import os
import re
import unicodedata
from pypdf import PdfReader
try:
    import pytesseract
    from pdf2image import convert_from_path
    from PIL import Image
    TESSERACT_PATH = r'C:\Users\User\AppData\Local\Programs\Tesseract-OCR\tesseract.exe'
    POPPLER_PATH = r'D:\이태훈\00크롬다운로드\poppler-25.12.0\Library\bin' 
    pytesseract.pytesseract.tesseract_cmd = TESSERACT_PATH
    OCR_AVAILABLE = True
except ImportError:
    OCR_AVAILABLE = False

def analyze_file_content(filename: str):
    file_path = os.path.join("sample", filename)
    if not os.path.exists(file_path):
        return {"error": "File not found"}
    
    log_steps = []
    content_parts = []
    
    # Layer 1: 제목 분석
    log_steps.append("1. 레이어: 파일 제목 분석 중...")
    title_text = filename.lower().replace(" ", "")
    
    # Layer 2: 텍스트 추출
    log_steps.append("2. 레이어: PDF 텍스트 엔진 가동...")
    try:
        if filename.lower().endswith(".pdf"):
            reader = PdfReader(file_path)
            text_extracted = ""
            for page in reader.pages[:5]:
                text = page.extract_text()
                if text: text_extracted += text + "\n"
            if text_extracted.strip():
                norm = unicodedata.normalize('NFC', text_extracted)
                content_parts.append(norm)
                log_steps.append(f"   - 텍스트 추출 성공 ({len(norm)}자)")
    except: pass

    # Layer 3: OCR 강제 실행
    log_steps.append("3. 레이어: OCR 이미지 스캔 강제 실행...")
    if OCR_AVAILABLE and os.path.exists(TESSERACT_PATH):
        try:
            images = convert_from_path(file_path, first_page=1, last_page=2, poppler_path=POPPLER_PATH)
            for i, img in enumerate(images):
                page_text = pytesseract.image_to_string(img, lang='kor+eng')
                norm_ocr = unicodedata.normalize('NFC', page_text)
                content_parts.append(norm_ocr)
            log_steps.append(f"   - OCR 정밀 분석 완료")
        except Exception as e:
            log_steps.append(f"   - OCR 오류: {str(e)[:20]}")

    full_content = "\n".join(content_parts)
    search_pool = (full_content + " " + filename).lower().replace(" ", "").replace("\n", "")
    
    result = {
        "suggested_path": "분석실패",
        "confidence": "Low",
        "log_steps": log_steps,
        "raw_text": full_content,
        "reason": "일치하는 키워드가 본문 및 제목에서 발견되지 않음"
    }

    # 정밀 분류 로직
    if "실정보고" in search_pool:
        if any(k in search_pool for k in ["어천", "공주"]):
            if "품질" in search_pool:
                result["suggested_path"] = "설계변경 > 실정보고(어천~공주) > 품질관리"
            elif any(k in search_pool for k in ["토지", "임대", "가설사무실"]):
                result["suggested_path"] = "설계변경 > 실정보고(어천~공주) > 기타"
            else:
                result["suggested_path"] = "설계변경 > 실정보고(어천~공주) > 기타"
            result["confidence"] = "100%"
            result["reason"] = "3중 레이어 합의를 통해 실정보고(어천-공주) 핵심 키워드 완벽 일치"
    
    elif "품질" in search_pool:
        result["suggested_path"] = "공사관리 > 품질 관리 > 품질시험계획서"
        result["confidence"] = "90%"
        result["reason"] = "품질 관리 지표 다수 식별"

    return result