"""PDF 텍스트 줄 단위 추출 도우미."""
import re
import unicodedata
from dataclasses import dataclass

import pymupdf


@dataclass
class Line:
    page: int
    x: float
    y: float
    x1: float
    size: float
    font: str
    text: str


def clean(s: str) -> str:
    s = unicodedata.normalize("NFC", s)
    s = "".join(c for c in s if c in "\n\t" or unicodedata.category(c)[0] != "C")
    s = s.replace(" ", " ").replace(" ", " ").replace("　", " ")
    s = s.replace("ᝍ", "-").replace("․", "·")
    return re.sub(r"\s+", " ", s).strip()


def page_lines(doc: pymupdf.Document, i: int) -> list[Line]:
    out = []
    for b in doc[i].get_text("dict")["blocks"]:
        for l in b.get("lines", []):
            spans = l["spans"]
            if not spans:
                continue
            text = clean("".join(s["text"] for s in spans))
            if not text:
                continue
            x0, y0, x1, _ = l["bbox"]
            out.append(Line(i, x0, y0, x1, spans[0]["size"], spans[0]["font"], text))
    return out


def print_label(doc: pymupdf.Document, i: int) -> str:
    return doc[i].get_label() or str(i + 1)


def label_to_index(doc: pymupdf.Document) -> dict[str, int]:
    """인쇄 페이지 번호(라벨) → PDF 파일상 0-based 페이지. 아라비아 숫자 라벨만."""
    m = {}
    for i in range(len(doc)):
        lab = doc[i].get_label() or str(i + 1)
        if lab.isdigit() and lab not in m:
            m[lab] = i
    return m


def body_text(doc: pymupdf.Document, i: int) -> str:
    """머리말·꼬리말을 뺀 본문 텍스트. 줄바꿈으로 끊긴 단어를 이어 붙임."""
    h = doc[i].rect.height
    parts = []
    for b in doc[i].get_text("dict")["blocks"]:
        buf = ""
        for l in b.get("lines", []):
            y = l["bbox"][1]
            if y < 50 or y > h - 45:
                continue
            raw = unicodedata.normalize("NFC", "".join(s["text"] for s in l["spans"]))
            if not raw.strip():
                continue
            if buf and not buf.endswith(" ") and not raw.startswith(" "):
                # 한글끼리 줄이 바뀌면 단어 중간에서 끊긴 것으로 보고 붙인다
                if not (_is_hangul(buf[-1]) and _is_hangul(raw[0])):
                    buf += " "
            buf += raw
        t = clean(buf)
        if t:
            parts.append(t)
    return "\n".join(parts)


def _is_hangul(c: str) -> bool:
    return "가" <= c <= "힣"