#!/usr/bin/env bash
# =============================================================================
# 把环境改造成"项目内自包含"——Python、第三方库、模型全放进项目目录，
# 之后整个项目文件夹可以【随便放到任意路径、任意用户】，不再依赖 /root 或固定路径。
#
# 在【能联网】的机器上跑一次（已 setup_server.sh 装好 .venv 后）：
#   bash make_portable.sh                    # 默认 ffmpeg 用 GPU 版(BtbN，含 cuda/nvdec，也兼容 CPU)
#                                            #   需运行机 glibc>=2.28；GPU 机器自动硬解、CPU 机器软解
#   FFMPEG_VARIANT=cpu bash make_portable.sh # ffmpeg 用 CPU 版(johnvansickle，全静态，老 glibc 也能跑)
# 之后:
#   bash pack.sh          # 打包(此时只需打项目目录，已自包含)
#   # 离线机解压到【任意路径】即可:  source activate.sh && python main.py ...
# =============================================================================
set -euo pipefail

cd "$(cd "$(dirname "${BASH_SOURCE[0]}")/.." && pwd)"
PROJ="$(pwd)"
PIP_MIRROR="${PIP_MIRROR:-https://repo.huaweicloud.com/repository/pypi/simple}"

log()  { echo -e "\n\033[1;32m==> $*\033[0m"; }
warn() { echo -e "\033[1;33m[警告] $*\033[0m"; }
have() { command -v "$1" >/dev/null 2>&1; }

[ -d .venv ] || { echo "没有 .venv，请先 bash setup_server.sh"; exit 1; }
# shellcheck disable=SC1091
source .venv/bin/activate
have uv || { echo "需要 uv（本机改造用，离线机不需要）"; exit 1; }

# 0) 确保 bin/ffmpeg 可用。两种变体（用环境变量 FFMPEG_VARIANT 选）：
#    cpu (默认) = johnvansickle 静态版，含 dav1d(CPU 软解 AV1)，兼容老 glibc，哪都能跑。
#    gpu        = BtbN 版，含 cuda/nvdec(GPU 硬解)，给 Ampere+ 卡的机器用；需较新 glibc(>=2.28)。
#    用法:  FFMPEG_VARIANT=gpu bash make_portable.sh
# 默认下 GPU 版(含 cuda/nvdec，也兼容 CPU 软解)。要纯 CPU 版用 FFMPEG_VARIANT=cpu。
FFMPEG_VARIANT="${FFMPEG_VARIANT:-gpu}"
FF_NEED=1
if [ "$FFMPEG_VARIANT" = "gpu" ]; then
  FF_URL="${FFMPEG_GPU_URL:-https://github.com/BtbN/FFmpeg-Builds/releases/download/latest/ffmpeg-master-latest-linux64-gpl.tar.xz}"
  # GPU 版(BtbN)要 glibc>=2.28 才能运行；本机若太老仅警告(可能在给别的新机器打包)
  # 注意：管道里 head 会让前面命令 SIGPIPE，配合 set -e/pipefail 会误退出，故加 || true
  _glibc="$(ldd --version 2>/dev/null | grep -oE '[0-9]+\.[0-9]+' | head -1 || true)"
  if [ -n "$_glibc" ] && [ "$(printf '%s\n2.28\n' "$_glibc" | sort -V | head -1)" != "2.28" ]; then
    warn "本机 glibc=$_glibc < 2.28，GPU 版 ffmpeg 在本机跑不了(GLIBC_2.28 not found)。"
    warn "仅当打包给 glibc>=2.28 的机器时才用 GPU 版；本机自用请: FFMPEG_VARIANT=cpu bash make_portable.sh"
  fi
  # 用 grep(不带 -q)读完整输出再判，避免 grep -q 提前关管道触发 SIGPIPE+pipefail 误判
  if [ -x "$PROJ/bin/ffmpeg" ] && "$PROJ/bin/ffmpeg" -hide_banner -hwaccels 2>/dev/null | grep -i cuda >/dev/null; then
    log "[0/4] bin/ffmpeg 已是 GPU 版(支持 cuda)，跳过"; FF_NEED=0
  else
    log "[0/4] 下载 GPU 版 ffmpeg (BtbN，含 cuda/nvdec) → ./bin"
  fi
else
  FF_URL="${FFMPEG_STATIC_URL:-https://johnvansickle.com/ffmpeg/releases/ffmpeg-release-amd64-static.tar.xz}"
  if [ -x "$PROJ/bin/ffmpeg" ] && "$PROJ/bin/ffmpeg" -hide_banner -decoders 2>/dev/null | grep -iE 'dav1d|av1' >/dev/null; then
    log "[0/4] bin/ffmpeg 已支持 AV1(CPU 版)，跳过"; FF_NEED=0
  else
    log "[0/4] 下载 CPU 版 ffmpeg (johnvansickle，含 dav1d) → ./bin"
  fi
fi
if [ "$FF_NEED" -eq 1 ]; then
  mkdir -p "$PROJ/bin"; tmp="$(mktemp -d)"
  if have curl; then curl -L "$FF_URL" -o "$tmp/ff.tar.xz"; else wget -O "$tmp/ff.tar.xz" "$FF_URL"; fi
  tar xf "$tmp/ff.tar.xz" -C "$tmp"
  # johnvansickle 在 <dir>/ffmpeg，BtbN 在 <dir>/bin/ffmpeg —— 直接全树找，两种都兼容
  ffb="$(find "$tmp" -type f -name ffmpeg | head -1)"
  ffp="$(find "$tmp" -type f -name ffprobe | head -1)"
  if [ -n "$ffb" ] && [ -n "$ffp" ]; then
    cp "$ffb" "$ffp" "$PROJ/bin/" && chmod +x "$PROJ/bin/ffmpeg" "$PROJ/bin/ffprobe"
    log "ffmpeg/ffprobe 已装到 ./bin（$FFMPEG_VARIANT 版）"
  else
    echo "解压后没找到 ffmpeg/ffprobe，请手动放入 ./bin"; exit 1
  fi
  rm -rf "$tmp"
fi

