from fastapi.middleware.cors import CORSMiddleware
from fastapi import FastAPI, Request,  Header, BackgroundTasks, HTTPException, status
from fastapi.staticfiles import StaticFiles
from gradio_client import Client
import json
import os
import requests
import base64

from linebot import (
    LineBotApi, WebhookHandler
)
from linebot.exceptions import (
    InvalidSignatureError
)
from linebot.models import (
    MessageEvent, TextMessage, ImageMessage, TextSendMessage, ImageSendMessage, AudioMessage
)

# 設定 GeminiRAG 的HF網址
# client = Client(os.environ["GeminiRAGapi"])
# 設定 Line Bot 的 API 金鑰和秘密金鑰
line_bot_api = LineBotApi(os.environ["CHANNEL_ACCESS_TOKEN"])
line_handler = WebhookHandler(os.environ["CHANNEL_SECRET"])
# 設定是否正在與使用者交談
working_status = os.getenv("DEFALUT_TALKING", default = "true").lower() == "true"

# 建立 FastAPI 應用程式
app = FastAPI()
app.mount("/static", StaticFiles(directory="static"), name="static")

# Server URL
server_url= 'ning8429-ragline.hf.space' # https://ning8429-ragline.hf.space/static/temp.txt
api_img2text_url = 'https://ning8429-flask-docker.hf.space/predict'
api_text2img_url = 'https://ning8429-flask-docker.hf.space/text2img'  


# 設定 CORS，允許跨域請求
app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],
    allow_credentials=True,
    allow_methods=["*"],
    allow_headers=["*"],
)

# 處理根路徑請求
@app.get("/")
def root():
    return {"title": "Line Bot"}

# 處理 Line Webhook 請求
@app.post("/webhook")
async def webhook(
    request: Request,
    background_tasks: BackgroundTasks,
    x_line_signature=Header(None),
):
    # 取得請求內容
    body = await request.body()
    try:
        # 將處理 Line 事件的任務加入背景工作
        background_tasks.add_task(
            line_handler.handle, body.decode("utf-8"), x_line_signature
        )
    except InvalidSignatureError:
        # 處理無效的簽章錯誤
        raise HTTPException(status_code=400, detail="Invalid signature")
    return "ok"

# 處理接收的訊息事件
@line_handler.add(MessageEvent, message=(ImageMessage, TextMessage)) # 可捕捉處理的訊息類型:圖片、文字訊息
def handle_message(event):
    global working_status
    
    # 檢查事件是否為圖片訊息
    if isinstance(event.message, ImageMessage):
        print(f"***** START 圖轉文 *****")
        
         # 回覆已成功接收圖片的訊息
        line_bot_api.reply_message(
            event.reply_token,
            TextSendMessage(text="已成功接收您的圖片！正在為您搜尋寶寶名稱，請稍候片刻 😊")
        )
        
        # 嘗試獲取圖片內容
        try:
            message_content = line_bot_api.get_message_content(event.message.id)
        except Exception as e:
            print(f"Error fetching image content: {e}")

        # 圖片存進hugging face docker static資料夾
        input_name = 'input_'+event.message.id+'.jpg'
        path = './static/'+ input_name
        
        with open(path, 'wb') as fd:
            for chunk in message_content.iter_content():
                print(f"Saving image to {path}")
                fd.write(chunk)

        img2_url='https://%s/static/'% server_url

        # Call Flask API after saving the image
        try:
            with open(path, 'rb') as image_file:
                # Prepare payload with image file and message ID
                files = {'image': image_file}
                data = {
                    'message_id': event.message.id,
                    "choice": "find_similar_words",              
                    "word": None,
                    "top_k": 3
                }

                # Make a POST request to Flask API
                response = requests.post(api_img2text_url, files=files, data=data)

                # Check the response from the external API
                if response.status_code == 200:
                    api_response = response.json()
                else:
                    api_response = "Error calling FLASK API_response.status_code"

        except Exception as e:
            print(f"Error sending request to external API: {e}")
            api_response = "Error calling FLASK API_Exception"

        image_messages = []
        # image_del_paths = [path]  # 10/28 add-初始化要刪除的圖片路徑清單

