# -*- coding: utf-8 -*-
"""
统计合成图的【像素尺寸】, 看有多少张超大(最长边>阈值) → 判断是不是OCR超时的根因。
纯标准库, 不依赖 PIL / cv2 / 项目代码。只读JPEG文件头, 不解码, 很快。

用法:
  python3 tools/查合成图尺寸.py                 # 默认扫 ./split/**/composite/, 阈值4000
  python3 tools/查合成图尺寸.py --dir ./split --max 4000
"""
import argparse
import glob
import os


def jpeg_size(path):
    """只读 JPEG 文件头拿 (宽,高), 不解码。失败返回 None。"""
    try:
        with open(path, 'rb') as f:
            if f.read(2) != b'\xff\xd8':
                return None
            while True:
                b = f.read(1)
                while b and b != b'\xff':
                    b = f.read(1)
                marker = f.read(1)
                while marker == b'\xff':
                    marker = f.read(1)
                if not marker:
                    return None
                m = marker[0]
                if 0xC0 <= m <= 0xCF and m not in (0xC4, 0xC8, 0xCC):
                    f.read(3)
                    h = int.from_bytes(f.read(2), 'big')
                    w = int.from_bytes(f.read(2), 'big')
                    return w, h
                seg = int.from_bytes(f.read(2), 'big')
                if seg < 2:
                    return None
                f.seek(seg - 2, 1)
    except Exception:
        return None


def main():
    ap = argparse.ArgumentParser()
    ap.add_argument('--dir', default='./split')
    ap.add_argument('--max', type=int, default=4000, help='超大阈值(最长边像素)')
    args = ap.parse_args()

    pats = [os.path.join(args.dir, '**', 'composite', '*.jpg'),
            os.path.join(args.dir, '**', '*.jpg')]
    files = []
    for p in pats:
        files = glob.glob(p, recursive=True)
        if files:
            break
    files = [f for f in files if 'composite' in f]
    if not files:
        print(f"在 {args.dir} 下没找到 composite/*.jpg")
        return

    tot = over = mx = 0
    sizes = []
    for f in files:
        sz = jpeg_size(f)
        if sz:
            tot += 1
            m = max(sz)
            mx = max(mx, m)
            sizes.append((os.path.getsize(f), sz, f))
            if m > args.max:
                over += 1

    print("=" * 56)
    print(f"合成图 {tot} 张 | 最长边>{args.max} 的 {over} 张 "
          f"({over/tot*100:.0f}%) | 最大最长边 {mx}px")
    print("=" * 56)
    print("最大的 8 张:")
    for fsize, (w, h), f in sorted(sizes, reverse=True)[:8]:
        flag = '  <== 超大' if max(w, h) > args.max else ''
        print(f"  {fsize//1024:5d}KB  {w}x{h}  最长边={max(w,h)}{flag}")
    print()
    if over > tot * 0.3:
        print(f"⚠ {over}/{tot} 张超大 → 实锤: 超大合成图就是OCR超时根因。")
        print(f"  部署 ocr_max_image_side={args.max} 后, 这些缩到 {args.max}px, OCR 从30s降到几秒。")
    elif over == 0:
        print("✓ 没有超大图(尺寸都正常) → 超时不是图大, 是端点问题(共享/波动)。")
    else:
        print(f"部分超大({over}张), 部署尺寸上限能缓解这部分。")


if __name__ == '__main__':
    main()