"""Gemeinsame PDF-Verarbeitung fuer Files- und Mail-MCP.

Text-PDFs -> extrahierter Text. Bildbasierte/gescannte PDFs -> Seiten als PNG
gerendert (PyMuPDF) + OCR-Text (tesseract), damit das LLM sie per Vision liest
UND durchsuchbaren Text bekommt. Verschluesselte/kaputte PDFs -> graceful.
"""
import base64
import io

from mcp.types import TextContent, ImageContent, EmbeddedResource, BlobResourceContents

DPI = 150
MAX_PAGES = 20


def _ocr(png_bytes):
    try:
        import pytesseract
        from PIL import Image
        return pytesseract.image_to_string(Image.open(io.BytesIO(png_bytes)), lang="deu+eng").strip()
    except Exception:
        return ""


def pdf_to_content(content, label, ct="application/pdf", uri=None):
    uri = uri or f"file://{label}"

    # 1. Echten Text extrahieren
    try:
        import pdfplumber
        with pdfplumber.open(io.BytesIO(content)) as pdf:
            pages = []
            for i, page in enumerate(pdf.pages, 1):
                t = page.extract_text() or ""
                if t.strip():
                    pages.append(f"--- Seite {i} ---\n{t}")
            text = "\n\n".join(pages)
        if text.strip():
            return [TextContent(type="text", text=f"[PDF: {label}]\n\n{text[:200000]}")]
    except Exception:
        pass  # weiter zum Rendern (z.B. verschluesselt -> faellt unten in except)

    # 2. Bildbasiert/gescannt -> Seiten rendern + OCR
    try:
        import fitz  # PyMuPDF
        doc = fitz.open(stream=content, filetype="pdf")
        n = doc.page_count
        images, ocr_pages = [], []
        for i in range(min(n, MAX_PAGES)):
            png = doc[i].get_pixmap(dpi=DPI).tobytes("png")
            images.append(ImageContent(type="image", data=base64.b64encode(png).decode(), mimeType="image/png"))
            t = _ocr(png)
            if t:
                ocr_pages.append(f"--- Seite {i + 1} (OCR) ---\n{t}")
        header = f"[PDF '{label}' ist bildbasiert/gescannt ({n} Seite(n)) — als Bilder gerendert"
        header += " (+ OCR-Text)" if ocr_pages else ""
        header += ":]"
        out = [TextContent(type="text", text=header)]
        if ocr_pages:
            out.append(TextContent(type="text", text="\n\n".join(ocr_pages)[:200000]))
        out += images
        if n > MAX_PAGES:
            out.append(TextContent(type="text", text=f"[... {n - MAX_PAGES} weitere Seiten ausgelassen (Limit {MAX_PAGES}).]"))
        return out
    except Exception as e:
        return [
            TextContent(type="text", text=f"[PDF '{label}' konnte nicht verarbeitet werden ({e}). Rohdaten folgen.]"),
            EmbeddedResource(type="resource", resource=BlobResourceContents(
                uri=uri, blob=base64.b64encode(content).decode(), mimeType=ct)),
        ]