# -*- coding: utf-8 -*-
import time
from pathlib import Path
from typing import Optional, Tuple

from openai import OpenAI, APIError


class ContentAnalyzer:
    """课程内容分析器（带Emoji进度展示）"""

    def __init__(
            self,
            api_key: str = "sk-01d13a39e09844038322108ecdbd1bbc",
            base_url: str = "https://dashscope.aliyuncs.com/compatible-mode/v1",
            model: str = "deepseek-r1"
    ):
        """
        初始化分析器
        :param api_key: 阿里云API密钥
        :param base_url: API基础地址
        :param model: 使用的模型名称
        """
        self.client = OpenAI(api_key=api_key, base_url=base_url)
        self.model = model

    def _show_progress(self, emoji: str, message: str, level: int = 1, delay: float = 0.3):
        """进度展示方法
        :param emoji: 表情符号
        :param message: 进度信息
        :param level: 缩进层级（0-无缩进，1-一级缩进）
        :param delay: 展示后的延迟时间
        """
        indent = "  " * level
        progress_line = f"{indent}{emoji} {message}"
        print(progress_line)
        time.sleep(delay)  # 增加进度展示的节奏感

    def analyze_content(
            self,
            content: str,
            prompt_template: str = "帮我梳理：这节课分了几个部分，每部分的名称和开始的时间是多少：{}"
    ) -> Tuple[bool, str]:
        """
        分析课程内容结构
        :param content: 需要分析的文本内容
        :param prompt_template: 提示词模板
        :return: (成功标志, 分析结果或错误信息)
        """
        try:
            # 构建提示词
            self._show_progress("📝", "正在构建提示词...", level=1)
            full_prompt = prompt_template.format(content)

            # 发送API请求
            self._show_progress("📡", "正在发送API请求...", level=1)
            start_time = time.time()
            completion = self.client.chat.completions.create(
                model=self.model,
                messages=[{'role': 'user', 'content': full_prompt}]
            )
            cost_time = time.time() - start_time

            # 处理响应
            self._show_progress("✅", f"收到API响应（耗时{cost_time:.1f}s）", level=1)
            if not completion.choices:
                self._show_progress("❌", "响应内容为空", level=2)
                return False, "API响应中未包含有效结果"

            # 解析结果
            self._show_progress("🔍", "正在解析结果内容...", level=1)
            return True, completion.choices[0].message.content

        except APIError as e:
            self._show_progress("🚨", f"API异常: {str(e)}", level=2)
            return False, f"API调用失败: {str(e)}"
        except Exception as e:
            self._show_progress("💥", f"未处理的异常: {str(e)}", level=2)
            return False, f"未处理的异常: {str(e)}"

    def analyze_file(
            self,
            file_path: Path,
            output_path: Optional[Path] = None,
            encoding: str = 'utf-8'
    ) -> Tuple[bool, str]:
        """
        从文件读取内容并分析
        :param file_path: 输入文件路径
        :param output_path: 输出文件路径（可选）
        :param encoding: 文件编码格式
        :return: (成功标志, 最终结果或错误信息)
        """
        try:
            self._show_progress("📂", f"开始处理文件: {file_path}", level=0)

            # 检查文件存在性
            self._show_progress("🔎", "检查文件是否存在...", level=1)
            if not file_path.exists():
                self._show_progress("❌", "文件不存在", level=2)
                return False, f"文件不存在: {file_path}"

            # 读取文件内容
            self._show_progress("📖", "正在读取文件内容...", level=1)
            try:
                content = file_path.read_text(encoding=encoding)
            except UnicodeDecodeError:
                self._show_progress("🔠", f"解码失败（当前编码: {encoding}）", level=2)
                return False, f"文件解码失败，请尝试使用正确的编码格式"

            # 分析内容
            self._show_progress("🧠", "开始分析内容...", level=1)
            success, result = self.analyze_content(content)

            if not success:
                self._show_progress("⚠️", "内容分析失败", level=2)
                return False, result

            # 保存结果
            if output_path:
                self._show_progress("💾", f"正在保存结果到: {output_path}", level=1)
                try:
                    output_path.parent.mkdir(parents=True, exist_ok=True)
                    output_path.write_text(result, encoding=encoding)
                    self._show_progress("✅", "文件保存成功", level=2)
                except IOError as e:
                    self._show_progress("❌", f"保存失败: {str(e)}", level=2)
                    return False, f"结果保存失败: {str(e)}"

            self._show_progress("🎉", "文件处理完成", level=0)
            return True, result

        except Exception as e:
            self._show_progress("💣", f"意外错误: {str(e)}", level=2)
            return False, f"文件处理异常: {str(e)}"


def show_banner():
    """显示启动横幅"""
    print("\n" + "=" * 50)
    print("🌟  课程内容智能分析系统  🌟".center(50))
    print("=" * 50 + "\n")


def analyzer_action(input_file: str, output_file: Optional[str] = None):
    """执行分析流程
    :param input_file: 输入文件路径
    :param output_file: 输出文件路径（可选）
    """
    show_banner()

    analyzer = ContentAnalyzer()
    input_path = Path(input_file)
    output_path = Path(output_file) if output_file else None

    success, result = analyzer.analyze_file(input_path, output_path)

    print("\n" + "=" * 50)
    if success:
        print("✅ 最终分析结果：".center(50))
        print("-" * 50)
        print(result)
        print("-" * 50)
        if output_path:
            print(f"结果已保存至：{output_path.resolve()}")
    else:
        print(f"❌ 分析失败：{result}")
    print("=" * 50 + "\n")


if __name__ == "__main__":
    # 示例配置
    input_file = r"D:\dsWork\QingLong\AI\音频文本.txt"
    output_file = r"D:\dsWork\QingLong\AI\分析结果.txt"

    # 执行分析
    analyzer_action(input_file, output_file)