import re
import pandas as pd
from typing import List, Dict

class MKBPIIDetector:
    """Eenvoudige PII detector voor MKB data governance"""
    
    def __init__(self):
        # Nederlandse PII patronen
        self.patterns = {
            'bsn': r'\b[0-9]{9}\b',  # BSN nummer
            'iban': r'\bNL[0-9]{2}[A-Z]{4}[0-9]{10}\b',  # IBAN
            'email': r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b',
            'phone_nl': r'\b(?:0|\(\+31\))[1-9][0-9]{8}\b',  # Nederlandse telefoon
            'postcode_nl': r'\b[1-9][0-9]{3}\s?[A-Z]{2}\b',  # Nederlandse postcode
            'kvk': r'\b[0-9]{8}\b',  # KVK nummer
            'btw': r'\bNL[0-9]{9}B[0-9]{2}\b',  # BTW nummer
        }
        
        # Data classificatie niveaus
        self.classification_levels = {
            'public': ['bedrijfsnaam', 'website'],
            'internal': ['interne_codes', 'afdelingscodes'],
            'confidential': ['omzet', 'marges', 'klant_aantal'],
            'secret': ['wachtwoorden', 'api_keys', 'persoonsgegevens']
        }
    
    def scan_dataframe(self, df: pd.DataFrame) -> Dict:
        """Scan een DataFrame voor PII data"""
        results = {
            'pii_columns': [],
            'sensitive_data_found': False,
            'recommendations': []
        }
        
        for column in df.columns:
            column_data = df[column].astype(str)
            column_results = self._scan_column(column, column_data)
            
            if column_results['contains_pii']:
                results['pii_columns'].append({
                    'column': column,
                    'pii_types': column_results['pii_types'],
                    'sample_values': column_results['sample_values'][:3]  # Laat 3 voorbeelden zien
                })
                results['sensitive_data_found'] = True
        
        # Genereer aanbevelingen
        if results['sensitive_data_found']:
            results['recommendations'] = self._generate_recommendations(results['pii_columns'])
        
        return results
    
    def _scan_column(self, column_name: str, column_data: pd.Series) -> Dict:
        """Scan individuele kolom voor PII"""
        results = {
            'contains_pii': False,
            'pii_types': [],
            'sample_values': []
        }
        
        # Check column name hints
        column_name_lower = column_name.lower()
        pii_keywords = ['bsn', 'iban', 'email', 'telefoon', 'phone', 'mobiel', 
                       'adres', 'postcode', 'geboortedatum', 'naam', 'achternaam']
        
        # Als kolomnaam PII suggereert, markeer als verdacht
        if any(keyword in column_name_lower for keyword in pii_keywords):
            results['pii_types'].append('suspicious_column_name')
        
        # Scan eerste 1000 rijen voor patronen
        sample_size = min(1000, len(column_data))
        sample_data = column_data.head(sample_size)
        
        for pii_type, pattern in self.patterns.items():
            matches = sample_data.str.contains(pattern, na=False)
            if matches.any():
                results['contains_pii'] = True
                results['pii_types'].append(pii_type)
                # Bewaar voorbeeld waarden
                matching_values = sample_data[matches].unique()[:5]
                results['sample_values'].extend(matching_values)
        
        return results
    
    def _generate_recommendations(self, pii_columns: List[Dict]) -> List[str]:
        """Genereer aanbevelingen gebaseerd op gevonden PII"""
        recommendations = []
        
        for pii_col in pii_columns:
            col_name = pii_col['column']
            pii_types = pii_col['pii_types']
            
            if 'bsn' in pii_types:
                recommendations.append(f"Kolom '{col_name}' bevat BSN nummers. Overweeg: "
                                      "1) Versleuteling, 2) Masking, 3) Pseudonimisatie")
            elif 'iban' in pii_types:
                recommendations.append(f"Kolom '{col_name}' bevat IBAN nummers. "
                                      "Vereist extra beveiliging volgens PSD2 richtlijnen.")
            elif 'email' in pii_types:
                recommendations.append(f"Kolom '{col_name}' bevat e-mailadressen. "
                                      "Zorg voor toestemming volgens GDPR.")
        
        # Algemene aanbevelingen
        if pii_columns:
            recommendations.append("Overweeg data masking voor ontwikkel- en testomgevingen")
            recommendations.append("Implementeer access controls (RBAC) voor gevoelige data")
            recommendations.append("Documenteer data flows voor GDPR compliance")
            recommendations.append("Zorg voor logging van toegang tot gevoelige data")
        
        return recommendations
    
    def classify_data(self, data_description: str, contains_pii: bool) -> str:
        """Classificeer data gebaseerd op beschrijving en PII status"""
        if contains_pii:
            return 'secret'
        elif any(keyword in data_description.lower() for keyword in ['financieel', 'omzet', 'marge', 'kosten']):
            return 'confidential'
        elif any(keyword in data_description.lower() for keyword in ['intern', 'werkwijze', 'proces']):
            return 'internal'
        else:
            return 'public'
    
    def generate_gdpr_report(self, scan_results: Dict) -> str:
        """Genereer GDPR compliance rapport"""
        report = []
        report.append("=== GDPR COMPLIANCE RAPPORT ===")
        report.append(f"Datum scan: {pd.Timestamp.now().strftime('%d-%m-%Y %H:%M')}")
        report.append(f"Aantal gescande kolommen: {len(scan_results.get('pii_columns', []))}")
        report.append("")
        
        if scan_results['sensitive_data_found']:
            report.append("⚠️  PII DATA GEVONDEN ⚠️")
            report.append("")
            
            for pii_col in scan_results['pii_columns']:
                report.append(f"Kolom: {pii_col['column']}")
                report.append(f"PII types: {', '.join(pii_col['pii_types'])}")
                report.append(f"Voorbeelden: {pii_col['sample_values']}")
                report.append("")
            
            report.append("=== AANBEVELINGEN ===")
            for rec in scan_results['recommendations']:
                report.append(f"• {rec}")
        else:
            report.append("✅ Geen PII data gevonden")
        
        return "\n".join(report)

# Praktisch gebruik voor MKB
if __name__ == "__main__":
    # Laad MKB data (bijv. van Excel)
    df = pd.read_excel('mkb_klantdata.xlsx')
    
    # Initialiseer detector
    detector = MKBPIIDetector()
    
    # Scan data voor PII
    results = detector.scan_dataframe(df)
    
    # Genereer rapport
    report = detector.generate_gdpr_report(results)
    
    # Sla rapport op
    with open('gdpr_compliance_rapport.txt', 'w') as f:
        f.write(report)
    
    print("GDPR scan voltooid. Rapport gegenereerd.")
    print("\nSamenvatting:")
    print(f"Gevonden PII kolommen: {len(results['pii_columns'])}")
    print(f"Aanbevelingen: {len(results['recommendations'])}")