#!/usr/bin/env python3
"""
dump_pdfplumber.py - Zeigt, wie PDFPLUMBER (nicht pypdf) die Seiten ausgibt.
Wichtig: pdfplumber ordnet Text anders an als pypdf.

Aufruf:
  python3 dump_pdfplumber.py --pdf ~/data/S/"Sturgill, Garett 040126.pdf"
"""
import argparse
import pdfplumber

ANCHOR_INFO = "BUYER INFORMATION SHEET"
ANCHOR_CA = "PROSPECTIVE BUYER AGREES TO KEEP AND HOLD CONFIDENTIAL"

ap = argparse.ArgumentParser()
ap.add_argument("--pdf", required=True)
args = ap.parse_args()

with pdfplumber.open(args.pdf) as pdf:
    for i, page in enumerate(pdf.pages):
        txt = page.extract_text() or ""
        is_info = ANCHOR_INFO in txt
        is_ca = ANCHOR_CA in txt.replace("\n", " ")
        tag = "INFO" if is_info else ("CA" if is_ca else "andere")
        if tag == "andere":
            continue
        print(f"\n{'='*70}")
        print(f"=== SEITE {i+1} [{tag}] - extract_text() ===")
        print('='*70)
        for ln, line in enumerate(txt.splitlines(), 1):
            print(f"{ln:3} | {line!r}")

        # Zusaetzlich: Woerter mit Position, um den Werte-Block zu lokalisieren
        if is_info:
            print(f"\n--- Woerter unterhalb von y=550 (wo die Werte stehen sollten) ---")
            words = page.extract_words()
            for w in words:
                if w["top"] > 550:
                    print(f"    top={w['top']:.0f} x0={w['x0']:.0f}  {w['text']!r}")