app.py

from fastapi import FastAPI, BackgroundTasks, UploadFile, File, Form, Request, Query
from fastapi.responses import HTMLResponse, JSONResponse, Response, RedirectResponse
from fastapi.staticfiles import StaticFiles
import pathlib, os, uvicorn, base64, json, shutil, uuid, time, urllib.parse
from typing import Dict, List, Any, Optional
import asyncio
import logging
import threading
import concurrent.futures
from openai import OpenAI
import fitz  # PyMuPDF
import tempfile
from reportlab.lib.pagesizes import letter
from reportlab.pdfgen import canvas
from reportlab.platypus import SimpleDocTemplate, Paragraph, Spacer
from reportlab.lib.styles import getSampleStyleSheet
import io
import docx2txt

# 로깅 설정
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')
logger = logging.getLogger(__name__)

BASE = pathlib.Path(__file__).parent
app = FastAPI()
app.mount("/static", StaticFiles(directory=BASE), name="static")

# PDF 디렉토리 설정
PDF_DIR = BASE / "pdf"
if not PDF_DIR.exists():
    PDF_DIR.mkdir(parents=True)

# 영구 PDF 디렉토리 설정 (Hugging Face 영구 디스크)
PERMANENT_PDF_DIR = pathlib.Path("/data/pdfs") if os.path.exists("/data") else BASE / "permanent_pdfs"
if not PERMANENT_PDF_DIR.exists():
    PERMANENT_PDF_DIR.mkdir(parents=True)

# 캐시 디렉토리 설정
CACHE_DIR = BASE / "cache"
if not CACHE_DIR.exists():
    CACHE_DIR.mkdir(parents=True)

# PDF 메타데이터 디렉토리 및 파일 설정
METADATA_DIR = pathlib.Path("/data/metadata") if os.path.exists("/data") else BASE / "metadata"
if not METADATA_DIR.exists():
    METADATA_DIR.mkdir(parents=True)
PDF_METADATA_FILE = METADATA_DIR / "pdf_metadata.json"

# 임베딩 캐시 디렉토리 설정
EMBEDDING_DIR = pathlib.Path("/data/embeddings") if os.path.exists("/data") else BASE / "embeddings"
if not EMBEDDING_DIR.exists():
    EMBEDDING_DIR.mkdir(parents=True)

# 관리자 비밀번호
ADMIN_PASSWORD = os.getenv("PASSWORD", "admin")  # 환경 변수에서 가져오기, 기본값은 테스트용

# OpenAI API 키 설정
OPENAI_API_KEY = os.getenv("LLM_API", "")
# API 키가 없거나 비어있을 때 플래그 설정
HAS_VALID_API_KEY = bool(OPENAI_API_KEY and OPENAI_API_KEY.strip())

if HAS_VALID_API_KEY:
    try:
        openai_client = OpenAI(api_key=OPENAI_API_KEY, timeout=30.0)
        logger.info("OpenAI 클라이언트 초기화 성공")
    except Exception as e:
        logger.error(f"OpenAI 클라이언트 초기화 실패: {e}")
        HAS_VALID_API_KEY = False
else:
    logger.warning("유효한 OpenAI API 키가 없습니다. AI 기능이 제한됩니다.")
    openai_client = None

# 전역 캐시 객체
pdf_cache: Dict[str, Dict[str, Any]] = {}
# 캐싱 락
cache_locks = {}
# PDF 메타데이터 (ID to 경로 매핑)
pdf_metadata: Dict[str, str] = {}
# PDF 임베딩 캐시
pdf_embeddings: Dict[str, Dict[str, Any]] = {}

# PDF 메타데이터 로드
def load_pdf_metadata():
    global pdf_metadata
    if PDF_METADATA_FILE.exists():
        try:
            with open(PDF_METADATA_FILE, "r") as f:
                pdf_metadata = json.load(f)
            logger.info(f"PDF 메타데이터 로드 완료: {len(pdf_metadata)} 항목")
        except Exception as e:
            logger.error(f"메타데이터 로드 오류: {e}")
            pdf_metadata = {}
    else:
        pdf_metadata = {}

# PDF 메타데이터 저장
def save_pdf_metadata():
    try:
        with open(PDF_METADATA_FILE, "w") as f:
            json.dump(pdf_metadata, f)
    except Exception as e:
        logger.error(f"메타데이터 저장 오류: {e}")

# PDF ID 생성 (파일명 + 타임스탬프 기반) - 더 단순하고 안전한 방식으로 변경
def generate_pdf_id(filename: str) -> str:
    # 파일명에서 확장자 제거
    base_name = os.path.splitext(filename)[0]
    # 안전한 문자열로 변환 (URL 인코딩 대신 직접 변환)
    import re
    safe_name = re.sub(r'[^\w\-_]', '_', base_name.replace(" ", "_"))
    # 타임스탬프 추가로 고유성 보장
    timestamp = int(time.time())
    # 짧은 임의 문자열 추가
    random_suffix = uuid.uuid4().hex[:6]
    return f"{safe_name}_{timestamp}_{random_suffix}"

