'''
Created on 30 feb. 2054

@author: Emilio y Celia
'''

import urllib.request
import sys
import regex as re #pip install regex

def procesa(bionet, linea):
    #print(linea)

    er_linea = re.compile(r'([A-Z][A-Za-z0-9]+) (?:\([A-Z][A-Za-z0-9]+\))? +([ATCGRYMKSWBDHVN^]+)') #(\([A-Z]\p{L}+\))? reconoce el nombre del porototipo
    resul = er_linea.fullmatch(linea)
    #lista = linea.split() #split no se puede usar en esta  practica. Trocea la linea y la devuelve en una lista

    if resul:
        nombre = resul.group(1)
        #print('Nombre de la enzima:', nombre)

        er =  resul.group(2).replace('^', '').replace('R','[AG]' ).replace('Y','[CT]').replace('M','[AC]' ).replace('K','[GT]').replace('S','[CG]' ).replace('W','[AT]').replace('B','[CGT]' ).replace('D','[AGT]').replace('H','[ACT]').replace('V','[ACG]').replace('N','[ACGT]')
        #aquí ha reemplazado todas las letras por las secuencias ACGT
        #print('ER:', er)

        mapa = []  #mapa de dianas
        diana = resul.group(2).find('^')
        if diana == -1:
            mapa.append(0)
        else:
            mapa.append(diana)

        #print('Mapa de dianas:', mapa)

    #Introducir esta información en un diccionario
        bionet[nombre] = {'er': er, 'cortes': mapa} #hay que modificar la linea para que haga su funcion. crea una nueva clave del diccionario con un nombre y le pone la er y su mapa

    return bionet


if __name__ == '__main__':
    print('==============')
    print('Cargando bionet...')

    bionet = {}  #nuevo diccionario vacio

    try :
        url = 'http://rebase.neb.com/rebase/link_bionet'
        link = urllib.request.urlopen(url)
        print('Carga finalizada')
        print('--------------')

        for linea in link :
            linea = linea.decode().strip()
            bionet = procesa(bionet, linea)

    except IOError:
        print (' link_bionet no disponible ', file=sys.stderr)

    #gen = input('Introduce un gen: '); NO FUNCIONA EL INPUT EN MI ORDENADOR
    try :
        gen = 'C.AalSMS7ORF2591P'
        url = 'http://rebase.neb.com/cgi-bin/reb_collseq.pl?seqtype=d&enzlist=' + gen
        link = urllib.request.urlopen(url) #implementar para cuando la URL no sea válida.
        nlinea = 1
        cadena = ''
        for linea in link:
            if nlinea == 1:
                if linea.decode().strip()=="No results to print...":
                    cadena += linea.decode().strip()
                    break
            if nlinea == 2:
                er_linea = re.compile(r'(\d+)\snt') #nucleotidos
                resul = er_linea.search(linea.decode().strip())
                print('--------------', resul.group(1), 'nucleótidos')

            if nlinea >= 4 and nlinea%2 == 0:
                cadena += linea.decode().replace(' ','').replace('\n','') #a partir de la linea 4 y solo las lineas pares, convierte espacios en espacio vacío.
            nlinea+=1
        print(cadena)#esta es la secuencia del gen

    except IOError:
        print (' La cadena introducida es vacía ', file=sys.stderr)



#-----------------------------------------------------------------------------
    #enzima = input('Introduce una enzima de reconocimiento: '); #pide una cadena al usuario de enzimas NO FUNCIONA EL INPUT

    enzima = 'AaaI'
    array = []

    if enzima.strip() != '': #si no es vacía

        er = bionet[enzima]['er']
        if  enzima in bionet: #si la enzima está en el diccionario
            for it in re.compile(er).finditer(cadena): #se hace un iterador de matches a la cadena que contiene el gen
                array.append(it.start()+ bionet[enzima]['cortes'][0])  #suma la posición del mapa a la posicion del comienzo del match del iterador
        else: #si no está la enzima en el diccionario
                for it in re.compile(enzima).finditer(cadena): #cadena que contiene el gen
                    array.append(it.start())  #comienzo del match del iterador

        if array == []:
            print ('No existen coincidencias de la enzima #', enzima, '# en el gen "', gen, '"')
        else:
            print(enzima, '#', array) #muestra dónde corta la enzima