"""PDF文件读取和文本提取工具。

使用pypdf库实现PDF文件的读取、基本信息展示和文本内容提取。
支持通过命令行参数指定PDF文件路径和可选的页码范围。
"""

import argparse
import sys
from typing import Optional

import pypdf
from pypdf import PdfReader


class PDFOpener:
    """PDF文件打开和内容提取类。

    封装了PDF读取、信息提取和文本提取的全部功能。

    Attributes:
        file_path: PDF文件的路径。
        start_page: 提取文本的起始页码（从0开始，包含）。
        end_page: 提取文本的结束页码（从0开始，包含），None表示最后一页。
    """

    def __init__(
        self,
        file_path: str,
        start_page: int = 0,
        end_page: Optional[int] = None,
    ) -> None:
        """初始化PDFOpener实例。

        Args:
            file_path: PDF文件的路径。
            start_page: 提取文本的起始页码（从0开始），默认为0。
            end_page: 提取文本的结束页码（从0开始），默认为None（最后一页）。
        """
        self._file_path: str = file_path
        self._start_page: int = start_page
        self._end_page: Optional[int] = end_page

    def open(self) -> PdfReader:
        """打开PDF文件并返回PdfReader对象。

        处理文件不存在、格式错误、权限不足等常见异常，
        遇到异常时输出友好错误信息并退出程序。

        Returns:
            pypdf.PdfReader对象。

        Raises:
            SystemExit: 当文件不存在、格式错误或权限不足时退出程序。
        """
        try:
            reader = PdfReader(self._file_path)
            return reader
        except FileNotFoundError:
            print(
                f"错误：文件未找到，请检查路径是否正确：'{self._file_path}'",
                file=sys.stderr,
            )
            sys.exit(1)
        except pypdf.errors.PdfReadError as e:
            print(
                f"错误：无法读取PDF文件，文件可能已损坏或格式不正确：{e}",
                file=sys.stderr,
            )
            sys.exit(1)
        except PermissionError:
            print(
                f"错误：没有权限读取文件：'{self._file_path}'",
                file=sys.stderr,
            )
            sys.exit(1)

    def get_info(self, reader: PdfReader) -> dict:
        """获取PDF文件的基本信息。

        Args:
            reader: pypdf.PdfReader对象。

        Returns:
            包含PDF基本信息的字典，包括总页数和元数据。
        """
        num_pages: int = len(reader.pages)
        metadata: Optional[pypdf.DocumentInformation] = reader.metadata

        info: dict = {
            "num_pages": num_pages,
            "title": metadata.title if metadata and metadata.title else "未知",
            "author": metadata.author if metadata and metadata.author else "未知",
            "subject": metadata.subject if metadata and metadata.subject else "未知",
            "creator": metadata.creator if metadata and metadata.creator else "未知",
            "producer": metadata.producer if metadata and metadata.producer else "未知",
            "creation_date": (
                metadata.creation_date if metadata and metadata.creation_date else "未知"
            ),
        }
        return info

    def display_info(self, info: dict) -> None:
        """将PDF基本信息格式化输出到控制台。

        Args:
            info: 包含PDF基本信息的字典。
        """
        separator: str = "=" * 50
        print(separator)
        print("PDF 文件基本信息")
        print(separator)
        print(f"  总页数    : {info.get('num_pages', '未知')}")
        print(f"  标题      : {info.get('title', '未知')}")
        print(f"  作者      : {info.get('author', '未知')}")
        print(f"  主题      : {info.get('subject', '未知')}")
        print(f"  创建工具  : {info.get('creator', '未知')}")
        print(f"  生成工具  : {info.get('producer', '未知')}")
        print(f"  创建日期  : {info.get('creation_date', '未知')}")
        print(separator)
        print()

    def extract_text(self, reader: PdfReader) -> list[str]:
        """按页码范围逐页提取PDF文本内容。

