jogos <- jogos_brutos |>
  rename(nome = Name, plataforma = Platform, ano = Year_of_Release,
         genero = Genre, publicadora = Publisher,
         vendas_na = NA_Sales, vendas_eu = EU_Sales, vendas_jp = JP_Sales,
         vendas_outros = Other_Sales, vendas_global = Global_Sales,
         nota_critica = Critic_Score, n_criticos = Critic_Count,
         nota_usuario = User_Score, n_usuarios = User_Count,
         desenvolvedora = Developer, classificacao = Rating)

jogos <- jogos |>
  mutate(
    ano          = as.integer(na_if(ano, "N/A")),
    nota_usuario = as.numeric(na_if(nota_usuario, "tbd")),
    publicadora  = publicadora |> na_if("N/A") |> na_if("Unknown")
  )

# Nenhum ano ou nota válidos devem ter virado NA na conversão
stopifnot(sum(is.na(jogos$ano)) == sum(jogos_brutos$Year_of_Release == "N/A"))

jogos |>
  filter(!is.na(nome)) |>
  group_by(nome, plataforma, ano) |>
  filter(n() > 1) |>
  select(nome, plataforma, ano, vendas_global) |>
  kbl(caption = "Registro duplicado") |>
  kable_styling(full_width = FALSE)

jogos <- jogos |>
  filter(!is.na(nome)) |>
  arrange(desc(vendas_global)) |>
  distinct(nome, plataforma, ano, .keep_all = TRUE)

jogos <- jogos |> filter(!is.na(ano), ano <= 2016)

traducao_generos <- c(
  "Action" = "Ação", "Sports" = "Esportes", "Shooter" = "Tiro",
  "Role-Playing" = "RPG", "Platform" = "Plataforma", "Misc" = "Diversos",
  "Racing" = "Corrida", "Fighting" = "Luta", "Simulation" = "Simulação",
  "Puzzle" = "Quebra-cabeça", "Adventure" = "Aventura", "Strategy" = "Estratégia"
)

jogos <- jogos |>
  mutate(
    genero = factor(traducao_generos[genero]),
    classificacao = classificacao |>
      fct_recode(E = "K-A") |>
      fct_other(keep = c("E", "E10+", "T", "M"), other_level = "Outras") |>
      fct_relevel("E", "E10+", "T", "M", "Outras")
  )

jogos <- jogos |> mutate(nota_usuario_100 = nota_usuario * 10)

chave_plataformas <- tribble(
  ~sigla, ~pagina_wiki,
  "2600", "Atari_2600",            "NES",  "Nintendo_Entertainment_System",
  "SNES", "Super_Nintendo_Entertainment_System",
  "GEN",  "Sega_Genesis",          "NG",   "Neo_Geo_(system)",
  "TG16", "TurboGrafx-16",         "SCD",  "Sega_CD",
  "GB",   "Game_Boy",              "GG",   "Game_Gear",
  "PS",   "PlayStation_(console)", "N64",  "Nintendo_64",
  "SAT",  "Sega_Saturn",           "3DO",  "3DO_Interactive_Multiplayer",
  "PCFX", "PC-FX",                 "WS",   "WonderSwan",
  "PS2",  "PlayStation_2",         "XB",   "Xbox_(console)",
  "GC",   "GameCube",              "DC",   "Dreamcast",
  "GBA",  "Game_Boy_Advance",      "PS3",  "PlayStation_3",
  "X360", "Xbox_360",              "Wii",  "Wii",
  "DS",   "Nintendo_DS",           "PSP",  "PlayStation_Portable",
  "PS4",  "PlayStation_4",         "XOne", "Xbox_One",
  "WiiU", "Wii_U",                 "3DS",  "Nintendo_3DS",
  "PSV",  "PlayStation_Vita"
)

# Lê o infobox de uma página da Wikipédia e devolve os campos de interesse
raspar_infobox <- function(pagina) {
  endereco <- paste0("https://en.wikipedia.org/wiki/", pagina)
  conexao  <- url(endereco, headers = c("User-Agent" = "Projeto academico CPAD (R/rvest)"))
  html     <- read_html(conexao)

  linhas  <- html |> html_element("table.infobox") |> html_elements("tr")
  rotulos <- linhas |> html_element("th") |> html_text2()
  valores <- linhas |> html_element("td") |> html_text2()

  campo <- function(termo) {
    i <- which(str_detect(rotulos, regex(paste0("^", termo), ignore_case = TRUE)))
    if (length(i) == 0) NA_character_ else valores[i[1]]
  }

  tibble(pagina_wiki = pagina, fabricante_txt = campo("Manufacturer"),
         tipo_txt = campo("Type"), geracao_txt = campo("Generation"),
         lancamento_txt = campo("Release"))
}

