import pdfplumber
import re
import json

files = [
    '/home/x79/sisvietnamvn_01/sisvietnamvn_Trang chính thức hiện tại/DaoTao/2.-CHUONG-TRINH-CAN-THIEP-MACH-MAU-THAN-KINH-NANG-CAO-BO-SUNG-FINAL.pdf',
    '/home/x79/sisvietnamvn_01/sisvietnamvn_Trang chính thức hiện tại/DaoTao/CHUONG-TRINH-CAN-THIEP-MACH-MAU-CAC-TANG-VA-MACH-MAU-NGOAI-BIEN-CO-BAN.pdf',
    '/home/x79/sisvietnamvn_01/sisvietnamvn_Trang chính thức hiện tại/DaoTao/CHUONG-TRINH-CHUAN-BI-DUNG-CU-VA-CHAM-SOC-BENH-NHAN-TRONG-PHONG-CHUP-MACH.pdf',
    '/home/x79/sisvietnamvn_01/sisvietnamvn_Trang chính thức hiện tại/DaoTao/CHUONG-TRINH-DAO-TAO-TIM-MACH-CAN-THIEP-1.pdf'
]

slugs = [
    "can-thiep-mach-mau-than-kinh-nang-cao",
    "can-thiep-mach-mau-cac-tang-va-ngoai-bien-co-ban",
    "chuan-bi-dung-cu-va-cham-soc-benh-nhan-trong-phong-chup-mach",
    "tim-mach-can-thiep-co-ban"
]

def extract_section(text, start_keywords, end_keywords=None):
    lines = text.split('\n')
    started = False
    content = []
    
    for line in lines:
        line_lower = line.lower()
        if not started:
            for k in start_keywords:
                if k in line_lower:
                    started = True
                    # Optional: remove the keyword from the line to get just the value
                    # But simpler to just keep it or try to split
                    split_idx = line_lower.find(k) + len(k)
                    val = line[split_idx:].strip(': ').strip()
                    if val:
                        content.append(val)
                    break
        else:
            if end_keywords:
                for k in end_keywords:
                    if k in line_lower:
                        return '\n'.join(content).strip()
            # Stop if we hit a new numbered section like "10." or empty lines after some text
            if re.match(r'^\d+\.', line) or re.match(r'^[A-Z\s]+$', line):
                 return '\n'.join(content).strip()
            if line.strip():
                content.append(line.strip())
                
    return '\n'.join(content).strip()

for f, slug in zip(files, slugs):
    print(f"--- Parsing {slug} ---")
    with pdfplumber.open(f) as pdf:
        text = ''
        for page in pdf.pages:
            text += page.extract_text() + '\n'
            
        time = extract_section(text, ['thời gian đào tạo'])
        audience = extract_section(text, ['đối tượng học viên', 'đối tượng tham dự', 'đối tượng'])
        quantity = extract_section(text, ['số lượng học viên:', 'số lượng học viên'])
        documents = extract_section(text, ['hồ sơ đăng ký tham dự', 'hồ sơ nhập học'])
        tuitionFee = extract_section(text, ['học phí'])
        location = extract_section(text, ['địa điểm nhận hồ sơ'])
        
        print(f"Thời gian: {time[:50]}")
        print(f"Đối tượng: {audience[:50]}")
        print(f"Số lượng: {quantity[:50]}")
        print(f"Hồ sơ: {documents[:50]}")
        print(f"Học phí: {tuitionFee[:50]}")
        print(f"Địa điểm: {location[:50]}")
        print("")