# PDF 파일 목록 가져오기 (메인 디렉토리용)
def get_pdf_files():
    pdf_files = []
    if PDF_DIR.exists():
        pdf_files = [f for f in PDF_DIR.glob("*.pdf")]
    return pdf_files

# 영구 저장소의 PDF 파일 목록 가져오기
def get_permanent_pdf_files():
    pdf_files = []
    if PERMANENT_PDF_DIR.exists():
        pdf_files = [f for f in PERMANENT_PDF_DIR.glob("*.pdf")]
    return pdf_files

# PDF 썸네일 생성 및 프로젝트 데이터 준비
def generate_pdf_projects():
    projects_data = []
    
    # 메인 디렉토리와 영구 저장소의 파일들 가져오기
    pdf_files = get_pdf_files()
    permanent_pdf_files = get_permanent_pdf_files()
    
    # 모든 파일 합치기 (파일명 기준으로 중복 제거)
    unique_files = {}
    
    # 먼저 메인 디렉토리의 파일들 추가
    for file in pdf_files:
        unique_files[file.name] = file
    
    # 영구 저장소의 파일들 추가 (동일 파일명이 있으면 영구 저장소 파일 우선)
    for file in permanent_pdf_files:
        unique_files[file.name] = file
    
    # 중복 제거된 파일들로 프로젝트 데이터 생성
    for pdf_file in unique_files.values():
        # 해당 파일의 PDF ID 찾기
        pdf_id = None
        for pid, path in pdf_metadata.items():
            if os.path.basename(path) == pdf_file.name:
                pdf_id = pid
                break
        
        # ID가 없으면 새로 생성하고 메타데이터에 추가
        if not pdf_id:
            pdf_id = generate_pdf_id(pdf_file.name)
            pdf_metadata[pdf_id] = str(pdf_file)
            save_pdf_metadata()
        
        projects_data.append({
            "path": str(pdf_file),
            "name": pdf_file.stem,
            "id": pdf_id,
            "cached": pdf_file.stem in pdf_cache and pdf_cache[pdf_file.stem].get("status") == "completed"
        })
    
    return projects_data

# 캐시 파일 경로 생성
def get_cache_path(pdf_name: str):
    return CACHE_DIR / f"{pdf_name}_cache.json"

# 임베딩 캐시 파일 경로 생성
def get_embedding_path(pdf_id: str):
    return EMBEDDING_DIR / f"{pdf_id}_embedding.json"

# PDF 텍스트 추출 함수
def extract_pdf_text(pdf_path: str) -> List[Dict[str, Any]]:
    try:
        doc = fitz.open(pdf_path)
        chunks = []
        
        for page_num in range(len(doc)):
            page = doc[page_num]
            text = page.get_text()
            
            # 페이지 텍스트가 있는 경우만 추가
            if text.strip():
                chunks.append({
                    "page": page_num + 1,
                    "text": text,
                    "chunk_id": f"page_{page_num + 1}"
                })
        
        return chunks
    except Exception as e:
        logger.error(f"PDF 텍스트 추출 오류: {e}")
        return []

# PDF ID로 임베딩 생성 또는 가져오기
async def get_pdf_embedding(pdf_id: str) -> Dict[str, Any]:
    try:
        # 임베딩 캐시 확인
        embedding_path = get_embedding_path(pdf_id)
        if embedding_path.exists():
            try:
                with open(embedding_path, "r", encoding="utf-8") as f:
                    return json.load(f)
            except Exception as e:
                logger.error(f"임베딩 캐시 로드 오류: {e}")
        
        # PDF 경로 찾기
        pdf_path = get_pdf_path_by_id(pdf_id)
        if not pdf_path:
            raise ValueError(f"PDF ID {pdf_id}에 해당하는 파일을 찾을 수 없습니다")
        
        # 텍스트 추출
        chunks = extract_pdf_text(pdf_path)
        if not chunks:
            raise ValueError(f"PDF에서 텍스트를 추출할 수 없습니다: {pdf_path}")
        
        # 임베딩 저장 및 반환
        embedding_data = {
            "pdf_id": pdf_id,
            "pdf_path": pdf_path,
            "chunks": chunks,
            "created_at": time.time()
        }
        
        # 임베딩 캐시 저장
        with open(embedding_path, "w", encoding="utf-8") as f:
            json.dump(embedding_data, f, ensure_ascii=False)
        
        return embedding_data
    
    except Exception as e:
        logger.error(f"PDF 임베딩 생성 오류: {e}")
        return {"error": str(e), "pdf_id": pdf_id}