# Converte o texto do infobox em variáveis limpas
ordinais <- c(first = 1, second = 2, third = 3, fourth = 4, fifth = 5,
              sixth = 6, seventh = 7, eighth = 8, ninth = 9)

limpar_infobox <- function(bruto) {
  bruto |>
    mutate(
      geracao = unname(ordinais[str_extract(str_to_lower(geracao_txt),
                                            paste(names(ordinais), collapse = "|"))]),
      tipo = if_else(str_detect(tipo_txt, regex("handheld", ignore_case = TRUE)),
                     "Portátil", "Mesa"),
      ano_lancamento = as.integer(str_extract(lancamento_txt, "(19|20)\\d{2}")),
      fabricante = case_when(
        str_detect(fabricante_txt, "Sony")      ~ "Sony",
        str_detect(fabricante_txt, "Nintendo")  ~ "Nintendo",
        str_detect(fabricante_txt, "Microsoft") ~ "Microsoft",
        str_detect(fabricante_txt, "Sega")      ~ "Sega",
        str_detect(fabricante_txt, "Atari")     ~ "Atari",
        str_detect(fabricante_txt, "SNK")       ~ "SNK",
        str_detect(fabricante_txt, "NEC")       ~ "NEC",
        str_detect(fabricante_txt, "Bandai")    ~ "Bandai",
        str_detect(fabricante_txt, "Panasonic") ~ "Panasonic",
        TRUE ~ word(fabricante_txt, 1)
      )
    )
}

caminho_backup <- "dados/plataformas.csv"

# Tenta raspar; se a internet ou a página falhar, usa o backup salvo
plataformas <- tryCatch({
  bruto <- bind_rows(lapply(chave_plataformas$pagina_wiki, function(p) {
    Sys.sleep(0.3)   # pausa curta entre requisições
    raspar_infobox(p)
  }))
  raspado <- chave_plataformas |>
    left_join(limpar_infobox(bruto), by = "pagina_wiki") |>
    mutate(nome_plataforma = pagina_wiki |> str_replace_all("_", " ") |>
             str_remove(" \\(.*\\)")) |>
    select(sigla, nome_plataforma, fabricante, geracao, tipo, ano_lancamento) |>
    add_row(sigla = "PC", nome_plataforma = "Computador pessoal",
            fabricante = "PC", geracao = NA, tipo = "PC", ano_lancamento = NA)
  write_csv(raspado, caminho_backup)
  raspado
}, error = function(e) {
  message("Raspagem falhou (", conditionMessage(e), "). Usando o backup.")
  read_csv(caminho_backup, show_col_types = FALSE)
})

# Alguma sigla da base ficou sem correspondência?
sem_par <- jogos |> anti_join(plataformas, by = c("plataforma" = "sigla")) |> nrow()

jogos <- jogos |> left_join(plataformas, by = c("plataforma" = "sigla"))

plataformas |>
  arrange(geracao, fabricante) |>
  datatable(rownames = FALSE,
            colnames = c("Sigla", "Plataforma", "Fabricante", "Geração", "Tipo", "Lançamento"),
            options = list(pageLength = 8, dom = "tp", language = dt_pt))

comparacao <- genero_regiao |>
  filter(regiao %in% c("América do Norte", "Japão")) |>
  select(-vendas) |>
  pivot_wider(names_from = regiao, values_from = part) |>
  rename(na = `América do Norte`, jp = `Japão`) |>
  mutate(destacar = genero %in% c("RPG", "Tiro"),
         genero = fct_reorder(genero, jp))

ggplot(comparacao, aes(y = genero)) +
  geom_segment(aes(x = na, xend = jp, yend = genero, color = destacar), linewidth = 1.4) +
  geom_point(aes(x = na), size = 3.5, color = "grey45") +
  geom_point(aes(x = jp), size = 3.5, color = destaque) +
  scale_color_manual(values = c(`FALSE` = "grey85", `TRUE` = "#E8A39C"), guide = "none") +
  annotate("text", x = part("RPG", "Japão"), y = "RPG", label = "  Japão",
           hjust = 0, color = destaque, fontface = "bold") +
  annotate("text", x = part("RPG", "América do Norte"), y = "RPG",
           label = "América do Norte  ", hjust = 1, color = "grey35", fontface = "bold") +
  scale_x_continuous(labels = pct, expand = expansion(mult = c(0.02, 0.12))) +
  labs(title = paste0("No Japão, RPG vende ",
                      br(part("RPG", "Japão") / part("RPG", "América do Norte"), 0.1),
                      "× mais que na América do Norte"),
       subtitle = "Participação de cada gênero nas vendas da região",
       x = "% das vendas da região", y = NULL) +
  tema

ordem <- genero_regiao |> filter(regiao == "América do Norte") |> arrange(part) |> pull(genero)

