"""Pinterest 爬取封装：把 pinterest_image_capture 的 CLI 逻辑封装成可调用函数，供 UI/节点后台线程调用。

用法：
    from pinterest_scraper.scraper import scrape_pinterest
    files = scrape_pinterest("vintage 70s", count=40, save_dir="output/pinterest_ref/US/vintage_70s")

增量续采：每个 save_dir 下维护 .collected_urls.json（该关键词历史已采集 URL 集合）。
重复搜索同一关键词时自动跳过旧图、往下拉采集新图，避免反复下载顶部重复图片。
"""
import asyncio
import json
import os
from pathlib import Path
from typing import List, Optional, Set

from pinterest_scraper.pinterest_image_capture import (
    detect_proxy,
    download_all,
    get_system_proxy,
    scrape,
)


def _load_collected_urls(save_dir: str) -> Set[str]:
    """读该关键词历史已采集 URL（.collected_urls.json），不存在/损坏返回空集。"""
    p = Path(save_dir) / ".collected_urls.json"
    if not p.exists():
        return set()
    try:
        data = json.loads(p.read_text(encoding="utf-8"))
        return {str(u) for u in data if str(u).strip()}
    except Exception:  # noqa: BLE001
        return set()


def _save_collected_urls(save_dir: str, urls: Set[str]) -> None:
    """把已采集 URL 集合持久化到 .collected_urls.json（供下次增量续采）。"""
    try:
        p = Path(save_dir) / ".collected_urls.json"
        p.write_text(json.dumps(sorted(urls), ensure_ascii=False), encoding="utf-8")
    except Exception as e:  # noqa: BLE001
        print(f"[pinterest] 已采集 URL 持久化失败: {e}")


def scrape_pinterest(keyword: str, count: int = 40, save_dir: Optional[str] = None,
                     proxy: Optional[str] = None, headless: bool = False,
                     cdp_url: Optional[str] = None,
                     login_wait: bool = False) -> List[str]:
    """按关键词爬取 Pinterest 图片并下载到 save_dir，返回下载成功的文件路径列表。

    - proxy 为 None 时自动探测（环境变量/系统代理/本地常见端口）；空字符串显式禁用。
    - login_wait=False（默认）：运行时检测到未登录时不阻塞，直接返回空列表（由调用方跳过并告警）；
      login_wait=True：弹出 Chrome 窗口等待手动登录一次，登录态缓存在
      pinterest_scraper/.chrome_session，之后自动复用。
    - 增量续采：读取 save_dir/.collected_urls.json 历史已采集 URL，滚动时跳过旧图往下拉，
      只下载新图，并把新 URL 合并写回（种子词用尽复用同一关键词时自动采集更靠后的新图）。
    """
    # 代理解析：显式传入 > 自动探测 > 直连
    if proxy is None:
        proxy = detect_proxy() or get_system_proxy()
        if proxy:
            print(f"[pinterest] 使用代理: {proxy}")
        else:
            print("[pinterest] 未检测到代理，将直连（如无法访问请手动指定代理）")
    proxy = proxy or None

    out = save_dir or os.path.join(os.getcwd(), "output", "img", keyword)
    os.makedirs(out, exist_ok=True)
    print(f"[pinterest] 关键词: {keyword} | 数量: {count} | 保存目录: {out}")

    # 跨运行已采集 URL：重复搜索同一关键词时跳过旧图、往下拉续采
    known = _load_collected_urls(out)
    if known:
        print(f"[pinterest] 该关键词已采集过 {len(known)} 个 URL，将跳过旧图往下拉续采新图")

    imgs_url = asyncio.run(scrape(keyword, count, headless, proxy, cdp_url, login_wait,
                                  known_urls=known))
    if not imgs_url:
        print(f"[pinterest] 未收集到新图片（可能未登录、搜索无结果或该关键词已无新图）: {keyword}")
        return []
    asyncio.run(download_all(imgs_url, out, proxy))

    # 合并本次新采集 URL 到持久化集合，供下次增量续采
    known |= imgs_url
    _save_collected_urls(out, known)

    files = [str(p) for p in sorted(Path(out).iterdir()) if p.is_file()]
    print(f"[pinterest] 完成，本次新增 {len(imgs_url)} 张图片（累计已采集 {len(known)} 个 URL）: {keyword}")
    return files