import base64
from flask import Flask, request, render_template, redirect, url_for, jsonify
import os
import uuid
from PIL import Image
import re
import json
from ESConnect import *
from openai import OpenAI
# import config

# 创建Flask应用实例
app = Flask(__name__)
# app.config.from_object(config.Config)

# OCR和信息提取函数，使用大模型API处理图片并提取结构化信息
def ocr_and_extract_info(image_path):
    """
    使用大模型API进行OCR识别并提取图片中的结构化信息
    
    参数:
        image_path (str): 图片文件路径
        
    返回:
        dict: 包含提取信息的字典，格式为 {'id': '', 'name': '', 'students': '', 'teacher': ''}
    """
    def encode_image(image_path):
        """
        将图片编码为base64格式
        
        参数:
            image_path (str): 图片文件路径
            
        返回:
            str: base64编码的图片字符串
        """
        with open(image_path, "rb") as image_file:
            return base64.b64encode(image_file.read()).decode('utf-8')

    # 将图片转换为base64编码
    base64_image = encode_image(image_path)

    # 初始化OpenAI客户端，使用百度AI Studio的API
    client = OpenAI(
        api_key="188f57db3766e02ed2c7e18373996d84f4112272",
        # 含有 AI Studio 访问令牌的环境变量，https://aistudio.baidu.com/account/accessToken,
        base_url="https://aistudio.baidu.com/llm/lmapi/v3",  # aistudio 大模型 api 服务域名
    )

    # 调用大模型API进行图片识别和信息提取
    chat_completion = client.chat.completions.create(
        messages=[
            {'role': 'system', 'content': '你是一个能理解图片和文本的助手，请根据用户提供的信息进行回答。'},
            {'role': 'user', "content": [
                {"type": "text", "text": "请识别这张图片中的信息，只显示json不显示其它信息便于解析"
                                         "以JSON格式返回（id对应比赛名称或论文名称，name对应项目名称，students对应参赛学生，teacher对应指导老师,出现多个名字用列表存储）"
                                         "：{'id':'', 'name':'','students':'','teacher':''}"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/png;base64,{base64_image}"
                    }
                }
            ]}
        ],
        model="ernie-4.5-turbo-vl-32k",  # 使用百度文心大模型
    )

    # 获取API返回的文本内容
    response_text = chat_completion.choices[0].message.content

    def parse_respound(text):
        """
        解析API返回的文本，提取JSON数据
        
        参数:
            text (str): API返回的文本
            
        返回:
            dict or None: 解析成功返回字典，失败返回None
        """
        # 尝试直接解析标准JSON
        try:
            result=json.loads(text)
            if result:
                print("success")
                return result
        except json.JSONDecodeError:
            print("无法解析标准json")
            pass

        # 提取markdown代码块中的内容
        code_block = re.search(r'```json\n(.*?)```', text, re.DOTALL)
        if code_block:
            try:
                result=json.loads(code_block.group(1))
                if result:
                    print("success")
                    return result
            except json.JSONDecodeError:
                print("无法解析markdown")
                pass

        # 尝试替换单引号并解析
        try:
            fixed_json = text.replace("'", "\"")
            result=json.loads(fixed_json)
            if(result):
                print("success")
                return result
        except json.JSONDecodeError:
            print("无法替换单引号")
            pass

    # 解析API返回的文本
    result_data = parse_respound(response_text)
    return result_data

    """
    模拟大模型识别图像并返回结构化JSON。
    实际应调用Qwen-VL或其他OCR+解析服务。
    """


# 首页路由
@app.route('/')
def index():
    """
    渲染首页模板
    
    返回:
        str: 渲染后的HTML页面
    """
    return render_template('index.html')

# 图片上传路由
@app.route('/upload', methods=['POST'])
def upload_image():
    """
    处理图片上传请求，调用OCR识别并存储结果
    
    返回:
        JSON: 上传成功或失败的响应
    """
    # 获取上传的文件
    file = request.files.get('file')
    if not file:
        return jsonify({"error": "No file uploaded"}), 400

    # 保存上传的图片
    filename = f"{uuid.uuid4()}_{file.filename}"
    image_path = os.path.join("image", filename)
    file.save(image_path)

    # 调用大模型进行识别
    try:
        data = ocr_and_extract_info(image_path)  # 替换为真实AI接口调用
        insert_data(data)  # 存入ES
        return jsonify({"message": "成功录入", "data": data})
    except Exception as e:
        return jsonify({"error": str(e)}), 500

# 搜索路由
@app.route('/search')
def search():
    """
    处理搜索请求，从Elasticsearch中检索匹配的数据
    
    返回:
        JSON: 搜索结果列表
    """
    keyword = request.args.get('q')
    if not keyword:
        return jsonify([])
    results = search_by_any_field(keyword)
    print(results)
    return jsonify(results)

# 结果页面路由
@app.route('/results')
def results_page():
    """
    渲染搜索结果页面
    
    返回:
        str: 渲染后的HTML页面
    """
    return render_template('results.html')

# 显示所有数据路由
@app.route('/all')
def show_all():
    """
    获取所有数据并渲染到页面
    
    返回:
        str: 渲染后的HTML页面，包含所有数据
    """
    all_data = search_all()
    return render_template('all.html', data=all_data)

# 删除数据路由
@app.route('/delete/<doc_id>', methods=['POST'])
def delete_entry(doc_id):
    """
    根据文档ID删除数据
    
    参数:
        doc_id (str): 要删除的文档ID
        
    返回:
        重定向到所有数据页面或错误信息
    """
    if delete_by_id(doc_id):
        return redirect(url_for('show_all'))
    else:
        return "删除失败", 500



# 主程序入口
if __name__ == '__main__':
    # 创建Elasticsearch索引
    create_index_with_mapping()  
    # 创建图片存储目录
    os.makedirs("image", exist_ok=True)
    # 启动Flask应用
    app.run(use_reloader=False)