"""
خدمة استخراج النصوص من المستندات
"""

import os
import PyPDF2
import docx
import pandas as pd
from pathlib import Path
import config

class TextExtractor:
    """استخراج النصوص من المستندات المختلفة"""
    
    def __init__(self):
        pass
    
    def extract_from_pdf(self, file_path):
        """استخراج النص من ملف PDF"""
        text = ""
        
        try:
            with open(file_path, 'rb') as file:
                pdf_reader = PyPDF2.PdfReader(file)
                for page_num in range(len(pdf_reader.pages)):
                    page = pdf_reader.pages[page_num]
                    text += page.extract_text() + "\n\n"
        except Exception as e:
            print(f"خطأ في استخراج النص من PDF: {str(e)}")
            return ""
        
        return text
    
    def extract_from_docx(self, file_path):
        """استخراج النص من ملف Word"""
        text = ""
        
        try:
            doc = docx.Document(file_path)
            for para in doc.paragraphs:
                text += para.text + "\n"
        except Exception as e:
            print(f"خطأ في استخراج النص من DOCX: {str(e)}")
            return ""
        
        return text
    
    def extract_from_excel(self, file_path):
        """استخراج البيانات من ملف Excel"""
        try:
            # قراءة جميع الصفحات
            excel_data = pd.read_excel(file_path, sheet_name=None)
            
            # تجميع البيانات من جميع الصفحات
            text = ""
            for sheet_name, sheet_data in excel_data.items():
                text += f"صفحة: {sheet_name}\n"
                text += sheet_data.to_string(index=False) + "\n\n"
        except Exception as e:
            print(f"خطأ في استخراج النص من Excel: {str(e)}")
            return ""
        
        return text
    
    def extract_from_text(self, file_path):
        """استخراج النص من ملف نصي"""
        try:
            with open(file_path, 'r', encoding='utf-8') as file:
                text = file.read()
        except Exception as e:
            print(f"خطأ في استخراج النص من الملف النصي: {str(e)}")
            return ""
        
        return text
    
    def extract_text(self, file_path):
        """استخراج النص من أي نوع ملف مدعوم"""
        file_ext = Path(file_path).suffix.lower()
        
        if file_ext == '.pdf':
            return self.extract_from_pdf(file_path)
        elif file_ext in ['.docx', '.doc']:
            return self.extract_from_docx(file_path)
        elif file_ext in ['.xlsx', '.xls']:
            return self.extract_from_excel(file_path)
        elif file_ext == '.txt':
            return self.extract_from_text(file_path)
        else:
            print(f"نوع الملف غير مدعوم: {file_ext}")
            return ""