powerpoint/xml_handling.py

from lxml import etree as ET
import copy  # Để tạo bản sao sâu của rPr
import os
import traceback # Để in chi tiết lỗi

# --- Namespaces (giữ nguyên) ---
ns = {
    'a': "http://schemas.openxmlformats.org/drawingml/2006/main",
    'p': "http://schemas.openxmlformats.org/presentationml/2006/main",
    'r': "http://schemas.openxmlformats.org/officeDocument/2006/relationships",
    'dgm': 'http://schemas.openxmlformats.org/drawingml/2006/diagram',
    'pr': 'http://schemas.openxmlformats.org/package/2006/relationships'
}

# --- Đăng ký namespace (giữ nguyên) ---
for prefix, uri in ns.items():
    if prefix != 'pr':
        ET.register_namespace(prefix, uri)


def _get_paragraph_details(p_element):
    paragraph_text_parts = []
    first_rPr_with_text = None
    found_first_rpr = False # Cờ để chỉ tìm rPr đầu tiên một lần

    # Duyệt qua các con TRỰC TIẾP của <a:p> để xử lý <a:r> và <a:fld>
    for child_elem in p_element:
        current_rpr = None
        found_text_in_child = None

        # Trường hợp 1: Run thông thường (<a:r>)
        if child_elem.tag == f"{{{ns['a']}}}r":
            # Tìm text <a:t> bên trong run (dùng .// an toàn cho run lồng nhau nếu có)
            t_elem = child_elem.find('.//a:t', ns)
            if t_elem is not None and t_elem.text is not None:
                found_text_in_child = t_elem.text
                # Tìm rPr của run này
                current_rpr = child_elem.find('.//a:rPr', ns) # Dùng .//

        # Trường hợp 2: Field (<a:fld>)
        elif child_elem.tag == f"{{{ns['a']}}}fld":
            # Tìm text <a:t> là con TRỰC TIẾP của field
            t_elem = child_elem.find('./a:t', ns)
            if t_elem is not None and t_elem.text is not None:
                found_text_in_child = t_elem.text
                # Tìm rPr là con TRỰC TIẾP của field
                current_rpr = child_elem.find('./a:rPr', ns)

        # Xử lý nếu tìm thấy text trong child hiện tại (hoặc <a:r> hoặc <a:fld>)
        if found_text_in_child is not None:
            paragraph_text_parts.append(found_text_in_child)
            # Nếu chưa lưu rPr đầu tiên, lưu rPr của child hiện tại
            if not found_first_rpr:
                first_rPr_with_text = current_rpr # Lưu rPr tìm được (có thể là None)
                found_first_rpr = True # Đánh dấu đã tìm thấy

    # Chỉ trả về kết quả nếu paragraph thực sự có nội dung text
    if paragraph_text_parts:
        merged_text = "".join(paragraph_text_parts).strip()
        if merged_text:
            # Trả về text đã ghép và rPr đầu tiên tìm thấy (có thể là None)
            return (merged_text, first_rPr_with_text)

    return None # Không có text trong paragraph này hoặc text rỗng

# --- Hàm trích xuất chính (Trả về list các tuple chi tiết paragraph) ---
def extract_text_from_slide(slide_file):
    # print(f"--- Bắt đầu trích xuất chi tiết từng <a:p> từ file: {slide_file} ---")
    extracted_data = [] # Danh sách kết quả cuối cùng

    if not os.path.exists(slide_file):
        print(f"Lỗi: File không tồn tại: {slide_file}")
        print(f"--- Kết thúc trích xuất file: {slide_file} (Lỗi) ---")
        return extracted_data

    try:
        tree = ET.parse(slide_file)
        root = tree.getroot()
    except ET.ParseError as e:
        print(f"Lỗi parse XML file {slide_file}: {e}")
        print(f"--- Kết thúc trích xuất file: {slide_file} (Lỗi Parse) ---")
        return extracted_data
    except Exception as e:
        print(f"Lỗi không xác định khi parse {slide_file}: {e}")
        # traceback.print_exc()
        print(f"--- Kết thúc trích xuất file: {slide_file} (Lỗi Parse không xác định) ---")
        return extracted_data

    try:
        processed_txBody_elements = set()
        elements_to_check = []

