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 = []
    
    # Layer 1: 제목 분석 (Quick)
    log_steps.append("1. 레이어: 파일 제목(Title) 스캔 중...")
    title_text = filename.lower().replace(" ", "")
    
    # Layer 2: 텍스트 추출 (Fast)
    log_steps.append("2. 레이어: PDF 텍스트 엔진(Extraction) 가동...")
    text_content = ""
    try:
        if filename.lower().endswith(".pdf"):
            reader = PdfReader(file_path)
            for page in reader.pages[:5]: # 전체가 아닌 핵심 페이지 위주
                page_txt = page.extract_text()
                if page_txt: text_content += page_txt + "\n"
        text_content = unicodedata.normalize('NFC', text_content)
        log_steps.append(f"   - 텍스트 데이터 확보 완료 ({len(text_content)}자)")
    except:
        log_steps.append("   - 텍스트 추출 실패")

    # Layer 3: OCR 정밀 분석 (Deep)
    log_steps.append("3. 레이어: OCR 이미지 스캔(Vision) 강제 실행...")
    ocr_content = ""
    if OCR_AVAILABLE and os.path.exists(TESSERACT_PATH):
        try:
            # 상징적인 첫 페이지 위주 OCR (성능과 정확도 타협)
            images = convert_from_path(file_path, first_page=1, last_page=2, poppler_path=POPPLER_PATH)
            for i, img in enumerate(images):
                page_ocr = pytesseract.image_to_string(img, lang='kor+eng')
                ocr_content += unicodedata.normalize('NFC', page_ocr) + "\n"
            log_steps.append(f"   - OCR 스캔 완료 ({len(ocr_content)}자)")
        except Exception as e:
            log_steps.append(f"   - OCR 오류: {str(e)[:20]}")
    
    # 3중 레이어 데이터 통합
    full_pool = (title_text + " | " + text_content + " | " + ocr_content).lower().replace(" ", "").replace("\n", "")
    
    # 분석 초기화
    result = {
        "suggested_path": "분석실패",
        "confidence": "Low",
        "log_steps": log_steps,
        "raw_text": f"--- TITLE ---\n{filename}\n\n--- TEXT ---\n{text_content[:1000]}\n\n--- OCR ---\n{ocr_content[:1000]}",
        "reason": "학습된 키워드 일치 항목 없음"
    }

    # 최종 추천 로직 (합의 알고리즘)
    is_eocheon = any(k in full_pool for k in ["어천", "공주"])
    
    if "실정보고" in full_pool or "실정" in full_pool:
        if is_eocheon:
            if "품질" in full_pool:
                result["suggested_path"] = "설계변경 > 실정보고(어천~공주) > 품질관리"
                result["reason"] = "3중 레이어 분석: 실정보고+어천공주+품질관리 키워드 통합 검출"
            elif any(k in full_pool for k in ["토지", "임대"]):
                result["suggested_path"] = "설계변경 > 실정보고(어천~공주) > 기타"
                result["reason"] = "3중 레이어 분석: 토지임대 관련 실정보고(어천-공주) 확인"
            else:
                result["suggested_path"] = "설계변경 > 실정보고(어천~공주) > 기타"
                result["reason"] = "3중 레이어 분석: 실정보고(어천-공주) 문서 판정"
            result["confidence"] = "100%"
        else:
            result["suggested_path"] = "설계변경 > 실정보고(어천~공주) > 기타" # 폴백
            result["confidence"] = "80%"
            result["reason"] = "실정보고 키워드는 발견되었으나 프로젝트명 교차 검증 실패 (기본값 제안)"

    elif "품질" in full_pool:
        result["suggested_path"] = "공사관리 > 품질 관리 > 품질시험계획서"
        result["confidence"] = "90%"
        result["reason"] = "텍스트/OCR 레이어에서 품질 관리 지표 다수 식별"

    return result