import os
import requests
import zipfile
import io
import shutil  # 【新增】用于删除非空文件夹
import argparse  # <--- 1. 确保这里导入了

def main():
    # 1. 配置命令行参数解析
    parser = argparse.ArgumentParser(description="Mineru PDF 转 Markdown 批量处理工具")
    
    # 添加参数
    parser.add_argument("-s", "--source", type=str, default="./Papers/ORI_PDF",
                        help="源 PDF 文件夹路径 (默认: ./Papers/ORI_PDF)")
    parser.add_argument("-t", "--target", type=str, default="./Papers/ORI_MD",
                        help="目标 Markdown 文件夹路径 (默认: ./Papers/ORI_MD)")
    parser.add_argument("-u", "--url", type=str, default="http://10.168.1.103:4000/extract",
                        help="API 服务端地址 (默认: http://10.168.1.103:4000/extract)")
    parser.add_argument("--sync", action="store_true", 
                        help="任务完成后是否开启反向同步清理（删除多余的输出文件夹）")

    args = parser.parse_args()
    
    # 使用解析后的参数
    url = args.url
    source_dir = args.source
    target_dir = args.target

    # 2. 确保源目录存在，避免报错
    if not os.path.exists(source_dir):
        print(f"错误: 找不到源文件夹 '{source_dir}'")
        exit(1)

    # 确保目标主文件夹存在
    os.makedirs(target_dir, exist_ok=True)

    # 3. 遍历源文件夹下的所有文件进行上传处理
    for filename in os.listdir(source_dir):
        # 只处理 PDF 文件
        if not filename.lower().endswith(".pdf"):
            continue
            
        file_path = os.path.join(source_dir, filename)
        # 获取去掉 .pdf 后缀的文件名
        pdf_name_no_ext = os.path.splitext(filename)[0]
        
        # 对应的输出文件夹路径
        output_folder = os.path.join(target_dir, pdf_name_no_ext)
        
        # ==========================================
        # 检查是否已经处理过
        # 如果输出文件夹已存在，且内部有文件，则视为已转换，直接跳过
        # ==========================================
        if os.path.exists(output_folder) and len(os.listdir(output_folder)) > 0:
            print(f"⏩ 已存在转换结果，跳过处理: {filename}")
            continue
        
        print(f"正在上传并处理 {filename}...")
        
        try:
            # 4. 发送请求
            with open(file_path, "rb") as f:
                files = {"file": (filename, f, "application/pdf")}
                response = requests.post(url, files=files)

            # 5. 处理响应结果
            if response.status_code == 200:
                # 检查服务端是否返回了包含报错信息的 JSON
                if response.headers.get('content-type') == 'application/json':
                    error_msg = response.json()
                    print(f"❌ 服务端处理失败 ({filename})：{error_msg.get('message', '未知错误')}")
                    continue # 跳过解压，处理下一个

                # 确保该 PDF 专属的输出文件夹存在
                os.makedirs(output_folder, exist_ok=True)
                
                # 核心：使用 io.BytesIO 直接在内存中读取 zip 内容并解压
                try:
                    with zipfile.ZipFile(io.BytesIO(response.content)) as zip_ref:
                        zip_ref.extractall(output_folder)
                    print(f"✅ 成功！已解压并保存至文件夹: {output_folder}")
                except zipfile.BadZipFile:
                    print(f"❌ 失败！{filename} 返回的内容不是有效的 ZIP 格式。")
            else:
                print(f"❌ 失败！{filename} 状态码: {response.status_code}, 报错: {response.text}")
                
        except requests.exceptions.RequestException as e:
            print(f"❌ 网络请求异常 ({filename}): {e}")
        except Exception as e:
            print(f"❌ 处理 {filename} 时发生未知错误: {e}")

    print("-" * 30)
    if args.sync:
        print("转换任务结束，开始进行文件夹同步清理...")

        # ==========================================
        # 【新增逻辑】：反向比对，清理多余的 MD 文件夹
        # ==========================================
        # 1. 收集当前 ORI_PDF 中所有有效的 PDF 名字（不含后缀）
        valid_pdf_names = set()
        for filename in os.listdir(source_dir):
            if filename.lower().endswith(".pdf"):
                valid_pdf_names.add(os.path.splitext(filename)[0])

        # 2. 遍历 ORI_MD 文件夹
        if os.path.exists(target_dir):
            for folder_name in os.listdir(target_dir):
                folder_path = os.path.join(target_dir, folder_name)
                
                # 仅处理文件夹（以防里面有意外的独立文件）
                if os.path.isdir(folder_path):
                    # 3. 如果这个文件夹的名字不在有效的 PDF 列表中，说明是被删掉的“孤儿”
                    if folder_name not in valid_pdf_names:
                        print(f"🧹 发现多余文件，正在清理: {folder_name}")
                        try:
                            # 使用 shutil.rmtree 删除整个文件夹及其内部所有内容
                            shutil.rmtree(folder_path)
                        except Exception as e:
                            print(f"❌ 删除 {folder_name} 时发生错误: {e}")
    else:
        print("转换任务结束，未开启同步清理。")

    print("-" * 30)
    print("所有批量任务彻底完成！")

if __name__ == "__main__":
    try:
        main()
    except KeyboardInterrupt:
        print("\n检测到用户中断，程序退出。")