# utils/file_handler.py - 文件读取工具（支持 txt/md/pdf/docx）
import os
from typing import List, Optional
from pathlib import Path


def read_text_file(file_path: str) -> str:
    """
    读取纯文本文件内容（.txt / .md / .py 等）

    Args:
        file_path: 文件路径

    Returns:
        文件文本内容

    Raises:
        FileNotFoundError: 文件不存在
        UnicodeDecodeError: 编码错误时尝试 latin-1 兜底
    """
    path = Path(file_path)
    if not path.exists():
        raise FileNotFoundError(f"文件不存在: {file_path}")
    try:
        return path.read_text(encoding="utf-8")
    except UnicodeDecodeError:
        return path.read_text(encoding="latin-1")


def read_pdf_file(file_path: str) -> str:
    """
    读取 PDF 文件内容

    Args:
        file_path: PDF 文件路径

    Returns:
        提取的文本内容

    Raises:
        ImportError: 未安装 PyPDF2
        FileNotFoundError: 文件不存在
    """
    try:
        import PyPDF2
    except ImportError:
        raise ImportError("请安装 PyPDF2: pip install PyPDF2")

    path = Path(file_path)
    if not path.exists():
        raise FileNotFoundError(f"文件不存在: {file_path}")

    texts = []
    with open(file_path, "rb") as f:
        reader = PyPDF2.PdfReader(f)
        for page in reader.pages:
            text = page.extract_text()
            if text:
                texts.append(text)
    return "\n".join(texts)


def read_docx_file(file_path: str) -> str:
    """
    读取 Word (.docx) 文件内容

    Args:
        file_path: docx 文件路径

    Returns:
        提取的文本内容（段落合并）

    Raises:
        ImportError: 未安装 python-docx
        FileNotFoundError: 文件不存在
    """
    try:
        from docx import Document
    except ImportError:
        raise ImportError("请安装 python-docx: pip install python-docx")

    path = Path(file_path)
    if not path.exists():
        raise FileNotFoundError(f"文件不存在: {file_path}")

    doc = Document(file_path)
    return "\n".join(para.text for para in doc.paragraphs if para.text.strip())


def read_file_auto(file_path: str) -> str:
    """
    根据文件扩展名自动选择读取方式

    Args:
        file_path: 文件路径

    Returns:
        文件文本内容

    Raises:
        ValueError: 不支持的文件类型
    """
    ext = Path(file_path).suffix.lower()
    readers = {
        ".txt":  read_text_file,
        ".md":   read_text_file,
        ".py":   read_text_file,
        ".json": read_text_file,
        ".yaml": read_text_file,
        ".yml":  read_text_file,
        ".pdf":  read_pdf_file,
        ".docx": read_docx_file,
    }
    reader = readers.get(ext)
    if reader is None:
        raise ValueError(f"不支持的文件类型: {ext}，支持: {list(readers.keys())}")
    return reader(file_path)


def merge_knowledge_files(file_paths: List[str]) -> str:
    """
    合并多个知识库文件为单一文本

    Args:
        file_paths: 知识库文件路径列表

    Returns:
        合并后的知识库文本（包含文件名分隔符）
    """
    if not file_paths:
        return ""

    sections = []
    for fp in file_paths:
        try:
            content = read_file_auto(fp)
            file_name = Path(fp).name
            sections.append(f"### 知识库文件: {file_name}\n{content}")
        except Exception as e:
            sections.append(f"### 知识库文件: {fp}\n[读取失败: {e}]")

    return "\n\n".join(sections)