        # 遍歷 CLIP api_response 中的 objects
        for i, obj in enumerate(api_response['objects']):
            element = obj['element']
            encoded_image = obj['images']['encoded_image']
            description = obj['images']['description_list'].replace("\n", "  ")

            print(f"===== 【{path}--> {element}】clip check: 【{description}】 =====")

            img_data  = base64.b64decode(encoded_image)
            
            # 每個圖像的文件名以message id和索引作為文件名
            image_name = f"yolo_{event.message.id}_{i}.jpg"
            image_path = './static/' + image_name
            # image_del_paths.append(image_path)  # 10/28 add-加入新的圖片路徑
        
            # 將圖片保存到 static 資料夾
            with open(image_path, 'wb') as file:
                file.write(img_data)
        
            # 構建可以從 static 資料夾存取的 URL
            output_url = f'https://{server_url}/static/{image_name}'

            # 每張圖回傳一張圖片和對應的描述
            image_messages.append(
                [
                    ImageSendMessage(
                        original_content_url=output_url,
                        preview_image_url=output_url
                    ),
                    TextSendMessage(text=f"⬆ 這隻可能是💫~\n{description}")
                ]
            )
        # 傳送所有圖片和描述，使用 push_message
        for message_group in image_messages:
            line_bot_api.push_message(
                event.source.user_id,  # 使用 user_id 發送推送訊息
                message_group
            )
        # # 10/28 add-刪除已傳送的圖片，釋放空間
        # for image_del in image_del_paths:
        #     try:
        #         os.remove(image_del)
        #         print(f"Deleted file: {image_del}")
        #     except Exception as e:
        #         print(f"Error deleting file {image_del}: {e}")
                
    elif isinstance(event.message, TextMessage):
        
        if event.message.text =="開始使用":
            # 回覆提示訊息，不調用外部 API
            line_bot_api.reply_message(
                event.reply_token,
                TextSendMessage(text="您好😊 請傳送寶寶照片找尋名字或是輸入關鍵字找尋圖片")
            )
            return # 終止處理，避免調用外部API

        # 其他文字訊息的處理邏輯
        line_bot_api.reply_message(
            event.reply_token,
            TextSendMessage(text="已成功接收您的搜尋文字！正在找尋對應的寶寶，請稍候片刻 😊")
        )

        # 將文字訊息內容當作參數傳送給外部 API
        text_message_content = event.message.text
        print(f"***** START 文轉圖 *****")

        # 呼叫外部API
        try:
            data = {
                    'message_id': event.message.id,
                    "choice": "find_image_for_word",              
                    "word": text_message_content,
                    "top_k": 3
            }
            
            # 發送 POST 請求至 Flask API，附帶文字內容
            response = requests.post(api_text2img_url, data=data)

            # 確認 API 回傳結果
            if response.status_code == 200:
                api_response = response.json()

                # 解析 API 回應的資料
                encoded_image = api_response["encoded_image"]
                description = api_response["description"]

                print(f"===== 文轉圖 api_response:{api_response} =====")

                # 將 base64 編碼的圖片轉換為圖片URL
                img_data  = base64.b64decode(encoded_image)

                # 每個圖像的文件名以message id和索引作為文件名
                image_name = f"text2img_{event.message.id}.jpg"
                image_path = './static/' + image_name
        
