"""
generate_annotations.py
=======================
Gera o arquivo annotations.csv para o dataset minds-libras.

Uso:
    python generate_annotations.py

O script deve ser colocado na pasta PAI da pasta 'videos', ou seja:
    dataset/minds-libras/
        generate_annotations.py   <-- aqui
        annotations.csv           <-- gerado aqui
        videos/
            01AcontecerSinalizador01-1.mp4
            ...

Dependências:
    - ffprobe (parte do ffmpeg): extrai width, height e fps reais de cada vídeo.
      Caso contrário, as colunas ficam como None.

    Ubuntu/Debian: sudo apt install ffmpeg
    macOS:         brew install ffmpeg
"""

import os
import re
import csv
import json
import subprocess
from pathlib import Path

# ---------------------------------------------------------------------------
# Configuração
# ---------------------------------------------------------------------------

SCRIPT_DIR = Path(__file__).parent.resolve()
VIDEOS_DIR = SCRIPT_DIR / "videos"
OUTPUT_CSV  = SCRIPT_DIR / "annotations.csv"

FILENAME_PATTERN = re.compile(
    r"^(?P<class_id>\d{2})(?P<class_name>[A-Za-záéíóúàâêôãõüçÁÉÍÓÚÀÂÊÔÃÕÜÇ]+)"
    r"Sinalizador(?P<user_id>\d{2})-(?P<rep>\d+)\.mp4$"
)

def get_video_metadata(filepath: Path) -> dict:
    """Retorna width, height e frame_count via ffprobe. Retorna None em caso de erro."""
    try:
        cmd = [
            "ffprobe", "-v", "quiet",
            "-print_format", "json",
            "-select_streams", "v:0",
            "-show_streams",
            str(filepath)
        ]
        result = subprocess.run(cmd, capture_output=True, text=True, timeout=10)
        if result.returncode != 0:
            return {"width": None, "height": None, "fps": None}

        data = json.loads(result.stdout)
        stream = data.get("streams", [{}])[0]

        width  = stream.get("width")
        height = stream.get("height")

        # fps: tenta nb_frames (contagem real), depois avg_frame_rate
        nb_frames = stream.get("nb_frames")
        if nb_frames and nb_frames != "N/A":
            fps = float(nb_frames)
        else:
            # avg_frame_rate vem como "30/1" ou "30000/1001"
            avg_fr = stream.get("avg_frame_rate", "0/1")
            num, den = avg_fr.split("/")
            fps = round(float(num) / float(den), 2) if float(den) != 0 else None

        return {"width": width, "height": height, "fps": fps}

    except (FileNotFoundError, subprocess.TimeoutExpired, Exception):
        return {"width": None, "height": None, "fps": None}


def ffprobe_available() -> bool:
    try:
        subprocess.run(["ffprobe", "-version"], capture_output=True, timeout=5)
        return True
    except (FileNotFoundError, subprocess.TimeoutExpired):
        return False

def main():
    if not VIDEOS_DIR.exists():
        raise FileNotFoundError(f"Pasta de vídeos não encontrada: {VIDEOS_DIR}")

    use_ffprobe = ffprobe_available()
    if use_ffprobe:
        print("ffprobe detectado — extraindo metadados reais dos vídeos.")
    else:
        print("ffprobe NÃO encontrado — colunas width/height/fps serão None.")
        print("  Para extrair metadados: sudo apt install ffmpeg  (ou brew install ffmpeg)")

    # Coleta e ordena os arquivos
    mp4_files = sorted(VIDEOS_DIR.glob("*.mp4"))
    print(f"\nArquivos .mp4 encontrados: {len(mp4_files)}")

    rows = []
    skipped = []

    for filepath in mp4_files:
        filename = filepath.name
        m = FILENAME_PATTERN.match(filename)

        if not m:
            skipped.append(filename)
            continue

        class_name = m.group("class_name")
        user_id    = f"Sinalizador{m.group('user_id')}"
        rep        = m.group("rep")     

        video_id = filename  # usa o próprio filename como ID (análogo ao dataset original)


        video_name = f"{class_name}_{user_id}-{rep}.mp4"

        # Metadados do vídeo
        if use_ffprobe:
            meta = get_video_metadata(filepath)
            print(f"  {filename} -> {meta}")
        else:
            meta = {"width": None, "height": None, "fps": None}

        rows.append({
            "video_id":    video_id,
            "video_name":  video_name,
            "class":       class_name,
            "user_id":     user_id,
            "width":       meta["width"],
            "height":      meta["height"],
            "fps":         meta["fps"],
        })

    # Relatório de arquivos não reconhecidos
    if skipped:
        print(f"\n⚠️  {len(skipped)} arquivo(s) não reconhecido(s) pelo padrão e ignorado(s):")
        for s in skipped:
            print(f"   {s}")

    # Escreve CSV
    fieldnames = ["video_id", "video_name", "class", "user_id", "width", "height", "fps"]

    with open(OUTPUT_CSV, "w", newline="", encoding="utf-8") as f:
        writer = csv.DictWriter(f, fieldnames=fieldnames)
        writer.writeheader()
        writer.writerows(rows)

    # Resumo
    classes    = sorted(set(r["class"]   for r in rows))
    users      = sorted(set(r["user_id"] for r in rows))
    reps       = sorted(set(
        re.search(r"-(\d+)\.mp4$", r["video_id"]).group(1) for r in rows
    ))

    print(f"\n✅  annotations.csv gerado em: {OUTPUT_CSV}")
    print(f"   Total de linhas (vídeos): {len(rows)}")
    print(f"   Classes ({len(classes)}): {classes}")
    print(f"   Sinalizadores ({len(users)}): {users}")
    print(f"   Repetições: {reps}")


if __name__ == "__main__":
    main()