g <- genero_regiao |>
  mutate(genero = factor(genero, levels = ordem)) |>
  ggplot(aes(regiao, genero, fill = part,
             text = paste0("<b>", genero, " · ", regiao, "</b><br>",
                           pct(part, 0.1), " das vendas da região<br>",
                           br(vendas, 0.1), " mi de unidades"))) +
  geom_tile(color = "white") +
  geom_text(aes(label = pct(part)), size = 3.5) +
  scale_fill_gradient(low = "#F1F5FB", high = azul, labels = pct) +
  labs(title = "Participação de cada gênero nas vendas de cada região",
       x = NULL, y = NULL, fill = "% da região") +
  tema + theme(panel.grid = element_blank())

ggplotly(g, tooltip = "text")

ggplot(por_faixa, aes(faixa_nota, mediana, fill = faixa_nota == "90+")) +
  geom_col(width = 0.65) +
  geom_text(aes(label = paste0(br(mediana * 1000), " mil")), vjust = -0.5, size = 4.2) +
  scale_fill_manual(values = c(`FALSE` = cinza, `TRUE` = azul), guide = "none") +
  scale_y_continuous(labels = label_number(scale = 1000, suffix = " mil", big.mark = "."),
                     expand = expansion(mult = c(0, 0.12))) +
  labs(title = paste0("Jogos nota 90+ vendem ", round(razao), "× mais que os de nota abaixo de 50"),
       subtitle = "Vendas medianas por faixa de nota da crítica (jogos de 2000 a 2016)",
       x = "Nota da crítica (Metacritic)", y = "Vendas medianas") +
  tema

g <- ggplot(jogos_avaliados,
            aes(nota_critica, vendas_global,
                text = paste0("<b>", nome, "</b> (", plataforma, ", ", ano, ")<br>",
                              "Nota: ", nota_critica, "<br>Vendas: ",
                              br(vendas_global, 0.01), " mi"))) +
  geom_point(alpha = 0.35, color = azul, size = 1.4) +
  scale_y_log10(labels = label_number(suffix = " mi", accuracy = 0.01)) +
  labs(title = "Cada ponto é um jogo: passe o mouse para ver qual",
       x = "Nota da crítica", y = "Vendas globais (escala log)") +
  tema

ggplotly(g, tooltip = "text")

jogos_avaliados |>
  filter(nota_critica < 70) |>
  slice_max(vendas_global, n = 8) |>
  transmute(Jogo = nome, Plataforma = plataforma, `Nota da crítica` = nota_critica,
            `Vendas (mi)` = vendas_global) |>
  kbl(caption = "Os maiores sucessos com nota abaixo de 70") |>
  kable_styling(bootstrap_options = c("striped", "condensed"), full_width = FALSE)

dif_ano <- jogos_avaliados |> group_by(ano) |> summarise(dif = mean(dif_notas))

ggplot(dif_ano, aes(ano, dif)) +
  annotate("rect", xmin = -Inf, xmax = Inf, ymin = 0, ymax = Inf, fill = destaque, alpha = 0.06) +
  annotate("rect", xmin = -Inf, xmax = Inf, ymin = -Inf, ymax = 0, fill = azul, alpha = 0.06) +
  geom_hline(yintercept = 0, color = "grey40") +
  geom_line(linewidth = 1.3, color = "grey20") +
  geom_point(aes(color = dif > 0), size = 3) +
  scale_color_manual(values = c(`FALSE` = azul, `TRUE` = destaque), guide = "none") +
  annotate("text", x = 2000.2, y = 5.3, hjust = 0, color = destaque, fontface = "bold",
           label = "Crítica avalia MELHOR que o público") +
  annotate("text", x = 2016, y = -5.6, hjust = 1, color = azul, fontface = "bold",
           label = "Público avalia MELHOR que a crítica") +
  scale_x_continuous(breaks = seq(2000, 2016, 2)) +
  labs(title = "Desde 2010, crítica e público estão cada vez mais distantes",
       subtitle = "Diferença média entre a nota da crítica e a do usuário (ambas de 0 a 100)",
       x = NULL, y = "Crítica − público (pontos)") +
  tema

dif_genero <- jogos_avaliados |>
  group_by(genero) |>
  summarise(dif = mean(dif_notas)) |>
  mutate(genero = fct_reorder(genero, dif))

ggplot(dif_genero, aes(dif, genero, fill = dif > 0)) +
  geom_col(width = 0.7) +
  geom_vline(xintercept = 0, color = "grey40") +
  scale_fill_manual(values = c(`FALSE` = azul, `TRUE` = destaque), guide = "none") +
  labs(title = "Em Esportes, a crítica gosta bem mais que o público",
       subtitle = "Diferença média crítica − público, por gênero (pontos)",
       x = "Crítica − público (pontos)", y = NULL) +
  tema