import io
import os
import subprocess
import logging
import pandas as pd
from PIL import Image

logger = logging.getLogger("FILE_PARSER")

def extract_text_from_file(file_bytes: bytes, filename: str) -> str:
    """Извлекает текст из изображений (OCR), PDF, таблиц и текстовых файлов."""
    ext = os.path.splitext(filename)[1].lower()
    
    # Создаем временный файл во избежание проблем с памятью
    temp_filepath = f"/tmp/upload_{os.getpid()}_{filename}"
    with open(temp_filepath, "wb") as f:
        f.write(file_bytes)

    try:
        # 1. ИЗОБРАЖЕНИЯ (OCR через системный /usr/bin/tesseract)
        if ext in ['.png', '.jpg', '.jpeg', '.bmp', '.webp']:
            cmd = ['tesseract', temp_filepath, 'stdout', '-l', 'rus+eng']
            res = subprocess.run(cmd, stdout=subprocess.PIPE, stderr=subprocess.PIPE, text=True, check=True)
            text = res.stdout.strip()
            return text if text else "[OCR: На изображении не удалось распознать текст]"

        # 2. PDF ДОКУМЕНТЫ (через системный /usr/bin/pdftotext из poppler-utils)
        elif ext == '.pdf':
            cmd = ['pdftotext', temp_filepath, '-']
            res = subprocess.run(cmd, stdout=subprocess.PIPE, stderr=subprocess.PIPE, text=True, check=True)
            text = res.stdout.strip()
            return text if text else "[PDF: Текстовый слой не найден. Возможно, скан без OCR]"

        # 3. ЭЛЕКТРОННЫЕ ТАБЛИЦЫ (XLSX, CSV через Pandas)
        elif ext in ['.xlsx', '.xls', '.csv']:
            if ext == '.csv':
                df = pd.read_csv(temp_filepath)
            else:
                df = pd.read_excel(temp_filepath)
                
            total_rows = len(df)
            df_preview = df.head(100) # Показываем первые 100 строк
            
            table_str = df_preview.to_string(index=False)
            note = f"\n(Показано первых 100 строк из {total_rows})" if total_rows > 100 else ""
            return f"[СОДЕРЖИМОЕ ТАБЛИЦЫ {filename}]:\n{table_str}{note}"

        # 4. ТЕКСТОВЫЕ ФАЙЛЫ (TXT, LOG, JSON)
        elif ext in ['.txt', '.log', '.json', '.xml', '.md']:
            with open(temp_filepath, 'r', encoding='utf-8', errors='replace') as tf:
                return tf.read().strip()

        else:
            return f"[ОШИБКА: Формат {ext} не поддерживается для анализа]"

    except Exception as e:
        logger.error(f"Ошибка при анализе файла {filename}: {e}")
        return f"[ОШИБКА ОБРАБОТКИ ФАЙЛА: {str(e)}]"
    finally:
        if os.path.exists(temp_filepath):
            os.remove(temp_filepath)