import json
import time
import os
import logging
from pathlib import Path
from typing import Dict, Any, List
import requests
from tqdm import tqdm  # 进度条库，提升批量处理体验

# ===================== 1. 全局配置（请根据实际情况修改） =====================
class Config:
    # API配置（替换为你的实际密钥/模型）
    API_KEY = "你的通义千问API_KEY"  # 若用其他模型，需同步修改call_llm_api函数
    API_URL = "https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions"
    MODEL = "qwen-turbo"  # 轻量模型，性价比最高
    TEMPERATURE = 0.0  # 0=确定性输出，降低幻觉
    MAX_TOKENS = 2000  # 控制输出长度，降低成本
    
    # 目录配置
    INPUT_DIR = "./raw_candidate_files"  # 原始评审文件目录（需提前创建）
    OUTPUT_DIR = "./extracted_json_results"  # 抽取结果保存目录（自动创建）
    ERROR_LOG_PATH = "./batch_extract_error.log"  # 错误日志文件
    
    # 文件过滤配置
    SUPPORTED_EXTENSIONS = [".txt", ".json"]  # 仅处理这些后缀的文件
    SKIP_EXISTED = True  # 跳过已生成JSON的文件（避免重复调用API）
    
    # 重试配置
    MAX_RETRY = 3  # API调用最大重试次数
    RETRY_INTERVAL = 1  # 重试间隔（秒）

# ===================== 2. 日志初始化（记录错误） =====================
def init_logger():
    """初始化错误日志，记录处理失败的文件及原因"""
    logging.basicConfig(
        level=logging.ERROR,
        format="%(asctime)s - %(filename)s - %(message)s",
        handlers=[
            logging.FileHandler(Config.ERROR_LOG_PATH, encoding="utf-8"),
            logging.StreamHandler()  # 同时输出到控制台
        ]
    )
    return logging.getLogger(__name__)

logger = init_logger()

# ===================== 3. 工具函数 =====================
def check_and_create_dirs():
    """检查并创建输入/输出目录"""
    Path(Config.INPUT_DIR).mkdir(exist_ok=True)
    Path(Config.OUTPUT_DIR).mkdir(exist_ok=True)
    logger.info(f"目录检查完成：输入目录={Config.INPUT_DIR}，输出目录={Config.OUTPUT_DIR}")

def read_file_content(file_path: str) -> str:
    """读取文件内容，处理编码问题"""
    try:
        with open(file_path, "r", encoding="utf-8") as f:
            return f.read().strip()
    except UnicodeDecodeError:
        # 兼容GBK编码的文件
        with open(file_path, "r", encoding="gbk") as f:
            return f.read().strip()
    except Exception as e:
        raise Exception(f"读取文件失败：{e}")

def build_prompt(raw_text: str) -> str:
    """构建强约束的抽取提示词（核心！保证格式对齐）"""
    # 固定模板（与你要求的JSON结构100%一致）
    template = """
{
    "基础信息": {
        "最终结果": "Invite/Reject",
        "分数": "数字字符串",
        "面试岗位": "字符串",
        "技术画像": "核心技术特征总结（100字内）",
        "邀请解读": "评审结论总结（100字内）"
    },
    "8维度信息": {
        "潜力洞察": {
            "得分": "数字字符串",
            "核心亮点": "字符串",
            "短板": "字符串（无则填无）",
            "核心依据": "字符串"
        },
        "叙事逻辑": {
            "得分": "数字字符串",
            "核心亮点": "字符串",
            "短板": "字符串（无则填无）",
            "核心依据": "字符串"
        },
        "软件工艺": {
            "得分": "数字字符串",
            "核心亮点": "字符串",
            "短板": "字符串（无则填无）",
            "核心依据": "字符串",
            "面试题": "字符串（无则省略该字段）"
        },
        "编程能力": {
            "得分": "数字字符串",
            "核心亮点": "字符串",
            "短板": "字符串（无则填无）",
            "核心依据": "字符串"
        },
        "综合网络": {
            "得分": "数字字符串",
            "核心亮点": "字符串",
            "短板": "字符串（无则填无）",
            "核心依据": "字符串"
        },
        "电子电路": {
            "得分": "数字字符串",
            "核心亮点": "字符串",
            "短板": "字符串（无则填无）",
            "核心依据": "字符串"
        },
        "操作系统": {
            "得分": "数字字符串",
            "核心亮点": "字符串",
            "短板": "字符串（无则填无）",
            "核心依据": "字符串"
        },
        "算法能力": {
            "得分": "数字字符串",
            "核心亮点": "字符串",
            "短板": "字符串（无则填无）",
            "核心依据": "字符串",
            "面试题": "字符串（无则省略该字段）"
        }
    }
}
    """
    
