#!/usr/bin/env python3
# -*- coding: utf-8 -*-

"""
PDF解析工作流测试脚本
测试包含向量化入库的完整工作流
"""

import os
import sys
# 添加项目根目录到Python路径
sys.path.append(os.path.dirname(os.path.abspath(__file__)))

from services.pdf_parser.workflow import PDFParsingWorkflow


def test_pdf_parsing_workflow():
    """
    测试PDF解析工作流，包括向量化入库
    """
    print("=== 测试PDF解析工作流 ===")
    
    # 测试参数
    pdf_path = "test/sample.pdf"  # 替换为实际的测试PDF路径
    dataset_id = "test_dataset"
    ragflow_api_url = "http://localhost:8000/"  # 替换为实际的RAGFLOW API URL
    rag_flow_api_key = "test_api_key"  # 替换为实际的API密钥
    
    try:
        # 检查测试PDF文件是否存在
        if not os.path.exists(pdf_path):
            print(f"测试PDF文件不存在: {pdf_path}")
            print("请将测试PDF文件放置在指定位置")
            return False
        
        # 初始化工作流
        workflow = PDFParsingWorkflow()
        print(f"工作流初始化成功")
        
        # 运行工作流
        print(f"开始运行工作流，解析PDF: {pdf_path}")
        result = workflow.run(
            pdf_path=pdf_path,
            dataset_id=dataset_id,
            ragflow_api_url=ragflow_api_url,
            rag_flow_api_key=rag_flow_api_key
        )
        
        # 打印结果
        print(f"\n工作流运行完成")
        print(f"解析页面数量: {len(result.get('parsed_results', []))}")
        print(f"向量化页面数量: {result.get('vectorized_pages', 0)}")
        print(f"向量化结果数量: {len(result.get('vectorized_results', []))}")
        
        # 检查结果
        if result.get('is_complete', False):
            print("\n✅ 工作流运行成功！")
            return True
        else:
            print("\n❌ 工作流运行失败！")
            return False
            
    except Exception as e:
        print(f"\n❌ 测试失败: {e}")
        import traceback
        traceback.print_exc()
        return False


if __name__ == "__main__":
    test_pdf_parsing_workflow()