import os
import sys
import json
import httpx
import logging

sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))

from extraction.ocr_service import OCRService

logging.basicConfig(level=logging.INFO, format="%(levelname)s:%(name)s:%(message)s")

def main():
    print("=== STARTING OCR SERVICE TEST ===")
    
    if not os.path.exists("ingestion_output.json"):
        print("File ingestion_output.json not found! Vui lòng chạy lại ingestion/sync.py")
        return
        
    with open("ingestion_output.json", "r", encoding="utf-8") as f:
        items = json.load(f)
        
    # Tìm đúng file SCAN_PDF để test
    target_name = "Bien-ban-ban-giao-scan.pdf"
    target_item = next((item for item in items if item.get("name") == target_name), None)
    
    if not target_item:
        print(f"Không tìm thấy file {target_name} trong ingestion_output.json")
        return
        
    download_url = target_item.get("download_url")
    if not download_url:
        print(f"File {target_name} không có download_url. Vui lòng xoá delta_state.json và chạy lại ingestion/sync.py")
        return
        
    print(f"\n1. Đang tải file: {target_name} trực tiếp từ SharePoint...")
    try:
        # Thay vì dùng downloadUrl dễ bị 401 Unauthorized do cơ chế tempauth, 
        # ta sẽ dùng endpoint /content qua Graph API bằng token xịn của hệ thống.
        from ingestion.graph_client import GraphClient
        graph = GraphClient()
        drive_id = target_item.get("drive_id")
        item_id = target_item.get("item_id")
        
        url = f"https://graph.microsoft.com/v1.0/drives/{drive_id}/items/{item_id}/content"
        pdf_bytes = graph._download_file(url)
        
        print(f"   => Tải thành công {len(pdf_bytes)} bytes.")
    except Exception as e:
        print(f"Tải file thất bại: {e}")
        return
        
    print("\n2. Khởi tạo PaddleOCR & VietOCR và bắt đầu nhận diện...")
    print("   (LƯU Ý: Lần chạy đầu tiên sẽ khá lâu do hệ thống phải tải model AI về máy)")
    ocr_service = OCRService()
    
    # Đẩy byte stream vào mổ xẻ
    results = ocr_service.process_pdf_bytes(pdf_bytes)
    
    print(f"\n3. Quá trình OCR hoàn tất! Tổng số trang đã dịch: {len(results)}")
    for result in results:
        print(f"\n==================== TRANG {result.page} ====================")
        
        print(f"\n--- [1] KẾT QUẢ TỪ PADDLEOCR MẶC ĐỊNH (Độ tự tin: {result.paddle_confidence}) ---")
        print(result.paddle_text)
        
        print(f"\n--- [2] KẾT QUẢ TỪ VIETOCR (Độ tự tin: {result.confidence}) ---")
        print(result.text)
        
        print("====================================================\n")

if __name__ == "__main__":
    main()