTAL SE Y AP \(1\).*?\$?([\d,.]+)", texto)
        val_basura = re.search(r"TOTAL RECOLECCIÓN BASURA \(5\).*?\$?([\d,.]+)", texto)

        #print(fecha)
        for pagina in pdf.pages:
            tablas = pagina.extract_tables()
            for tabla in tablas:
                df_tabla = pd.DataFrame(tabla[1:], columns=tabla[0])
                
                # Buscar la fila específica
                fila = df_tabla[df_tabla.iloc[:,0].str.contains("Energía Facturada", case=False, na=False)]
                if not fila.empty:
                    consumo = fila["Consumo Total"].values[0]  # nombre exacto de la columna
                    datos.append({
                        "archivo": archivo,
                        "Fecha" : fecha.group(1) if fecha else None,
                        "KW Consumidos": consumo,
                        "Valor total": float(total.group(1).replace(",", "")) if total else None,
                        "Valor SE y AP": float(val_imp.group(1).replace(",", "")) if val_imp else None,
                        "Valor Basura" : float(val_basura.group(1).replace(",", "")) if val_basura else None
                    })

df = pd.DataFrame(datos)
print(df)

# Exportar a CSV
df.to_csv("consumo.csv", index=False)

# Exportar a JSON
df.to_json("consumo.json", orient="records", indent=4)

print("Datos exportados a consumo.csv y consumo.json")

# aqui grafica los resultados

# Cargar datos
df = pd.read_csv("consumo.csv")

# Convertir fechas
df["Fecha"] = pd.to_datetime(df["Fecha"], dayfirst=True)
df["anio"] = df["Fecha"].dt.year
df["mes"] = df["Fecha"].dt.month

# Identificar último año y anterior
ultimo_anio = df["anio"].max()
anterior_anio = ultimo_anio - 1

# Filtrar datos
df_ultimo = df[df["anio"] == ultimo_anio]
df_anterior = df[df["anio"] == anterior_anio]

# Graficar comparación
plt.figure(figsize=(10,6))
plt.plot(df_anterior["mes"], df_anterior["KW Consumidos"], marker="o", label=f"Año {anterior_anio}", color="red")
plt.plot(df_ultimo["mes"], df_ultimo["KW Consumidos"], marker="o", label=f"Año {ultimo_anio}", color="blue")


# etiquetas a los valores

for x, y in zip(df_anterior["mes"], df_anterior["Valor total"]):
    plt.text(x, y+5, str(y), color="red", ha="center", fontsize=8)

for x, y in zip(df_ultimo["mes"], df_ultimo["Valor total"]):
    plt.text(x, y+5, str(y), color="blue", ha="center", fontsize=8)

plt.title("Comparación de consumo eléctrico entre dos años")
plt.xlabel("Mes")
plt.ylabel("Consumo Total (kWh)")
plt.xticks(range(1,13))
plt.legend()
plt.grid(True)
plt.tight_layout()
plt.show()