                # 將圖片保存到 static 資料夾
                with open(image_path, 'wb') as file:
                    file.write(img_data)
        
                # 構建可以從 static 資料夾存取的 URL
                output_url = f'https://{server_url}/static/{image_name}'
                
                # 傳送圖片和描述給用戶
                line_bot_api.push_message(
                    event.source.user_id,
                    [
                        ImageSendMessage(
                            original_content_url=output_url,
                            preview_image_url=output_url
                        ),
                        TextSendMessage(text=f"⬆️這是根據您的文字找到的寶寶💕\n{description}")
                    ]
                )
            else:
                line_bot_api.push_message(
                    event.source.user_id,
                    TextSendMessage(text="Error calling /text2img API: 非預期的狀態碼")
                )

        except Exception as e:
            print(f"Error sending request to external API: {e}")
            line_bot_api.push_message(
                event.source.user_id,
                TextSendMessage(text="Error calling FLASK API: 發送請求時出現異常")
            )

    else:
        # 若不是圖片或文字則回覆提示訊息
        line_bot_api.reply_message(
            event.reply_token,
            TextSendMessage(text="我們只接受圖片或文字訊息唷")
        )
    # # 檢查使用者是否輸入 "再見"
    # elif event.message.text == "再見":
    #     # 回覆 "Bye!"
    #     line_bot_api.reply_message(
    #         event.reply_token,
    #         TextSendMessage(text="Bye!")
    #     )
    #     return
       
    # # 檢查是否正在與使用者交談
    # elif working_status:
    #     try: 
    #         # 取得使用者輸入的文字
    #         prompt = event.message.text
    #         # 使用 GeminiRAGapi
    #         completion = client.predict(question=prompt, api_name="/predict")
    #         # 檢查生成結果是否為空
    #         if (completion != None):
    #             # 取得生成結果
    #             out = completion
    #         else:
    #             # 回覆 "Gemini沒答案!請換個說法！"
    #             out = "Gemini沒答案!請換個說法！"
    #     except:
    #         # 處理錯誤
    #         out = "Gemini執行出錯!請換個說法！" 
  
    #     # 回覆生成結果
    #     line_bot_api.reply_message(
    #         event.reply_token,
    #         TextSendMessage(text=out))

if __name__ == "__main__":
    # 啟動 FastAPI 應用程式
    uvicorn.run("main:app", host="0.0.0.0", port=7860, reload=True)

# 註解說明：
# import 導入必要的套件
# line_bot_api 和 line_handler 設定 Line Bot API 和 webhook 處理器
# working_status 設定是否正在與使用者交談
# app 建立 FastAPI 應用程式
# app.add_middleware 設定 CORS
# @app.get("/") 處理根路徑請求
# @app.post("/webhook") 處理 Line Webhook 請求
# @line_handler.add(MessageEvent, message=TextMessage) 處理文字訊息事件
# if __name__ == "__main__": 啟動 FastAPI 應用程式
# 程式碼功能說明：
# 接著會建立 FastAPI 應用程式，並設定 CORS。
# 程式碼會定義兩個函數：
# root() 處理根路徑請求，返回一個簡單的 JSON 訊息。
# webhook() 處理 Line Webhook 請求，將處理 Line 事件的任務加入背景工作，並處理無效的簽章錯誤。
# 程式碼還定義一個函數 handle_message() 來處理文字訊息事件，它會檢查事件類型和訊息類型，並根據使用者輸入執行不同的動作：
# 如果使用者輸入 "再見"，回覆 "Bye!"。
# 如果正在與使用者交談，則會使用 Gemini 模型生成文字，並將結果回覆給使用者。
# 最後，程式碼會啟動 FastAPI 應用程式，開始監聽 HTTP 請求。
# 程式碼運行方式：
# 將程式碼存為 main.py 文件。
# 在環境變數中設定 GeminiRAGapi, CHANNEL_ACCESS_TOKEN 和 CHANNEL_SECRET。
# 執行 uvicorn main:app --host 0.0.0.0 --port 7860 --reload 命令啟動 FastAPI 應用程式。
# 使用 Line 帳戶與 Line Bot 進行對話。
# 注意：
# 程式碼中使用os.environ["GeminiRAGapi"], os.environ["CHANNEL_ACCESS_TOKEN"] 和 os.environ["CHANNEL_SECRET"] 來存取環境變數，需要先在環境變數中設定這些值。
# 程式碼中使用 uvicorn 執行 FastAPI 應用程式，需要先安裝 uvicorn 套件。
# 程式碼中使用 linebot 套件，需要先安裝 linebot 套件