        # 1. Thu thập các container có thể chứa txBody
        for sp in root.findall('.//p:spTree/p:sp', ns): elements_to_check.append(sp)
        for grpSp in root.findall('.//p:spTree/p:grpSp', ns):
            for sp_in_grp in grpSp.findall('.//p:sp', ns): elements_to_check.append(sp_in_grp)
        for tc in root.findall('.//a:tbl//a:tc', ns): elements_to_check.append(tc)
        # Thêm tìm kiếm khác nếu cần

        # 2. Duyệt qua container, tìm txBody, rồi xử lý từng <a:p> bên trong
        for container in elements_to_check:
            txBody = container.find('./p:txBody', ns)
            if txBody is None: txBody = container.find('./a:txBody', ns)

            if txBody is not None and txBody not in processed_txBody_elements:
                 # Tìm TẤT CẢ các thẻ <a:p> là con TRỰC TIẾP của txBody này
                 paragraphs = txBody.findall('a:p', ns)
                 for p_elem in paragraphs:
                     # Gọi hàm helper để lấy chi tiết của paragraph này
                     details = _get_paragraph_details(p_elem)
                     # Nếu paragraph có nội dung text, thêm tuple vào kết quả
                     if details:
                         extracted_data.append(details)

                 processed_txBody_elements.add(txBody)

    except Exception as e:
        print(f"Lỗi khi tìm kiếm hoặc trích xuất chi tiết <a:p>: {e}")

    return extracted_data


def replace_text_in_slide(xml_file_path, list_of_translated_paragraph_data):
    # print(f"\n--- Bắt đầu thay thế PARAGRAPH (ghi đè, logic length/bold) trong file: {os.path.basename(xml_file_path)} ---")
    processed_p_count = 0

    if not os.path.exists(xml_file_path):
        print(f"Lỗi: Không tìm thấy file XML nguồn '{xml_file_path}'.")
        return False

    try:
        tree = ET.parse(xml_file_path)
        root = tree.getroot()

        # --- TÌM và LỌC <a:p> THEO CÙNG LOGIC NHƯ EXTRACT ---
        paragraphs_to_modify = []
        processed_txBody_elements = set()
        elements_to_check = []
        for sp in root.findall('.//p:spTree/p:sp', ns): elements_to_check.append(sp)
        for grpSp in root.findall('.//p:spTree/p:grpSp', ns):
            for sp_in_grp in grpSp.findall('.//p:sp', ns): elements_to_check.append(sp_in_grp)
        for tc in root.findall('.//a:tbl//a:tc', ns): elements_to_check.append(tc)

        for container in elements_to_check:
            txBody = container.find('./p:txBody', ns)
            if txBody is None: txBody = container.find('./a:txBody', ns)
            if txBody is not None and txBody not in processed_txBody_elements:
                 paragraphs = txBody.findall('a:p', ns)
                 for p_elem in paragraphs:
                     has_actual_text = False
                     elements_with_text = p_elem.findall('.//a:r/a:t', ns) + p_elem.findall('.//a:fld/a:t', ns)
                     for t in elements_with_text:
                         if t.text and t.text.strip(): has_actual_text = True; break
                     if has_actual_text: paragraphs_to_modify.append(p_elem)
                 processed_txBody_elements.add(txBody)

