"""SRT Parser Module

解析 SRT 字幕文件格式，将字幕转换为结构化的 Segment 对象。

SRT 格式示例:
    1
    00:00:00,000 --> 00:00:05,000
    第一句字幕内容

    2
    00:00:05,000 --> 00:00:10,000
    第二句字幕内容
"""

from __future__ import annotations

import re
from dataclasses import dataclass
from pathlib import Path
from typing import List


@dataclass
class Segment:
    """字幕分段数据结构

    Attributes:
        id: 字幕序号
        start_time: 开始时间（秒）
        end_time: 结束时间（秒）
        text: 字幕文本
    """
    id: int
    start_time: float
    end_time: float
    text: str


# SRT 块正则表达式
# 格式: 序号\n时间码\n文本(可能多行)\n\n
SRT_BLOCK_PATTERN = re.compile(
    r'(\d+)\s*\n'
    r'(\d{2}:\d{2}:\d{2},\d{3})\s*-->\s*(\d{2}:\d{2}:\d{2},\d{3})\s*\n'
    r'(.*?)(?=\n\n|\Z)',
    re.DOTALL
)


def parse_srt_time(time_str: str) -> float:
    """解析 SRT 时间格式 (HH:MM:SS,mmm) 为秒数

    Args:
        time_str: SRT 时间字符串，如 "00:05:30,500"

    Returns:
        秒数，如 330.5

    Example:
        >>> parse_srt_time("00:05:30,500")
        330.5
        >>> parse_srt_time("01:02:03,004")
        3723.004
    """
    # 分割时间和毫秒
    main_part, millis = time_str.rsplit(',', 1)
    hours, minutes, seconds = main_part.split(':')

    total_seconds = (
        int(hours) * 3600 +
        int(minutes) * 60 +
        int(seconds) +
        int(millis) / 1000
    )
    return total_seconds


def parse_srt(content: str) -> List[Segment]:
    """解析 SRT 格式字符串

    将 SRT 格式的字幕内容解析为 Segment 对象列表。

    Args:
        content: SRT 格式的字符串内容

    Returns:
        Segment 对象列表

    Raises:
        ValueError: 内容为空或格式无效

    Example:
        >>> content = "1\\n00:00:00,000 --> 00:00:05,000\\n第一句\\n\\n"
        >>> segments = parse_srt(content)
        >>> len(segments)
        1
        >>> segments[0].text
        '第一句'
    """
    # 检查空内容
    if not content or not content.strip():
        raise ValueError("Empty SRT content")

    segments = []

    # 查找所有 SRT 块
    matches = SRT_BLOCK_PATTERN.findall(content)

    if not matches:
        raise ValueError("Invalid SRT format: no valid blocks found")

    for match in matches:
        try:
            segment_id = int(match[0])
            start_time = parse_srt_time(match[1])
            end_time = parse_srt_time(match[2])
            # 清理文本：移除前后空白，合并多行为单行
            text = ' '.join(match[3].strip().split())

            segment = Segment(
                id=segment_id,
                start_time=start_time,
                end_time=end_time,
                text=text
            )
            segments.append(segment)
        except (ValueError, IndexError) as e:
            # 跳过解析失败的块
            continue

    if not segments:
        raise ValueError("Invalid SRT format: no valid segments parsed")

    return segments


def parse_srt_file(file_path: Path) -> List[Segment]:
    """从文件解析 SRT 格式

    读取文件内容并解析为 Segment 对象列表。

    Args:
        file_path: SRT 文件路径

    Returns:
        Segment 对象列表

    Raises:
        FileNotFoundError: 文件不存在
        ValueError: 内容格式无效

    Example:
        >>> from pathlib import Path
        >>> segments = parse_srt_file(Path("subtitles.srt"))
        >>> len(segments)
        10
    """
    if not file_path.exists():
        raise FileNotFoundError(f"SRT file not found: {file_path}")

    content = file_path.read_text(encoding='utf-8')
    return parse_srt(content)