    # 强制约束规则
    constraints = """
【强制规则】
1. 输出必须是可直接解析的JSON格式，不允许任何多余文字（如“以下是抽取结果：”）；
2. 字段层级、命名必须与模板100%一致，禁止新增/删减字段、修改字段名；
3. 得分字段必须是数字字符串（如"7.8"），禁止纯数字或其他格式；
4. 核心亮点/短板/核心依据需精简提炼，禁止大段复制原文；
5. 无对应内容的字段填“无”，面试题无则省略该字段。
    """
    
    prompt = f"""
请你严格按照以下模板和规则，从下方原始文本中抽取信息并生成JSON：

【模板】
{template}

【规则】
{constraints}

【原始文本】
{raw_text}

【输出要求】
仅输出JSON字符串，无任何其他内容！
    """
    return prompt

def call_llm_api(prompt: str) -> str:
    """调用大模型API，带重试机制"""
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {Config.API_KEY}"
    }
    data = {
        "model": Config.MODEL,
        "messages": [{"role": "user", "content": prompt}],
        "temperature": Config.TEMPERATURE,
        "max_tokens": Config.MAX_TOKENS
    }
    
    for retry in range(Config.MAX_RETRY):
        try:
            response = requests.post(Config.API_URL, headers=headers, json=data, timeout=30)
            response.raise_for_status()  # 触发HTTP错误
            result = response.json()
            return result["choices"][0]["message"]["content"].strip()
        except Exception as e:
            logger.error(f"API调用重试{retry+1}/{Config.MAX_RETRY}失败：{e}")
            time.sleep(Config.RETRY_INTERVAL)
    raise Exception(f"API调用{Config.MAX_RETRY}次均失败")

def validate_json(raw_json: str) -> Dict[str, Any]:
    """校验JSON结构，确保核心字段不缺失"""
    try:
        data = json.loads(raw_json)
    except json.JSONDecodeError as e:
        raise ValueError(f"JSON解析失败：{e}")
    
    # 校验基础信息核心字段
    base_fields = ["最终结果", "分数", "面试岗位", "技术画像", "邀请解读"]
    if "基础信息" not in data:
        raise ValueError("缺失顶级字段：基础信息")
    for field in base_fields:
        if field not in data["基础信息"]:
            raise ValueError(f"基础信息缺失字段：{field}")
    
    # 校验8维度核心字段
    dimensions = ["潜力洞察", "叙事逻辑", "软件工艺", "编程能力", "综合网络", "电子电路", "操作系统", "算法能力"]
    dimension_fields = ["得分", "核心亮点", "短板", "核心依据"]
    if "8维度信息" not in data:
        raise ValueError("缺失顶级字段：8维度信息")
    for dim in dimensions:
        if dim not in data["8维度信息"]:
            raise ValueError(f"8维度信息缺失维度：{dim}")
        for field in dimension_fields:
            if field not in data["8维度信息"][dim]:
                raise ValueError(f"{dim}缺失字段：{field}")
    
    return data

def process_single_file(file_path: Path) -> bool:
    """处理单个文件：读取→调用API→校验→保存"""
    # 生成输出文件名（原文件名+json后缀）
    output_filename = f"{file_path.stem}.json"
    output_path = Path(Config.OUTPUT_DIR) / output_filename
    
    # 跳过已处理的文件
    if Config.SKIP_EXISTED and output_path.exists():
        logger.info(f"跳过已处理文件：{file_path.name}")
        return True
    
    try:
        # 1. 读取文件内容
        raw_text = read_file_content(str(file_path))
        if not raw_text:
            raise ValueError("文件内容为空")
        
        # 2. 构建提示词
        prompt = build_prompt(raw_text)
        
        # 3. 调用API抽取
        json_str = call_llm_api(prompt)
        
        # 4. 校验JSON结构
        valid_data = validate_json(json_str)
        
        # 5. 保存结果
        with open(output_path, "w", encoding="utf-8") as f:
            json.dump(valid_data, f, ensure_ascii=False, indent=4)
        
        return True
    
    except Exception as e:
        # 记录错误日志
        logger.error(f"处理文件{file_path.name}失败：{str(e)}")
        return False

# ===================== 4. 批量处理主函数 =====================
def batch_extract():
    """批量处理目录下的所有文件"""
    # 1. 检查目录
    check_and_create_dirs()
    
    # 2. 获取所有待处理文件
    input_files = []
    for file in Path(Config.INPUT_DIR).glob("*"):
        if file.is_file() and file.suffix in Config.SUPPORTED_EXTENSIONS:
            input_files.append(file)
    
    if not input_files:
        logger.error(f"输入目录{Config.INPUT_DIR}下无支持的文件（支持后缀：{Config.SUPPORTED_EXTENSIONS}）")
        return
    
    # 3. 批量处理（带进度条）
    success_count = 0
    fail_count = 0
    with tqdm(total=len(input_files), desc="批量抽取进度") as pbar:
        for file in input_files:
            if process_single_file(file):
                success_count += 1
            else:
                fail_count += 1
            pbar.update(1)
    
    # 4. 输出汇总结果
    print("\n" + "="*50)
    print(f"批量处理完成！")
    print(f"总文件数：{len(input_files)}")
    print(f"成功数：{success_count}")
    print(f"失败数：{fail_count}")
    print(f"失败日志：{Config.ERROR_LOG_PATH}")
    print(f"结果目录：{Config.OUTPUT_DIR}")
    print("="*50)

# ===================== 5. 适配其他大模型的扩展（可选） =====================
# 若使用OpenAI/GPT：
# def call_llm_api(prompt: str) -> str:
#     headers = {"Content-Type": "application/json", "Authorization": f"Bearer {Config.API_KEY}"}
#     data = {
#         "model": "gpt-3.5-turbo",
#         "messages": [{"role": "user", "content": prompt}],
#         "temperature": 0.0
#     }
#     response = requests.post("https://api.openai.com/v1/chat/completions", headers=headers, json=data)
#     return response.json()["choices"][0]["message"]["content"]

# ===================== 6. 主入口 =====================
if __name__ == "__main__":
    # 安装依赖（首次运行需执行）
    # pip install requests tqdm
    
    # 执行批量抽取
    batch_extract()