import os
import io
import json
import base64
import datetime
import logging
from functools import lru_cache

from fastapi import FastAPI, File, UploadFile, Form, HTTPException
from fastapi.responses import HTMLResponse, JSONResponse
from PIL import Image, UnidentifiedImageError
from ultralytics import YOLO

from huggingface_hub import HfApi

# ──────────────────────────────────────────────
# Config & logging
# ──────────────────────────────────────────────
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger("afb")

MODEL_REPO = os.environ.get("MODEL_REPO", "")           # เช่น "Teeradon/AFB-Detect-YOLOv11"
MODEL_FILE = os.environ.get("MODEL_FILE", "best.pt")
LOCAL_MODEL = os.environ.get("LOCAL_MODEL", "best.pt")
CONF_THRESHOLD = float(os.environ.get("CONF_THRESHOLD", "0.15"))
IMGSZ = int(os.environ.get("IMGSZ", "1536"))            # ขนาดภาพตอน inference (ปรับได้ผ่าน env)
MAX_FILE_MB = 10
ALLOWED_TYPES = {"image/jpeg", "image/png", "image/jpg", "image/webp"}

# ── ที่เก็บภาพ: Hugging Face Dataset ──
HF_TOKEN = os.environ.get("HF_TOKEN")
DATASET_REPO = os.environ.get("DATASET_REPO", "")       # เช่น "Teeradon/afb-research-images"

app = FastAPI(title="AFB Detection")


# ──────────────────────────────────────────────
# Startup validation
# ──────────────────────────────────────────────
@app.on_event("startup")
def validate_config():
    problems = []
    if not HF_TOKEN:
        problems.append("HF_TOKEN ไม่ได้ตั้งค่า")
    if not DATASET_REPO:
        problems.append("DATASET_REPO ไม่ได้ตั้งค่า (ที่เก็บภาพ)")
    if problems:
        for p in problems:
            logger.warning("CONFIG WARNING: %s", p)
    else:
        logger.info("Config validated OK")


# ──────────────────────────────────────────────
# Lazy-loaded singletons
# ──────────────────────────────────────────────
@lru_cache(maxsize=1)
def get_model():
    """โหลด YOLO model ครั้งเดียว แล้ว cache ไว้"""
    if MODEL_REPO:
        from huggingface_hub import hf_hub_download
        path = hf_hub_download(repo_id=MODEL_REPO, filename=MODEL_FILE, token=HF_TOKEN)
    else:
        path = LOCAL_MODEL
    logger.info("Loading YOLO model from %s", path)
    return YOLO(path)


@lru_cache(maxsize=1)
def get_hf_api():
    """สร้าง HfApi client ครั้งเดียว แล้ว cache ไว้"""
    if not HF_TOKEN:
        raise RuntimeError("HF_TOKEN ไม่ได้ตั้งค่า")
    return HfApi(token=HF_TOKEN)


def upload_to_dataset(img_bytes: bytes, path_in_repo: str):
    """อัปโหลดภาพขึ้น HF Dataset repo"""
    api = get_hf_api()
    api.upload_file(
        path_or_fileobj=io.BytesIO(img_bytes),
        path_in_repo=path_in_repo,
        repo_id=DATASET_REPO,
        repo_type="dataset",
    )


# ──────────────────────────────────────────────
# Routes — pages
# ──────────────────────────────────────────────
def read_html(name: str) -> str:
    with open(name, "r", encoding="utf-8") as f:
        return f.read()


@app.get("/", response_class=HTMLResponse)
async def index():
    return read_html("index.html")


@app.get("/result", response_class=HTMLResponse)
async def result_page():
    return read_html("result.html")


@app.get("/health")
async def health():
    return {"status": "ok"}


# ──────────────────────────────────────────────
# Route — analyze
# ──────────────────────────────────────────────
@app.post("/analyze")
async def analyze(
    file: UploadFile = File(...),
    consent: str = Form("true"),
    sample_ref: str = Form(""),
):
    # 1) ตรวจ consent
    if consent.lower() != "true":
        raise HTTPException(status_code=400, detail="ต้องยินยอมก่อนจึงจะวิเคราะห์ได้")

