"""mp-ocr – OCR-Dienst für das Mieterportal (Beleg-Analyse).

Nimmt eine Datei-URL (oder Upload) entgegen, lädt den Beleg (PDF/Bild),
extrahiert den Text mit Tesseract (Deutsch) und liefert ihn zurück.
Nur intern im Docker-Netz erreichbar (mp-api ruft ihn auf).
"""

import base64
import binascii
import io
import urllib.parse

import fitz  # PyMuPDF
import httpx
import pytesseract
from fastapi import FastAPI, HTTPException, UploadFile
from PIL import Image
from pydantic import BaseModel

MAX_DATEI_BYTES = 20 * 1024 * 1024  # 20 MB
DOWNLOAD_TIMEOUT = 20.0

app = FastAPI(title="mp-ocr", docs_url=None, redoc_url=None)


class Anfrage(BaseModel):
    url: str


@app.get("/healthz")
def healthz():
    return {"ok": True, "dienst": "mp-ocr"}


def bild_text(img: Image.Image) -> str:
    return pytesseract.image_to_string(img, lang="deu").strip()


def pdf_text(daten: bytes) -> str:
    teile = []
    with fitz.open(stream=daten, filetype="pdf") as doc:
        for seite in doc:
            pix = seite.get_pixmap(dpi=200)
            img = Image.open(io.BytesIO(pix.tobytes("png")))
            teile.append(bild_text(img))
    return "\n".join(t for t in teile if t).strip()


def datei_text(daten: bytes, dateiname: str) -> str:
    if dateiname.lower().endswith(".pdf") or daten[:5] == b"%PDF-":
        return pdf_text(daten)
    try:
        with Image.open(io.BytesIO(daten)) as img:
            return bild_text(img.convert("RGB"))
    except Exception:
        raise HTTPException(400, "Dateiformat nicht unterstützt (PDF/JPG/PNG erwartet).")


def datenVonDataUrl(url: str) -> tuple[bytes, str]:
    """data:application/pdf;base64,…. → (bytes, name)."""
    kopf, _, payload = url.partition(",")
    if not payload:
        raise HTTPException(400, "Leere data-URL.")
    typ = kopf[5:].split(";")[0] or "application/octet-stream"
    if ";base64" in kopf:
        try:
            return base64.b64decode(urllib.parse.unquote(payload)), "beleg-data"
        except (binascii.Error, ValueError):
            raise HTTPException(400, "Ungültige base64-data-URL.")
    return urllib.parse.unquote_to_bytes(payload), "beleg-data"


@app.post("/ocr")
async def ocr_url(anfrage: Anfrage):
    """Beleg von einer URL herunterladen und per OCR auswerten."""
    url = anfrage.url
    if url.startswith("data:"):
        daten, name = datenVonDataUrl(url)
        if len(daten) > MAX_DATEI_BYTES:
            raise HTTPException(413, "Datei größer als 20 MB.")
        return {"text": datei_text(daten, name)}
    if not url.startswith(("http://", "https://")):
        raise HTTPException(400, "Nur http(s)- oder data-URLs erlaubt.")
    try:
        async with httpx.AsyncClient(timeout=DOWNLOAD_TIMEOUT, follow_redirects=True) as client:
            resp = await client.get(url)
    except Exception as e:
        raise HTTPException(502, f"Download fehlgeschlagen: {e}")
    if resp.status_code != 200:
        raise HTTPException(502, f"Download: HTTP {resp.status_code}")
    if len(resp.content) > MAX_DATEI_BYTES:
        raise HTTPException(413, "Datei größer als 20 MB.")
    name = url.split("?")[0].rsplit("/", 1)[-1] or "beleg"
    return {"text": datei_text(resp.content, name)}


@app.post("/ocr/upload")
async def ocr_upload(datei: UploadFile):
    """Beleg direkt als Upload (multipart) auswerten."""
    daten = await datei.read(MAX_DATEI_BYTES + 1)
    if len(daten) > MAX_DATEI_BYTES:
        raise HTTPException(413, "Datei größer als 20 MB.")
    return {"text": datei_text(daten, datei.filename or "beleg")}