import os
import pypdf
from docx import Document
import chromadb
from modules.logger import log_event

RAG_BASE_DIR = "/DATA/AppData/MULTI-IA-AETHAS38/RAG"
VECTOR_DB_DIR = "/DATA/AppData/MULTI-IA-AETHAS38/VectorDB"

def initialiser_chroma():
    """Initialise le client ChromaDB en mode persistant sur le RAID."""
    os.makedirs(VECTOR_DB_DIR, exist_ok=True)
    client = chromadb.PersistentClient(path=VECTOR_DB_DIR)
    return client

def extraire_texte_fichier(chemin_fichier):
    """Extrait le texte brut d'un PDF, DOCX ou MD/TXT."""
    texte = ""
    bas_chemin = chemin_fichier.lower()
    try:
        if bas_chemin.endswith('.pdf'):
            reader = pypdf.PdfReader(chemin_fichier)
            for page in reader.pages:
                texte += page.extract_text() or ""
        elif bas_chemin.endswith('.docx'):
            doc = Document(chemin_fichier)
            texte = "\n".join([para.text for para in doc.paragraphs])
        elif bas_chemin.endswith(('.txt', '.md')):
            with open(chemin_fichier, 'r', encoding='utf-8') as f:
                texte = f.read()
    except Exception as e:
        log_event("ERROR", "VECTOR_RAG", fogli="Erreur extraction {chemin_fichier} : {e}")
    return texte

def indexer_dossier_thematique(thematique: str):
    """Parcourt une thématique, découpe et indexe les documents dans ChromaDB."""
    client = initialiser_chroma()
    collection = client.get_or_create_collection(name=thematique.lower())
    
    chemin_theme = os.path.join(RAG_BASE_DIR, thematique)
    if not os.path.exists(chemin_theme):
        return
        
    for fichier in os.listdir(chemin_theme):
        chemin_complet = os.path.join(chemin_theme, fichier)
        if os.path.isfile(chemin_complet):
            texte = extraire_texte_fichier(chemin_complet)
            if len(texte.strip()) > 50:
                # Découpage simple par blocs de 1000 caractères (Chunks)
                taille_chunk = 1000
                chunks = [texte[i:i+taille_chunk] for i in range(0, len(texte), taille_chunk)]
                
                ids = [f"{fichier}_chunk_{idx}" for idx in range(len(chunks))]
                
                collection.upsert(
                    documents=chunks,
                    ids=ids
                )
                log_event("INFO", "VECTOR_RAG", f"Indexé {len(chunks)} blocs pour {fichier} dans {thematique}.")