    # 2) ตรวจชนิดไฟล์
    if file.content_type not in ALLOWED_TYPES:
        raise HTTPException(
            status_code=415,
            detail=f"ชนิดไฟล์ไม่รองรับ: {file.content_type} (รองรับ JPG, PNG, WEBP)",
        )

    # 3) อ่าน + ตรวจขนาด
    img_bytes = await file.read()
    if len(img_bytes) > MAX_FILE_MB * 1024 * 1024:
        raise HTTPException(status_code=413, detail=f"ไฟล์ใหญ่เกิน {MAX_FILE_MB}MB")

    # 4) เปิดภาพ
    try:
        img = Image.open(io.BytesIO(img_bytes)).convert("RGB")
    except (UnidentifiedImageError, OSError):
        raise HTTPException(status_code=422, detail="ไม่สามารถเปิดภาพได้ (ไฟล์อาจเสียหาย)")

    # 5) รัน inference
    try:
        model = get_model()
        results = model(img, conf=CONF_THRESHOLD, imgsz=IMGSZ, verbose=False)
        result = results[0]
    except Exception:
        logger.exception("Inference failed")
        raise HTTPException(status_code=500, detail="การวิเคราะห์ล้มเหลว กรุณาลองใหม่")

    # 6) สรุปผล + เก็บ raw boxes ทุกอันไว้ให้ frontend กรองเอง
    img_w, img_h = img.size
    all_boxes = []
    if len(result.boxes) > 0:
        xyxy = result.boxes.xyxy.tolist()
        confs_raw = result.boxes.conf.tolist()
        for (x1, y1, x2, y2), c in zip(xyxy, confs_raw):
            all_boxes.append({
                "x1": round(x1 / img_w, 4),
                "y1": round(y1 / img_h, 4),
                "x2": round(x2 / img_w, 4),
                "y2": round(y2 / img_h, 4),
                "conf": round(c, 4),
            })
    all_boxes.sort(key=lambda b: b["conf"], reverse=True)

    boxes_at_default = [b for b in all_boxes if b["conf"] >= CONF_THRESHOLD]
    afb_count = len(boxes_at_default)
    avg_conf = round(sum(b["conf"] for b in boxes_at_default) / afb_count * 100, 1) if afb_count > 0 else 0.0

    # 7) ส่งภาพต้นฉบับ (ไม่มี box) — frontend วาด box เองจาก all_boxes
    buf = io.BytesIO()
    img.save(buf, format="JPEG", quality=90)
    orig_jpeg = buf.getvalue()
    orig_b64 = base64.b64encode(orig_jpeg).decode()

    # 8) บันทึกขึ้น HF Dataset — error ไม่ทำให้ทั้ง request ล้ม
    saved = False
    save_error = None
    try:
        now = datetime.datetime.now()
        ts = now.strftime("%Y%m%d_%H%M%S")
        date_folder = now.strftime("%Y-%m-%d")
        ref = (sample_ref or "noref").replace("/", "-").replace(" ", "_")[:40]
        base_name = f"images/{date_folder}/afb_{ts}_{ref}_n{afb_count}_c{avg_conf}"
        upload_to_dataset(orig_jpeg, f"{base_name}_original.jpg")
        try:
            det_img = Image.fromarray(result.plot()[..., ::-1])
            det_buf = io.BytesIO()
            det_img.save(det_buf, format="JPEG", quality=90)
            upload_to_dataset(det_buf.getvalue(), f"{base_name}_detection.jpg")
        except Exception:
            pass
        saved = True
    except Exception:
        logger.exception("Dataset upload failed")
        save_error = "บันทึกภาพไม่สำเร็จ (ผลการวิเคราะห์ยังแสดงได้ปกติ)"

    return JSONResponse({
        "afb_count": afb_count,
        "avg_conf": avg_conf,
        "orig_b64": orig_b64,
        "all_boxes": all_boxes,
        "conf_threshold": CONF_THRESHOLD,
        "saved": saved,
        "save_error": save_error,
        "sample_ref": sample_ref or "",
    })