        Args:
            reader: pypdf.PdfReader对象。

        Returns:
            每页文本内容组成的列表，列表索引对应页码偏移。
        """
        num_pages: int = len(reader.pages)

        # 确定实际的起始和结束页码（基于0的索引）
        actual_start: int = max(0, self._start_page)
        actual_end: int = (
            num_pages - 1 if self._end_page is None else min(self._end_page, num_pages - 1)
        )

        if actual_start > actual_end:
            print(
                f"警告：起始页码 ({actual_start + 1}) 大于结束页码 ({actual_end + 1})，"
                f"将不提取任何文本。",
                file=sys.stderr,
            )
            return []

        texts: list[str] = []
        for page_index in range(actual_start, actual_end + 1):
            page = reader.pages[page_index]
            page_text: str = page.extract_text() or ""
            texts.append(page_text)

        return texts

    def display_text(self, texts: list[str]) -> None:
        """将提取的文本内容格式化输出到控制台。

        Args:
            texts: 每页文本内容组成的列表。
        """
        if not texts:
            print("未提取到任何文本内容。")
            return

        separator: str = "-" * 50
        actual_start_display: int = self._start_page + 1  # 转换为1-based显示

        for i, text in enumerate(texts):
            page_number: int = actual_start_display + i
            print(f"【第 {page_number} 页】")
            print(separator)
            if text.strip():
                print(text)
            else:
                print("（本页无可提取的文本内容）")
            print(separator)
            print()

    def run(self) -> None:
        """主流程入口，依次执行PDF读取、信息展示和文本提取。

        按顺序调用 open、get_info、display_info、extract_text、display_text。
        """
        reader: PdfReader = self.open()
        info: dict = self.get_info(reader)
        self.display_info(info)
        texts: list[str] = self.extract_text(reader)
        self.display_text(texts)


def parse_args() -> argparse.Namespace:
    """解析命令行参数。

    Returns:
        包含解析后参数的Namespace对象：
            - file_path: PDF文件路径（必填）
            - start_page: 起始页码，1-based（可选，默认为1）
            - end_page: 结束页码，1-based（可选，默认为None表示最后一页）
    """
    parser = argparse.ArgumentParser(
        description="PDF文件读取和文本提取工具",
        formatter_class=argparse.RawDescriptionHelpFormatter,
        epilog=(
            "示例用法：\n"
            "  python main.py document.pdf\n"
            "  python main.py document.pdf --start-page 2 --end-page 5\n"
            "  python main.py document.pdf --start-page 3\n"
        ),
    )

    parser.add_argument(
        "file_path",
        type=str,
        help="PDF文件的路径（必填）",
    )

    parser.add_argument(
        "--start-page",
        type=int,
        default=1,
        dest="start_page",
        metavar="N",
        help="提取文本的起始页码（从1开始，默认为1）",
    )

    parser.add_argument(
        "--end-page",
        type=int,
        default=None,
        dest="end_page",
        metavar="N",
        help="提取文本的结束页码（从1开始，默认为最后一页）",
    )

    args: argparse.Namespace = parser.parse_args()

    # 验证页码参数合法性
    if args.start_page < 1:
        parser.error("--start-page 必须大于等于1")

    if args.end_page is not None and args.end_page < 1:
        parser.error("--end-page 必须大于等于1")

    if args.end_page is not None and args.start_page > args.end_page:
        parser.error("--start-page 不能大于 --end-page")

    return args


def main() -> None:
    """程序主入口函数。

    解析命令行参数，创建PDFOpener实例并执行主流程。
    """
    args: argparse.Namespace = parse_args()

    # 将1-based的用户输入页码转换为0-based的内部索引
    start_page_index: int = args.start_page - 1
    end_page_index: Optional[int] = (
        args.end_page - 1 if args.end_page is not None else None
    )

    pdf_opener = PDFOpener(
        file_path=args.file_path,
        start_page=start_page_index,
        end_page=end_page_index,
    )
    pdf_opener.run()


if __name__ == "__main__":
    main()