from elasticsearch import Elasticsearch
import os
import json
import hashlib
import requests
import json

# Elasticsearch连接配置
ES_URL = "http://localhost:9200"
AUTH = None  # 如需认证则改为("用户名","密码")

# document=os.open('results/output.json', os.O_RDONLY)

# 创建Elasticsearch客户端实例，连接到本地Elasticsearch服务
es = Elasticsearch(["http://localhost:9200"])

# 定义索引名称和类型名称
index_name = "wordsearch2666"

def create_index_with_mapping():
    """修正后的索引映射配置"""
    # 修正映射结构（移除keyword字段的非法参数）
    mapping = {
        "mappings": {
            "properties": {
                "data": {
                    "type": "text",  # 存储转换后的字符串，支持分词搜索
                    "analyzer": "ik_max_word",
                    "search_analyzer": "ik_smart"
                },
                "image": {"type": "keyword"},  # 存储图片路径或标识
            }
        }
    }

    # 检查索引是否存在，不存在则创建
    if not es.indices.exists(index=index_name):
        es.indices.create(index=index_name, body=mapping)
        print(f"创建索引 {index_name} 并设置映射")
    else:
        print(f"索引 {index_name} 已存在")

def update_document(es, index_name, doc_id=None, updated_doc=None):
    """更新指定ID的文档"""
    es.update(index=index_name, id=doc_id, body={"doc": updated_doc})


def get_doc_id(data):
    """
    根据数据内容生成唯一ID（用于去重）
    
    参数:
        data (dict): 包含文档数据的字典
        
    返回:
        str: 基于数据内容生成的MD5哈希值作为唯一ID
    """
    # 使用data字段的内容生成唯一字符串
    data_str = data.get('data', '')
    image_str = data.get('image', '')
    unique_str = f"{data_str}{image_str}"
    # 使用MD5哈希生成唯一ID
    return hashlib.md5(unique_str.encode('utf-8')).hexdigest()


def insert_data(data):
    """
    向Elasticsearch插入数据
    
    参数:
        data (dict): 要插入的数据
        
    返回:
        bool: 插入成功返回True，失败返回False
    """
    # 生成文档唯一ID
    return  batch_write_data(data)


def search_data(query):
    """
    在Elasticsearch中搜索数据
    
    参数:
        query (str): 搜索关键词
        
    返回:
        list: 包含搜索结果的列表，每个元素是一个文档的源数据
    """
    # 执行多字段匹配搜索
    result = es.search(index=index_name, body={"query": {"multi_match": {"query": query, "fields": ["*"]}}})
    # 返回搜索结果的源数据部分
    return [hit["_source"] for hit in result['hits']['hits']]

def search_all():
    """
    获取所有文档
    
    返回:
        list: 包含所有文档的列表，每个元素包含文档ID和源数据
    """
    # 执行匹配所有文档的查询
    result = es.search(index=index_name, body={"query": {"match_all": {}}})
    # 返回包含文档ID和源数据的列表
    return [{
        "_id": hit["_id"],
        **hit["_source"]
    } for hit in result['hits']['hits']]

def delete_by_id(doc_id):
    """
    根据 doc_id 删除文档
    
    参数:
        doc_id (str): 要删除的文档ID
        
    返回:
        bool: 删除成功返回True，失败返回False
    """
    try:
        # 执行删除操作
        es.delete(index=index_name, id=doc_id)
        return True
    except Exception as e:
        print("删除失败:", str(e))
        return False

def update_by_id(doc_id, updated_data):
    """
    根据文档ID更新数据
    
    参数:
        doc_id (str): 要更新的文档ID
        updated_data (dict): 更新的数据内容
        
    返回:
        bool: 更新成功返回True，失败返回False
    """
    try:
        # 执行更新操作
        es.update(index=index_name, id=doc_id, body={"doc": updated_data})
        print(f"文档 {doc_id} 更新成功")
        return True
    except Exception as e:
        print(f"更新失败: {str(e)}")
        return False

def get_by_id(doc_id):
    """
    根据文档ID获取单个文档
    
    参数:
        doc_id (str): 要获取的文档ID
        
    返回:
        dict or None: 成功返回文档数据，失败返回None
    """
    try:
        # 执行获取操作
        result = es.get(index=index_name, id=doc_id)
        if result['found']:
            return {
                "_id": result['_id'],
                **result['_source']
            }
        return None
    except Exception as e:
        print(f"获取文档失败: {str(e)}")
        return None

def search_by_any_field(keyword):
    """全字段模糊搜索（支持拼写错误）"""
    try:
        # update_mapping()
        response = requests.post(
            f"{ES_URL}/{index_name}/_search",
            auth=AUTH,
            json={
                "query": {
                    "multi_match": {
                        "query": keyword,
                        "fields": ["*"],  # 匹配所有字段
                        "fuzziness": "AUTO",  # 启用模糊匹配
                    }
                }
            }
        )
        response.raise_for_status()
        results = response.json()["hits"]["hits"]
        print(f"\n模糊搜索 '{keyword}' 找到 {len(results)} 条结果:")

        for doc in results:
            print(f"\n文档ID: {doc['_id']}")
            if '_source' in doc:
                max_key_len = max(len(k) for k in doc['_source'].keys())
                for key, value in doc['_source'].items():
                    # 提取高亮部分
                    highlight = doc.get('highlight', {}).get(key, [value])[0]
                    print(f"{key:>{max_key_len + 2}} : {highlight}")
            else:
                print("无_source数据")

        return results
    except requests.exceptions.HTTPError as e:
        print(f"搜索失败: {e.response.text}")
        return []

def batch_write_data(data):
    """批量写入获奖数据"""
    try:
        response = requests.post(
            f"{ES_URL}/{index_name}/_doc",
            json=data,
            auth=AUTH,
            headers={"Content-Type": "application/json"}
        )
        response.raise_for_status()
        doc_id = response.json()["_id"]
        print(f"文档写入成功，ID: {doc_id}, 内容: {data}")
        return True
    except requests.exceptions.HTTPError as e:
        print(f"文档写入失败: {e.response.text}, 数据: {data}")
        return False