import asyncio
import io
from typing import Union

import fitz
from config.model_settings import CROP_MODE, MODEL_PATH, PROMPT
from fastapi import UploadFile
from PIL import Image
from process.image_process import DeepseekOCRProcessor
from vllm import AsyncLLMEngine, SamplingParams
from vllm.engine.arg_utils import AsyncEngineArgs
from vllm.model_executor.models.registry import ModelRegistry

from services.deepseek_ocr import DeepseekOCRForCausalLM

# --------------------------------------------------------------------------
# 1. 모델 및 프로세서 초기화
# --------------------------------------------------------------------------

# VLLM이 커스텀 모델을 인식하도록 등록
ModelRegistry.register_model("DeepseekOCRForCausalLM", DeepseekOCRForCausalLM)

# VLLM 비동기 엔진 설정
engine_args = AsyncEngineArgs(
    model=MODEL_PATH,
    hf_overrides={"architectures": ["DeepseekOCRForCausalLM"]},
    block_size=256,
    max_model_len=8192,
    enforce_eager=False,
    trust_remote_code=True,
    tensor_parallel_size=1,
    gpu_memory_utilization=0.75,
)
engine = AsyncLLMEngine.from_engine_args(engine_args)

# 샘플링 파라미터 설정
sampling_params = SamplingParams(
    temperature=0.0,
    max_tokens=8192,
    skip_special_tokens=False,
)

# 이미지 전처리기
processor = DeepseekOCRProcessor()

# --------------------------------------------------------------------------
# 2. 핵심 처리 함수
# --------------------------------------------------------------------------

async def _process_single_image(image: Image.Image) -> str:
    """단일 PIL 이미지를 받아 OCR을 수행하고 텍스트를 반환합니다."""
    if "<image>" not in PROMPT:
        raise ValueError("프롬프트에 '<image>' 토큰이 없어 OCR을 수행할 수 없습니다.")

    image_features = processor.tokenize_with_images(
        images=[image], bos=True, eos=True, cropping=CROP_MODE
    )

    request = {"prompt": PROMPT, "multi_modal_data": {"image": image_features}}
    request_id = f"request-{asyncio.get_running_loop().time()}"

    final_output = ""
    async for request_output in engine.generate(request, sampling_params, request_id):
        if request_output.outputs:
            final_output = request_output.outputs[0].text

    return final_output

def _pdf_to_images(pdf_bytes: bytes, dpi=144) -> list[Image.Image]:
    """PDF 바이트를 받아 페이지별 PIL 이미지 리스트를 반환합니다."""
    images = []
    pdf_document = fitz.open(stream=pdf_bytes, filetype="pdf")
    zoom = dpi / 72.0
    matrix = fitz.Matrix(zoom, zoom)

    for page_num in range(pdf_document.page_count):
        page = pdf_document[page_num]
        pixmap = page.get_pixmap(matrix=matrix, alpha=False)
        img_data = pixmap.tobytes("png")
        img = Image.open(io.BytesIO(img_data))
        images.append(img)

    pdf_document.close()
    return images

async def process_document(file_bytes: bytes, content_type: str, filename: str) -> dict:
    """
    업로드된 파일(이미지 또는 PDF)을 처리하여 OCR 결과를 반환합니다.
    """
    if content_type.startswith("image/"):
        try:
            image = Image.open(io.BytesIO(file_bytes)).convert("RGB")
        except Exception as e:
            raise ValueError(f"이미지 파일을 여는 데 실패했습니다: {e}")

        result_text = await _process_single_image(image)
        return {"filename": filename, "text": result_text}

    elif content_type == "application/pdf":
        try:
            images = _pdf_to_images(file_bytes)
        except Exception as e:
            raise ValueError(f"PDF 파일을 처리하는 데 실패했습니다: {e}")

        # 각 페이지를 비동기적으로 처리
        tasks = [_process_single_image(img) for img in images]
        page_results = await asyncio.gather(*tasks)

        # 페이지 구분자를 넣어 전체 텍스트 합치기
        full_text = "\n<--- Page Split --->\n".join(page_results)
        return {"filename": filename, "text": full_text, "page_count": len(images)}

    else:
        raise ValueError(
            f"지원하지 않는 파일 형식입니다: {content_type}. "
            "이미지(JPEG, PNG 등) 또는 PDF 파일을 업로드해주세요."
        )