        # --- Kiểm tra số lượng khớp ---
        num_paragraphs_found = len(paragraphs_to_modify)
        num_data_items = len(list_of_translated_paragraph_data)

        if num_paragraphs_found == 0:
            #  print(f"Thông báo [...]: Không tìm thấy <a:p> nào có text để thay thế.")
             if num_data_items > 0: print(f"Cảnh báo: Đã cung cấp {num_data_items} mục dữ liệu nhưng không có <a:p> nào để áp dụng.")
            #  print(f"--- Kết thúc xử lý (không thay đổi): {os.path.basename(xml_file_path)} ---")
             return True

        if num_paragraphs_found != num_data_items:
            print(f"CẢNH BÁO [...]: Số lượng <a:p> ({num_paragraphs_found}) KHÔNG KHỚP dữ liệu dịch ({num_data_items}).")
            num_items_to_process = min(num_paragraphs_found, num_data_items)
            print(f"=> Sẽ chỉ xử lý {num_items_to_process} mục đầu tiên.")
        else:
            num_items_to_process = num_paragraphs_found

        # --- Lặp và thực hiện thay thế ---
        for i in range(num_items_to_process):
            try:
                p_elem_to_modify = paragraphs_to_modify[i]
                translated_text, rpr_to_use_original = list_of_translated_paragraph_data[i]
                p_id = hex(id(p_elem_to_modify))

                # --- 1. Xử lý text ban đầu (chỉ strip) ---
                cleaned_translated_text = translated_text.strip() if isinstance(translated_text, str) else ""

                # --- 2. Chuẩn bị rPr cuối cùng (bắt đầu bằng copy hoặc trống) ---
                final_rpr = None
                if rpr_to_use_original is not None and ET.iselement(rpr_to_use_original) and rpr_to_use_original.tag == f"{{{ns['a']}}}rPr":
                    try:
                        final_rpr = copy.deepcopy(rpr_to_use_original)
                    except Exception as clone_e:
                        print(f"Lỗi sao chép rPr gốc cho <a:p> index {i} (ID {p_id}): {clone_e}")
                        final_rpr = ET.Element(f"{{{ns['a']}}}rPr")
                else:
                     final_rpr = ET.Element(f"{{{ns['a']}}}rPr")

                # --- 3. Luôn giảm cỡ chữ (nếu có) ---
                original_sz_str = final_rpr.get('sz')
                if original_sz_str:
                    try:
                        original_sz = int(original_sz_str)
                        new_sz = max(100, int(original_sz * 0.85))
                        final_rpr.set('sz', str(new_sz))
                    except ValueError:
                        print(f"Cảnh báo: Không thể chuyển đổi sz='{original_sz_str}' thành số nguyên cho p_id {p_id}.")

                # --- 4. Áp dụng logic độ dài cho bold (KHÔNG ĐỔI CASE) ---
                if len(cleaned_translated_text) > 10:
                    # Dài > 20: BỎ BOLD (nếu có)
                    final_rpr.attrib.pop('b', None) # Xóa thuộc tính bold
                    # print(f"Debug: Text > 20 chars for p_id {p_id}. Removed bold.")
                # else:
                    # Ngắn <= 20: Giữ lại thuộc tính 'b' gốc (đã có trong final_rpr nếu có)
                    # print(f"Debug: Text <= 20 chars for p_id {p_id}. Kept original bold.")

                # --- 5. Xóa nội dung cũ (run và field) ---
                runs_to_remove = p_elem_to_modify.findall('a:r', ns)
                fields_to_remove = p_elem_to_modify.findall('a:fld', ns)
                for elem_to_remove in runs_to_remove + fields_to_remove:
                    try: p_elem_to_modify.remove(elem_to_remove)
                    except ValueError: pass

                # --- 6. Tạo nội dung mới (nếu text không rỗng) ---
                if cleaned_translated_text:
                    new_r = ET.Element(f"{{{ns['a']}}}r")
                    new_r.insert(0, final_rpr) # Chèn rPr đã xử lý
                    new_t = ET.SubElement(new_r, f"{{{ns['a']}}}t")
                    new_t.text = cleaned_translated_text # Chèn text gốc (đã strip)
                    # Chèn run mới
                    end_para_rpr = p_elem_to_modify.find('./a:endParaRPr', ns)
                    insert_index = -1
                    if end_para_rpr is not None:
                        try: insert_index = list(p_elem_to_modify).index(end_para_rpr)
                        except ValueError: insert_index = -1
                    if insert_index != -1: p_elem_to_modify.insert(insert_index, new_r)
                    else: p_elem_to_modify.append(new_r)
                    processed_p_count += 1

