#!/usr/bin/env python3
"""
probe_coords.py - Zeigt die Y-Koordinaten von Labels und Werten auf der
Info-Seite, um koordinatenbasiertes Parsen zu ermoeglichen.

Idee (vom Nutzer): Jeder Wert gehoert zu dem Label, UNTER dem er steht und
UEBER dem naechsten Label. Types-Werte liegen zwischen 'TYPES OF BUSINESSES'
und 'BACKGROUND'; Background-Werte zwischen 'BACKGROUND' und 'TOTAL PURCHASE'.

Aufruf:
  python3 probe_coords.py --pdf ~/data/S/"Schultz, Gunnar 022526.pdf"
"""
import argparse
import pdfplumber

ANCHOR_INFO = "BUYER INFORMATION SHEET"

# Label-Texte, deren Y-Position wir als Grenzen brauchen
LABELS = [
    "NAME / COMPANY", "PHONE", "ADDRESS", "EMAIL ADDRESS",
    "HOW DID YOU HEAR", "ARE YOU INTERESTED", "TYPES OF BUSINESSES",
    "BACKGROUND", "TOTAL PURCHASE PRICE", "DOWN PAYMENT",
    "INCOME REQUIREMENTS", "ACCOUNTANT", "ATTORNEY", "BANK",
]

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

with pdfplumber.open(args.pdf) as pdf:
    info_page = None
    for page in pdf.pages:
        if ANCHOR_INFO in (page.extract_text() or ""):
            info_page = page
            break
    if not info_page:
        print("Keine Info-Seite"); raise SystemExit(1)

    # Zeilen rekonstruieren: Woerter nach 'top' gruppieren (gleiche Zeile = aehnliches top)
    words = info_page.extract_words(x_tolerance=5)
    # nach top sortieren
    words.sort(key=lambda w: (round(w["top"]), w["x0"]))

    # Zeilen bilden (Toleranz 3px)
    lines = []
    cur = []
    cur_top = None
    for w in words:
        if cur_top is None or abs(w["top"] - cur_top) <= 3:
            cur.append(w); cur_top = w["top"] if cur_top is None else cur_top
        else:
            lines.append((cur_top, cur)); cur = [w]; cur_top = w["top"]
    if cur:
        lines.append((cur_top, cur))

    print(f"{'TOP':>6} | {'X0':>5} | TEXT")
    print("-"*70)
    for top, ws in lines:
        text = " ".join(w["text"] for w in ws)
        x0 = min(w["x0"] for w in ws)
        # Markiere Label-Zeilen
        is_label = any(lbl in text.upper() for lbl in LABELS)
        mark = " <== LABEL" if is_label else ""
        print(f"{top:6.0f} | {x0:5.0f} | {text[:60]}{mark}")