"""
ParamHub LLM 智能解析模块
"""
import json
import base64
import requests

from config import CATEGORIES_FILE, IMAGES_DIR
from utils import load_data, get_llm_config


def get_parse_prompt_template(category_type, category_id=None, subcategory_id=None):
    """获取解析 prompt 模板（供前端显示和编辑）"""
    categories = load_data(CATEGORIES_FILE)

    if category_id:
        cat = next((c for c in categories if c['id'] == category_id), None)
    else:
        type_to_cat_id = {'model': 'ai-models', 'gpu': 'gpus', 'cpu': 'cpus', 'dynamic': None}
        cat_id = type_to_cat_id.get(category_type)
        cat = next((c for c in categories if c['id'] == cat_id), None)

    fields = _build_fields(cat, subcategory_id)
    fields_json = json.dumps(fields, ensure_ascii=False, indent=2)

    image_prompt = f"""请分析图片中的产品参数信息，提取结构化数据。

需要提取的字段：
{fields_json}

重要要求：
1. 图片中可能包含1个或多个产品，请识别所有产品
2. 如果是多张图片，请综合分析所有图片内容
3. **提取数据时保留原始单位**：字段标签中如有单位标注（如($)、(GB)、(MHz)等），提取时请带上对应单位，保持数据完整性
4. 如果某字段没有提及，返回null
5. 返回格式：如果识别到多个产品，返回数组 [对象列表]; 如果只有一个产品，返回单个对象
6. 只返回JSON数据，不要其他内容"""

    return {
        'fields': fields,
        'fields_json': fields_json,
        'image_prompt': image_prompt,
        'category_name': cat.get('name', '') if cat else ''
    }


def parse_with_llm(text, category_type, images=None, category_id=None,
                   subcategory_id=None, custom_prompt=None):
    """使用大模型解析文本/图片，提取结构化数据"""
    categories = load_data(CATEGORIES_FILE)

    if category_id:
        cat = next((c for c in categories if c['id'] == category_id), None)
    else:
        type_to_cat_id = {'model': 'ai-models', 'gpu': 'gpus', 'cpu': 'cpus'}
        cat_id = type_to_cat_id.get(category_type)
        cat = next((c for c in categories if c['id'] == cat_id), None)

    fields = _build_fields(cat, subcategory_id)
    fields_json = json.dumps(fields, ensure_ascii=False, indent=2)

    content_parts = []

    if images and len(images) > 0:
        if custom_prompt and custom_prompt.strip():
            prompt_text = custom_prompt
        else:
            prompt_text = f"""请分析图片中的产品参数信息，提取结构化数据。

需要提取的字段：
{fields_json}

重要要求：
1. 图片中可能包含1个或多个产品，请识别所有产品
2. 如果是多张图片，请综合分析所有图片内容
3. **提取数据时保留原始单位**：字段标签中如有单位标注，提取时请带上对应单位
4. 如果某字段没有提及，返回null
5. 返回格式：如果识别到多个产品，返回数组; 如果只有一个产品，返回单个对象
6. 只返回JSON数据，不要其他内容"""

        content_parts.append({"type": "text", "text": prompt_text})

        for img in images:
            if isinstance(img, str):
                if img.startswith('http'):
                    content_parts.append({"type": "image_url", "image_url": {"url": img}})
                elif img.startswith('data:'):
                    content_parts.append({"type": "image_url", "image_url": {"url": img}})
                else:
                    b64 = _load_local_image(img)
                    if b64:
                        content_parts.append({"type": "image_url", "image_url": {"url": b64}})
    else:
        prompt_text = f"""请解析以下文本，提取结构化数据。

文本内容：
{text}

需要提取的字段：
{fields_json}

要求：
1. 根据文本内容智能提取各个字段的值
2. **提取数据时保留原始单位**
3. 如果某字段在文本中没有提及，返回null
4. 返回JSON格式，不要包含任何其他内容

请直接返回JSON数据："""
        content_parts.append({"type": "text", "text": prompt_text})

    try:
        llm_config = get_llm_config()
        model = llm_config.get('vision_model', 'gpt-4-vision-preview') if images else llm_config['model']

        response = requests.post(
            f"{llm_config['base_url']}/chat/completions",
            headers={
                "Content-Type": "application/json",
                "Authorization": f"Bearer {llm_config['api_key']}"
            },
            json={
                "model": model,
                "messages": [
                    {"role": "system",
                     "content": "你是一个产品参数提取助手。只返回JSON，不要其他内容。"},
                    {"role": "user", "content": content_parts}
                ],
                "max_tokens": 2000,
                "temperature": 0.1
            },
            timeout=60
        )

        if response.status_code == 200:
            data = response.json()
            content = data['choices'][0]['message']['content'].strip()

            if content.startswith('```'):
                content = content.split('\n', 1)[1] if '\n' in content else content[3:]
                content = content.rsplit('```', 1)[0] if '```' in content else content

            parsed = json.loads(content)
            results = parsed if isinstance(parsed, list) else [parsed]

            return [_clean_result(item) for item in results]
    except Exception as e:
        print(f"LLM解析失败: {e}")

    return [{'name': (text or '未命名产品')[:50], 'description': text}]


# ---- 内部函数 ----

def _build_fields(cat, subcategory_id):
    if not cat or 'fields' not in cat:
        return {
            'name': '名称', 'brand': '品牌', 'price': '价格(数字)',
            'year': '年份(数字)', 'specs': '规格参数(JSON对象)',
            'description': '简介描述',
        }
    fields = {}
    for field in cat['fields']:
        desc = field['label']
        desc += '(长文本)' if field.get('input_style') == 'long' else '(文本)'
        if field.get('description'):
            desc += f" - {field['description']}"
        fields[field['key']] = desc

    if subcategory_id:
        subcat = next((s for s in cat.get('subcategories', []) if s['id'] == subcategory_id), None)
        if subcat and 'extra_fields' in subcat:
            for field in subcat['extra_fields']:
                desc = field['label']
                desc += '(长文本)' if field.get('input_style') == 'long' else '(文本)'
                if field.get('description'):
                    desc += f" - {field['description']}"
                fields[field['key']] = desc
    return fields


def _load_local_image(img_src: str):
    try:
        img_path = IMAGES_DIR / img_src.replace('/static/uploads/', '')
        if img_path.exists():
            with open(img_path, 'rb') as f:
                img_data = base64.b64encode(f.read()).decode()
            ext = img_path.suffix.lower().lstrip('.')
            mime = f'image/{"jpeg" if ext == "jpg" else ext}'
            return f'data:{mime};base64,{img_data}'
    except Exception:
        pass
    return None


def _clean_result(item: dict) -> dict:
    cleaned = {}
    for k, v in item.items():
        if v is not None and v != '' and v != 'null':
            if isinstance(v, str):
                try:
                    cleaned[k] = float(v) if '.' in v else int(v)
                except (ValueError, TypeError):
                    cleaned[k] = v
            else:
                cleaned[k] = v
    return cleaned