            except (IndexError, ValueError, TypeError) as data_err: print(f"Lỗi lấy dữ liệu tại index {i}: {data_err}. Bỏ qua mục này.")
            except Exception as p_replace_err:
                 p_id_err = hex(id(paragraphs_to_modify[i])) if i < len(paragraphs_to_modify) else "N/A"
                 print(f"Lỗi khi xử lý thay thế cho <a:p> tại index {i} (ID {p_id_err}): {p_replace_err}")


        # --- Lưu cây XML ---
        try:
            tree.write(xml_file_path, encoding='utf-8', xml_declaration=True, pretty_print=True)
        except TypeError:
             tree.write(xml_file_path, encoding='utf-8', xml_declaration=True)
        return True

    except ET.ParseError as pe: print(f"Lỗi parse XML file '{xml_file_path}': {pe}"); return False
    except IOError as ioe: print(f"Lỗi I/O với file '{xml_file_path}': {ioe}"); return False
    except Exception as e: print(f"Lỗi nghiêm trọng: {e}"); traceback.print_exc(); return False

# --------------------------
# 2. Xử lý SmartArt
# --------------------------
def get_smartart_data_file(rels_file, base_path):
    """
    Đọc file .rels và tìm relationship có Type là diagramData,
    trả về đường dẫn đầy đủ đến file data*.xml của SmartArt.
    (Không thay đổi đáng kể)
    """
    try:
        if not os.path.exists(rels_file):
             # print(f"Thông báo: File rels không tồn tại: {rels_file}") # Có thể bỏ qua log này
             return None
        tree = ET.parse(rels_file)
        root = tree.getroot()
        # Sử dụng ns['pr']
        for rel in root.findall('pr:Relationship', ns):
            target = rel.attrib.get('Target')
            rel_type = rel.attrib.get('Type')
            # Kiểm tra Type chính xác
            if rel_type == 'http://schemas.openxmlformats.org/officeDocument/2006/relationships/diagramData' and target:
                target_fixed = target.replace("../", "")
                full_target_path = os.path.join(base_path, target_fixed) 
                absolute_path = os.path.normpath(full_target_path)
                if os.path.exists(absolute_path):
                    return absolute_path
                else:
                    print(f"Cảnh báo: Tìm thấy relationship SmartArt nhưng file target không tồn tại: {absolute_path}")
        return None
    except ET.ParseError as e:
        print(f"Lỗi parse XML file rels {rels_file}: {e}")
        return None
    except Exception as e:
        print(f"Lỗi khi xử lý file rels {rels_file}: {e}")
        # traceback.print_exc()
        return None
    

def extract_text_from_smartart(xml_file_path):
    paragraph_data = []
    try:
        tree = ET.parse(xml_file_path)
        root = tree.getroot()

        # Tìm tất cả các đoạn <a:p> trong cây XML (thường nằm trong <dgm:txBody>)
        # Sử dụng .// để tìm ở mọi cấp độ sâu trong các cấu trúc SmartArt
        for p_elem in root.findall('.//a:p', ns):
            combined_text = ""
            first_rPr = None
            found_first_rpr_in_p = False # Cờ cho rPr đầu tiên trong đoạn p này

            # Tìm tất cả các run <a:r> bên trong đoạn <a:p> hiện tại
            for r_elem in p_elem.findall('.//a:r', ns):
                t_element = r_elem.find('.//a:t', ns) # Tìm text trong run

                if t_element is not None and t_element.text is not None:
                    current_text = t_element.text
                    combined_text += current_text # Nối text từ các run

                    # Lấy rPr của run đầu tiên có text trong đoạn p này
                    if not found_first_rpr_in_p and current_text.strip():
                        rPr_element = r_elem.find('.//a:rPr', ns)
                        first_rPr = rPr_element # Lưu trữ element rPr (có thể là None)
                        found_first_rpr_in_p = True

