import { PDFDocument } from 'pdf-lib';
import { PDFParse } from 'pdf-parse';

/** Kennzahlen eines Belegs; `null` = nicht ermittelbar. */
export interface Kennzahlen {
  seiten: number | null;
  woerter: number | null;
}

/** Kennzahlen des vorhandenen (Paperless) und des neuen Belegs. */
export interface VergleichKennzahlen {
  vorhanden: Kennzahlen;
  neu: Kennzahlen;
}

/**
 * Zählt Wörter: Tokens zwischen Leerraum, die mindestens einen Buchstaben oder
 * eine Ziffer enthalten. Seitenmarker von pdf-parse („-- 1 of 2 --“) zählen
 * nicht. Kein Wort → `null` (z. B. Scan ohne Textebene).
 */
export function zaehleWoerter(text: string | null | undefined): number | null {
  if (!text) return null;
  const ohneMarker = text.replace(/-- \d+ of \d+ --/g, ' ');
  const anzahl = ohneMarker
    .split(/\s+/)
    .filter((token) => /[\p{L}\p{N}]/u.test(token)).length;
  return anzahl > 0 ? anzahl : null;
}

async function seitenzahl(pdf: Buffer): Promise<number | null> {
  try {
    const doc = await PDFDocument.load(pdf, { ignoreEncryption: true });
    return doc.getPageCount();
  } catch {
    return null;
  }
}

async function wortzahl(pdf: Buffer): Promise<number | null> {
  // pdf.js übernimmt den Puffer, deshalb eine Kopie übergeben
  const parser = new PDFParse({ data: new Uint8Array(pdf) });
  try {
    const { text } = await parser.getText();
    return zaehleWoerter(text);
  } catch {
    return null;
  } finally {
    await parser.destroy().catch(() => undefined);
  }
}

/** Seiten- und Wortzahl eines PDFs; Lesefehler ergeben `null`. */
export async function kennzahlenAusPdf(pdf: Buffer): Promise<Kennzahlen> {
  const [seiten, woerter] = await Promise.all([seitenzahl(pdf), wortzahl(pdf)]);
  return { seiten, woerter };
}