# 1) 把 uv 的独立 Python 复制进项目 ./python（python-build-standalone 本身可重定位）
log "[1/4] 复制独立 Python 到项目内 ./python"
PYSRC="$(dirname "$(dirname "$(readlink -f .venv/bin/python)")")"
echo "  源: $PYSRC"
rm -rf "$PROJ/python"
cp -a "$PYSRC" "$PROJ/python"
PYBIN="$PROJ/python/bin/python3"
[ -x "$PYBIN" ] || PYBIN="$(ls "$PROJ"/python/bin/python3.* | head -1)"
echo "  项目内 Python: $PYBIN"
# 去掉 uv 的"外部管理(EXTERNALLY-MANAGED)"标记，否则 uv 拒绝往这个 Python 里装包
rm -f "$PROJ"/python/lib/python3.*/EXTERNALLY-MANAGED

# 2) 把依赖装进这个项目内 Python（脱离 .venv，用 headless opencv）
log "[2/4] 安装依赖到项目内 Python"
uv pip uninstall --python "$PYBIN" --break-system-packages opencv-python 2>/dev/null || true
uv pip install --python "$PYBIN" --break-system-packages -r requirements.txt --index-url "$PIP_MIRROR" \
  --only-binary numpy,scipy,scikit-learn,opencv-python-headless,Pillow,av \
  || uv pip install --python "$PYBIN" --break-system-packages -r requirements.txt --index-url "$PIP_MIRROR"

# WHISPER_GPU=1：把 CUDA 库(cublas/cudnn)也装进项目 Python，这样目标机【无需系统 CUDA】
# 也能让 whisper 跑 GPU(ctranslate2 从 venv 里找库；activate.sh 会把它加进 LD_LIBRARY_PATH)。
if [ "${WHISPER_GPU:-0}" = "1" ]; then
  log "  额外装 CUDA 库(nvidia-cublas/cudnn-cu12)给 whisper GPU 用"
  uv pip install --python "$PYBIN" --break-system-packages \
    nvidia-cublas-cu12 nvidia-cudnn-cu12 --index-url "$PIP_MIRROR" \
    || warn "CUDA 库安装失败；目标机若无系统 CUDA，whisper 将回退 CPU"
fi

# 3) 把 whisper 模型缓存搬进项目 ./models（用 HF_HOME 指过去）
log "[3/4] 预下载 whisper 模型到项目内 ./models"
MODEL="$(python -c "import json;print(json.load(open('config/config.json'))['audio'].get('model_size','small'))")"
mkdir -p "$PROJ/models"
HF_HOME="$PROJ/models" HF_HUB_OFFLINE=0 TRANSFORMERS_OFFLINE=0 \
  HF_ENDPOINT="${HF_ENDPOINT:-https://hf-mirror.com}" \
  HF_HUB_DISABLE_XET=1 \
  "$PYBIN" -c "from faster_whisper import WhisperModel; WhisperModel('$MODEL',device='cpu',compute_type='int8'); print('模型已放进 ./models')"

# 4) 删掉旧 .venv（不再需要，已被项目内 Python 取代）
log "[4/4] 清理旧 .venv"
deactivate 2>/dev/null || true
rm -rf "$PROJ/.venv"

cat <<EOF

完成 ✅  现在项目已自包含，可随便放任意路径/用户：
  ./python/   独立 Python + 所有第三方库
  ./bin/      ffmpeg / ffprobe
  ./models/   whisper 模型
  coscli-linux-amd64

验证:  source activate.sh && python -c "import cv2,faster_whisper;print('OK')"
打包:  bash pack.sh
EOF