            # Sau khi duyệt hết các run trong <a:p>, thêm vào kết quả nếu có text
            cleaned_text = combined_text.strip()
            if cleaned_text:
                paragraph_data.append((cleaned_text, first_rPr))

    except FileNotFoundError:
        print(f"Lỗi: Không tìm thấy file XML '{xml_file_path}'.")
        return []
    except ET.ParseError as pe:
        print(f"Lỗi phân tích cú pháp XML file '{xml_file_path}': {pe}")
        return []
    except Exception as e:
        print(f"Lỗi không xác định khi trích xuất text theo đoạn từ file '{xml_file_path}': {e}")
        traceback.print_exc()
        return []

    return paragraph_data

# --- Hàm thay thế theo từng đoạn <a:p> ---
def replace_text_in_smartart(xml_file_path, list_of_translated_paragraph_data, output_xml_file_path):
    p_index_for_data = 0 # Index để lấy dữ liệu dịch
    processed_p_count = 0 # Đếm số đoạn <a:p> đã được xử lý (thay thế)
    if not output_xml_file_path:
        output_xml_file_path = xml_file_path
    try:
        tree = ET.parse(xml_file_path)
        root = tree.getroot()

        # Tạo parent map để xóa element an toàn khi dùng findall với './/'
        parent_map = {c: p for p in root.iter() for c in p}

        # Tìm lại tất cả các <a:p> theo cùng thứ tự như khi trích xuất
        paragraphs_in_order = root.findall('.//a:p', ns)

        # Lọc ra những đoạn <a:p> mà ban đầu có chứa text để khớp với logic trích xuất
        paragraphs_to_modify = []
        for p_elem in paragraphs_in_order:
             has_actual_text = False
             for t in p_elem.findall('.//a:t', ns):
                 if t.text and t.text.strip():
                     has_actual_text = True
                     break
             if has_actual_text:
                 paragraphs_to_modify.append(p_elem)

        # Kiểm tra số lượng khớp
        if len(paragraphs_to_modify) != len(list_of_translated_paragraph_data):
            print(f"Cảnh báo [File: {os.path.basename(xml_file_path)}]: Số lượng <a:p> có text ({len(paragraphs_to_modify)}) "
                  f"không khớp số lượng dữ liệu dịch ({len(list_of_translated_paragraph_data)}). Thay thế có thể sai lệch.")
            # Quyết định số lượng sẽ xử lý
            num_items_to_process = min(len(paragraphs_to_modify), len(list_of_translated_paragraph_data))
        else:
            num_items_to_process = len(paragraphs_to_modify)


        # Duyệt qua các <a:p> cần sửa đổi
        for i in range(num_items_to_process):
            p_elem = paragraphs_to_modify[i]
            translated_text, original_first_rPr = list_of_translated_paragraph_data[p_index_for_data]
            cleaned_translated_text = translated_text.strip() if translated_text else ""

            # --- Xóa các run <a:r> cũ bên trong <a:p> này ---
            # Sử dụng .// để nhất quán với extraction, cần parent map để xóa
            runs_to_remove = p_elem.findall('.//a:r', ns)
            for r_elem in runs_to_remove:
                parent = parent_map.get(r_elem)
                if parent is not None:
                    try:
                        # Cập nhật parent map nếu cấu trúc thay đổi động (ít khả năng ở đây)
                        # parent_map = {c: p for p in root.iter() for c in p}
                        parent.remove(r_elem)
                    except ValueError:
                         pass # Bỏ qua nếu không tìm thấy để xóa
                # else: # r_elem không có parent trong map (hiếm)

            if cleaned_translated_text:
                new_r = ET.Element(f"{{{ns['a']}}}r") # Tạo run mới

