"""公告页内容提取工具。

流程：
1. 打开公告页，取 `#page-content` 的正文文字与图片地址；
2. 通过 `.wx_follow_avatar` 单独提取 Logo 地址；
3. 正文图片下载成字节流；
4. 每张图片 OCR 提取文字；
5. 每张图片检测二维码，有则解出内容；
6. 返回合并后的公告文本与 Logo 地址。

图片下载、OCR、二维码识别都允许失败，单张出错只记日志并跳过。
"""

from __future__ import annotations

from dataclasses import dataclass

from app.core.logger import log
from app.tool.browser import close_page, open_page, query
from app.tool.cv import has_qr
from app.tool.image_download import download_image
from app.tool.ocr import ocr
from app.tool.qr_decode import decode_qr


@dataclass
class PageExtractResult:
    """公告页提取结果。"""

    content: str
    """正文 + 图片 OCR + 二维码内容合并后的文本"""

    logo_url: str | None
    """公众号 Logo 图片地址"""

# 正文容器选择器
_SELECTOR = "#page-content"

# 底部公众号信息区域中的 Logo 容器选择器
_LOGO_SELECTOR = "#js_article_bottom_bar .wx_follow_avatar"

# 打开页面后的等待时间（毫秒），等懒加载图片就位
_WAIT_MS = 3000


def extract_page(url: str) -> PageExtractResult:
    """提取公告页的全部文字信息和 Logo 地址。

    Args:
        url: 公告页地址。

    Returns:
        PageExtractResult 对象，包含 content 和 logo_url。
    """
    if not url or not url.startswith("http"):
        return PageExtractResult(content="", logo_url=None)

    page_id: str | None = None
    try:
        page_id = open_page(url, _WAIT_MS)
        nodes = query(page_id, _SELECTOR)
        logo_nodes = query(page_id, _LOGO_SELECTOR)
    except Exception as exc:
        log.error(f"公告页打开失败: {url} | {exc}")
        return PageExtractResult(content="", logo_url=None)
    finally:
        # 页面数据已取出，尽早释放浏览器上下文，不占着资源等后续 OCR
        if page_id is not None:
            close_page(page_id)

    logo_url = next(
        (
            image_url
            for node in logo_nodes
            for image_url in node.image_urls
            if image_url
        ),
        None,
    )

    texts: list[str] = []
    image_urls: list[str] = []

    for node in nodes:
        if node.text:
            texts.append(node.text)
        image_urls.extend(node.image_urls)

    for image_url in image_urls:
        image = download_image(image_url)
        if image is None:
            continue

        # OCR 提取图片文字
        try:
            image_text = ocr(image)
        except Exception as exc:
            log.warning(f"图片 OCR 失败: {image_url} | {exc}")
        else:
            if image_text:
                texts.append(image_text)

        # 有二维码则解出内容
        try:
            if has_qr(image):
                texts.extend(decode_qr(image))
        except Exception as exc:
            log.warning(f"二维码识别失败: {image_url} | {exc}")

    content = "\n".join(text for text in texts if text)
    log.info(
        f"公告页提取完成（图片 {len(image_urls)} 张，文本 {len(content)} 字，"
        f"Logo {'已提取' if logo_url else '未提取'}）: {url}"
    )
    return PageExtractResult(content=content, logo_url=logo_url)