"""
!!! FICHIER OBSOLÈTE !!!
Ce fichier est maintenu uniquement pour la compatibilité.
Veuillez utiliser les modules dans utils/ocr_brut/ à la place.
"""

import pytesseract
import cv2
import numpy as np
import os
from pathlib import Path
from PIL import Image
from langdetect import detect
import re
from utils.ocr_brut.ocr_preprocessor import preprocess_image_with_profile

# ⬇️ PARAMÈTRES CENTRAUX D'ACTIVATION ⬇️
USE_PREPROCESSING = True         # Active le prétraitement de l'image via ocr_preprocessor.py
USE_TEXT_CORRECTION = True       # Corrige les mots tronqués après OCR
SAVE_DEBUG_OUTPUT = True        # Sauvegarde image + texte dans debug_ocr/
AUTO_DETECT_LANGUAGE = True      # Détecte automatiquement la langue

# Paramètres Tesseract optimaux selon tests
OCR_DEFAULT_PSM = 11             # Page segmentation mode 11 (sparse text)
OCR_DEFAULT_OEM = 3              # OCR Engine mode 3 (default, based on what is available)
OCR_DEFAULT_PROFILE = "document"  # Profil de prétraitement optimal selon tests

# Complétion de mots tronqués (rudimentaire mais utile)
def completer_mots_tronques(texte):
    lignes = texte.splitlines()
    lignes_corrigees = []
    for ligne in lignes:
        if ligne.strip().endswith("-"):
            ligne = ligne.strip()[:-1]
        lignes_corrigees.append(ligne)
    return "\n".join(lignes_corrigees)

# Détection de langue automatique (si activée)
def detect_language_tesseract(image_cv):
    try:
        text_sample = pytesseract.image_to_string(image_cv, config="--psm 6")
        lang = detect(text_sample)
        return {
            "fr": "fra",
            "en": "eng"
        }.get(lang, "fra+eng")
    except:
        return "fra+eng"

# OCR principal
def extraire_texte(image_path, lang="auto"):
    # Vérification de l'existence de l'image
    if not os.path.exists(image_path):
        print(f"[OCR] Image non trouvée: {image_path}")
        return "", None

    # Prétraitement de l'image avec le profil optimal
    if USE_PREPROCESSING:
        img_optimized = preprocess_image_with_profile(image_path, profile_name=OCR_DEFAULT_PROFILE)
    else:
        img_optimized = Image.open(image_path)
    
    # Détection de langue
    ocr_lang = lang
    if lang == "auto" and AUTO_DETECT_LANGUAGE:
        ocr_lang = detect_language_tesseract(img_optimized)
    if ocr_lang == "auto":
        ocr_lang = "fra+eng"

    # OCR avec paramètres optimaux
    config = f"--psm {OCR_DEFAULT_PSM} --oem {OCR_DEFAULT_OEM} -l {ocr_lang}"
    texte = pytesseract.image_to_string(img_optimized, config=config)

    # Correction des mots tronqués
    if USE_TEXT_CORRECTION:
        texte_corrige = completer_mots_tronques(texte)
        if len(texte_corrige) >= len(texte) * 0.9:
            texte = texte_corrige

    # Sauvegarde debug (si activée)
    if SAVE_DEBUG_OUTPUT and texte:
        try:
            debug_dir = "debug_ocr"
            os.makedirs(debug_dir, exist_ok=True)
            image_name = Path(image_path).stem

            # Conversion si image PIL
            if isinstance(img_optimized, Image.Image):
                img_optimized = np.array(img_optimized)
                if img_optimized.ndim == 3 and img_optimized.shape[2] == 3:
                    img_optimized = cv2.cvtColor(img_optimized, cv2.COLOR_RGB2BGR)
                elif img_optimized.ndim == 3 and img_optimized.shape[2] == 4:
                    img_optimized = cv2.cvtColor(img_optimized, cv2.COLOR_RGBA2BGR)

            if isinstance(img_optimized, np.ndarray):
                cv2.imwrite(f"{debug_dir}/optimized_{image_name}.png", img_optimized)

            with open(f"{debug_dir}/ocr_{image_name}.png.txt", "w", encoding="utf-8") as f:
                f.write(texte)

        except Exception as e:
            print(f"[OCR DEBUG] Erreur de sauvegarde debug: {e}")

    return texte, img_optimized

# Raccourci rapide pour juste récupérer le texte en français
def extraire_texte_fr(image_path):
    texte, _ = extraire_texte(image_path, lang="fra")
    return texte