#!/usr/bin/env python3
"""測試 Places365 場景識別功能"""

import sys
from pathlib import Path

# 添加腳本目錄到路徑
script_dir = Path(__file__).parent
sys.path.insert(0, str(script_dir))

from scene_classifier import SceneClassifier, PLACES365_CATEGORIES


def test_places365_categories():
    """測試 Places365 類別載入"""
    print("=== 測試 Places365 類別 ===\n")

    if not PLACES365_CATEGORIES:
        print("✗ Places365 類別未載入")
        return False

    print(f"✓ 載入 {len(PLACES365_CATEGORIES)} 個場景類別")

    # 顯示前 10 個類別
    print("\n前 10 個場景類別:")
    for i in range(min(10, len(PLACES365_CATEGORIES))):
        key = str(i)
        if key in PLACES365_CATEGORIES:
            print(f"  {i}. {PLACES365_CATEGORIES[key]}")

    return True


def test_scene_classifier():
    """測試場景分類器基本功能"""
    print("\n=== 測試場景分類器 ===\n")

    classifier = SceneClassifier()

    if not classifier.load_model():
        print("✗ 模型載入失敗")
        return False

    print("✓ 模型載入成功")
    print(
        f"  模型類型：{'PyTorch' if classifier.model else 'Core ML' if classifier.coreml_model else 'None'}"
    )

    return True


def test_video_classification(video_path: str):
    """測試影片場景分類"""
    print("\n=== 測試影片場景分類 ===\n")
    print(f"影片：{video_path}")

    if not Path(video_path).exists():
        print(f"✗ 影片檔案不存在：{video_path}")
        return False

    classifier = SceneClassifier()
    if not classifier.load_model():
        print("✗ 模型載入失敗")
        return False

    # 執行分類
    result = classifier.classify_video(
        video_path=video_path,
        output_path="/tmp/test_scene_output.json",
        sample_interval=2.0,
        min_scene_duration=3.0,
    )

    # 顯示結果
    print("\n✓ 分類完成")
    print(f"  場景數量：{len(result['scenes'])}")

    if result["scenes"]:
        scene = result["scenes"][0]
        print("\n主要場景:")
        print(f"  類型：{scene['scene_type']}")
        print(f"  中文：{scene.get('scene_type_zh', 'N/A')}")
        print(f"  持續時間：{scene['end_time'] - scene['start_time']:.1f} 秒")
        print(f"  信心度：{scene['confidence'] * 100:.1f}%")

        if scene.get("top_5"):
            print("\nTop 5 預測:")
            for i, pred in enumerate(scene["top_5"][:3]):
                print(
                    f"  {i + 1}. {pred['scene_type']} ({pred['confidence'] * 100:.1f}%)"
                )

    return True


def main():
    """主測試函數"""
    print("Places365 場景識別測試\n")
    print("=" * 50)

    # 測試 1: Places365 類別
    if not test_places365_categories():
        print("\n⚠️  Places365 類別測試失敗，但可繼續使用")

    # 測試 2: 場景分類器
    if not test_scene_classifier():
        print("\n✗ 場景分類器測試失敗")
        return 1

    # 測試 3: 影片分類（如果有提供）
    if len(sys.argv) > 1:
        video_path = sys.argv[1]
        if not test_video_classification(video_path):
            print("\n⚠️  影片分類測試失敗")

    print("\n" + "=" * 50)
    print("✓ 所有測試完成！")
    print("\n下一步:")
    print(
        "1. 使用場景識別：python3 scripts/scene_classifier.py <video.mp4> <output.json>"
    )
    print("2. 查看安裝指南：cat docs/PLACES365_INSTALLATION.md")
    print("3. 下載 Places365 模型以提升準確率")

    return 0


if __name__ == "__main__":
    sys.exit(main())