                # Áp dụng rPr gốc (đã deepcopy) cho run mới
                applied_rPr = False
                if original_first_rPr is not None and ET.iselement(original_first_rPr):
                    # *** Thêm kiểm tra thẻ rPr ở đây cho an toàn ***
                    if original_first_rPr.tag == f"{{{ns['a']}}}rPr":
                        try:
                            cloned_rPr = copy.deepcopy(original_first_rPr)
                            new_r.insert(0, cloned_rPr) # Chèn rPr vào đầu run
                            applied_rPr = True
                        except Exception as clone_e:
                            print(f"Lỗi sao chép rPr cho <a:p> index {i} (data index {p_index_for_data}): {clone_e}")
                    else:
                         print(f"Cảnh báo: Thẻ rPr gốc không phải <a:rPr> cho p_elem index {i}. Thẻ: {original_first_rPr.tag}")


                if not applied_rPr:
                    ET.SubElement(new_r, f"{{{ns['a']}}}rPr") # Thêm rPr trống nếu cần

                # Thêm text vào run
                new_t = ET.SubElement(new_r, f"{{{ns['a']}}}t")
                new_t.text = cleaned_translated_text

                # --- SỬA ĐỔI QUAN TRỌNG: Chèn run mới vào đúng vị trí ---
                # Tìm phần tử <a:endParaRPr> là con TRỰC TIẾP của p_elem
                end_para_rpr = p_elem.find('./a:endParaRPr', ns)

                if end_para_rpr is not None:
                    # Nếu tìm thấy, lấy danh sách con hiện tại và tìm index của nó
                    try:
                        children_list = list(p_elem)
                        insert_index = children_list.index(end_para_rpr)
                        # Chèn run mới *ngay trước* endParaRPr
                        p_elem.insert(insert_index, new_r)
                        # print(f"Inserted new_r at index {insert_index} before endParaRPr for p_elem {i}")
                    except ValueError:
                         # Hiếm khi xảy ra nếu find() hoạt động đúng, nhưng là fallback
                         print(f"Cảnh báo: Không tìm thấy index của endParaRPr dù đã find thấy. Appending new_r cho p_elem {i}.")
                         p_elem.append(new_r)
                else:
                    # Nếu không có endParaRPr, append vào cuối là hành vi chấp nhận được
                    p_elem.append(new_r)
                    # print(f"Appended new_r (no endParaRPr found) for p_elem {i}")

            # Nếu cleaned_translated_text rỗng, đoạn <a:p> sẽ bị trống (đã xóa hết <a:r>)

            p_index_for_data += 1 # Chuyển sang dữ liệu dịch tiếp theo
            processed_p_count += 1 # Tăng số đoạn đã xử lý

        # print(f"Thông tin [File: {os.path.basename(xml_file_path)}]: Đã xử lý {processed_p_count} đoạn <a:p>.")
        if p_index_for_data < len(list_of_translated_paragraph_data):
             print(f"Cảnh báo [File: {os.path.basename(xml_file_path)}]: Còn {len(list_of_translated_paragraph_data) - p_index_for_data} "
                   f"mục dữ liệu dịch chưa được sử dụng do số lượng <a:p> không đủ.")


        # --- Lưu cây XML đã sửa đổi ---
        for prefix, uri in ns.items():
            ET.register_namespace(prefix, uri)
        tree.write(output_xml_file_path, encoding='utf-8', xml_declaration=True)
        # print(f"Đã lưu SmartArt cập nhật (theo đoạn) vào: {output_xml_file_path}")
        return True

    except FileNotFoundError:
        print(f"Lỗi: Không tìm thấy file XML nguồn '{xml_file_path}'.")
        return False
    except ET.ParseError as pe:
        print(f"Lỗi phân tích cú pháp XML file '{xml_file_path}': {pe}")
        return False
    except IOError as ioe:
         print(f"Lỗi I/O khi ghi file '{output_xml_file_path}': {ioe}")
         return False
    except Exception as e:
        print(f"Lỗi nghiêm trọng trong quá trình thay thế text SmartArt (theo đoạn) file '{xml_file_path}': {e}")
        traceback.print_exc()
        return False