"""字幕 OCR 整链真实集成测试。

使用 testdata/subtitle_10s.mp4（烧录 SUB 001@1-4s、SUB 002@6-9s）与真实
glm-ocr 模型：抽帧（frame-extract）→ 逐帧 OCR（subtitle-ocr）→ 汇总 SRT，
断言烧录文字与时间轴对齐。Ollama 服务或资产缺失时自动跳过。
"""

import json
import urllib.request
from pathlib import Path

import pytest

from nodes.frame_extract import invoke as frame_invoke
from nodes.subtitle_ocr import invoke as ocr_invoke
from wov_sdk.models import InvokeRequest

OLLAMA_HOST = "http://192.168.123.70:11434"
MODEL = "glm-ocr:latest"

# 单体根目录：tests/ 的上一级。
WORKSPACE = Path(__file__).resolve().parent.parent
VIDEO = WORKSPACE / "testdata" / "subtitle_10s.mp4"


def _register_nodes() -> None:
    """注册全部内置节点，供 subtitle-ocr 内部调 vlm-ocr 使用。"""
    from wov_app import registry

    registry.register_all()


def _ollama_reachable() -> bool:
    """探测 Ollama 服务与目标模型是否可用。"""
    try:
        req = urllib.request.Request(
            f"{OLLAMA_HOST}/api/show",
            data=b'{"model": "%s"}' % MODEL.encode(),
            headers={"Content-Type": "application/json"},
            method="POST",
        )
        with urllib.request.urlopen(req, timeout=5) as resp:
            return resp.status == 200
    except (urllib.error.URLError, OSError):
        return False


@pytest.mark.integration
def test_subtitle_ocr_full_chain(tmp_path) -> None:
    """抽帧→OCR→汇总：SRT 应含 SUB 001/SUB 002 且时间轴落在各自区间。"""
    if not _ollama_reachable():
        pytest.skip("Ollama 服务或 glm-ocr 模型不可用，跳过真实模型集成测试")
    if not VIDEO.is_file():
        pytest.skip("缺少 testdata/subtitle_10s.mp4 测试资产，跳过集成测试")
    _register_nodes()

    # 抽帧：1s 间隔，字幕在底部，裁切下半 30% 区域（y=0.7,h=0.3）。
    frames_resp = frame_invoke(
        InvokeRequest(
            run_id="chain_fx",
            node_instance_id="",
            inputs={"video_uri": str(VIDEO)},
            params={"interval_seconds": 1, "crop": [0, 0.7, 1, 0.3]},
            output_dir=str(tmp_path / "frames"),
        )
    )
    assert frames_resp.status == "completed", frames_resp.error
    manifest = json.loads(Path(frames_resp.outputs["frames_manifest"]).read_text(encoding="utf-8"))
    assert len(manifest) >= 8

    # OCR 汇总：真实 glm-ocr 逐帧识别。
    ocr_resp = ocr_invoke(
        InvokeRequest(
            run_id="chain_ocr",
            node_instance_id="",
            inputs={"frames_manifest": str(frames_resp.outputs["frames_manifest"])},
            params={"model": MODEL, "ollama_host": OLLAMA_HOST, "min_chars": 2},
            output_dir=str(tmp_path / "out"),
        )
    )
    assert ocr_resp.status == "completed", ocr_resp.error
    srt = Path(ocr_resp.outputs["srt_uri"]).read_text(encoding="utf-8")
    # 两条烧录字幕都应被识别（文字可能带噪声，但至少含关键片段）。
    assert "SUB" in srt
    # 时间轴：SUB 001 应在 1-4s，SUB 002 应在 6-9s（允许模型/抽帧容差）。
    first_line = next(line for line in srt.splitlines() if "-->" in line)
    start = first_line.split(" --> ")[0].replace(",", ".")
    hours, minutes, seconds = start.split(":")
    total = int(hours) * 3600 + int(minutes) * 60 + float(seconds)
    assert total < 5