# PDF 내용 기반 질의응답
# PDF 내용 기반 질의응답 함수 개선
async def query_pdf(pdf_id: str, query: str) -> Dict[str, Any]:
    try:
        # API 키가 없거나 유효하지 않은 경우
        if not HAS_VALID_API_KEY or not openai_client:
            return {
                "error": "OpenAI API 키가 설정되지 않았습니다.",
                "answer": "죄송합니다. 현재 AI 기능이 비활성화되어 있어 질문에 답변할 수 없습니다. 시스템 관리자에게 문의하세요."
            }
        
        # 임베딩 데이터 가져오기
        embedding_data = await get_pdf_embedding(pdf_id)
        if "error" in embedding_data:
            return {"error": embedding_data["error"]}
        
        # 청크 텍스트 모으기 (임시로 간단하게 전체 텍스트 사용)
        all_text = "\n\n".join([f"Page {chunk['page']}: {chunk['text']}" for chunk in embedding_data["chunks"]])
        
        # 컨텍스트 크기를 고려하여 텍스트가 너무 길면 앞부분만 사용
        max_context_length = 60000  # 토큰 수가 아닌 문자 수 기준 (대략적인 제한)
        if len(all_text) > max_context_length:
            all_text = all_text[:max_context_length] + "...(이하 생략)"
        
        # 시스템 프롬프트 준비
        system_prompt = """
        기본 언어 설정은 English 이다. 프롬프트 입력 언어에 따라(영어, 한국어, 일본어, 중국어 등) 입력받은 언어로 답변하라.
        당신은 PDF 내용을 기반으로 질문에 답변하는 도우미입니다. 제공된 PDF 컨텍스트 정보만을 사용하여 답변하세요.
        컨텍스트에 관련 정보가 없는 경우, '제공된 PDF에서 해당 정보를 찾을 수 없습니다'라고 솔직히 답하세요.
        답변은 명확하고 간결하게 작성하고, 관련 페이지 번호를 인용하세요. 반드시 공손한 말투로 친절하게 응답하세요. 
        """
        
        # gpt-4.1-mini 모델 사용
        try:
            # 타임아웃 및 재시도 설정 개선
            for attempt in range(3):  # 최대 3번 재시도
                try:
                    response = openai_client.chat.completions.create(
                        model="gpt-4.1-mini",
                        messages=[
                            {"role": "system", "content": system_prompt},
                            {"role": "user", "content": f"다음 PDF 내용을 참고하여 질문에 답변해주세요.\n\nPDF 내용:\n{all_text}\n\n질문: {query}"}
                        ],
                        temperature=0.7,
                        max_tokens=2048,
                        timeout=30.0  # 30초 타임아웃
                    )
                    
                    answer = response.choices[0].message.content
                    return {
                        "answer": answer,
                        "pdf_id": pdf_id,
                        "query": query
                    }
                except Exception as api_error:
                    logger.error(f"OpenAI API 호출 오류 (시도 {attempt+1}/3): {api_error}")
                    if attempt == 2:  # 마지막 시도에서도 실패
                        raise api_error
                    await asyncio.sleep(1 * (attempt + 1))  # 재시도 간 지연 시간 증가
            
            # 여기까지 도달하지 않아야 함
            raise Exception("API 호출 재시도 모두 실패")
        except Exception as api_error:
            logger.error(f"OpenAI API 호출 최종 오류: {api_error}")
            # 오류 유형에 따른 더 명확한 메시지 제공
            error_message = str(api_error)
            if "Connection" in error_message:
                return {"error": "OpenAI 서버와 연결할 수 없습니다. 인터넷 연결을 확인하세요."}
            elif "Unauthorized" in error_message or "Authentication" in error_message:
                return {"error": "API 키가 유효하지 않습니다."}
            elif "Rate limit" in error_message:
                return {"error": "API 호출 한도를 초과했습니다. 잠시 후 다시 시도하세요."}
            else:
                return {"error": f"AI 응답 생성 중 오류가 발생했습니다: {error_message}"}
        
    except Exception as e:
        logger.error(f"질의응답 처리 오류: {e}")
        return {"error": str(e)}

# PDF 요약 생성
# PDF 요약 생성 함수 개선
async def summarize_pdf(pdf_id: str) -> Dict[str, Any]:
    try:
        # API 키가 없거나 유효하지 않은 경우
        if not HAS_VALID_API_KEY or not openai_client:
            return {
                "error": "OpenAI API 키가 설정되지 않았습니다. 'LLM_API' 환경 변수를 확인하세요.",
                "summary": "API 키가 없어 요약을 생성할 수 없습니다. 시스템 관리자에게 문의하세요."
            }
        
        # 임베딩 데이터 가져오기
        embedding_data = await get_pdf_embedding(pdf_id)
        if "error" in embedding_data:
            return {"error": embedding_data["error"], "summary": "PDF에서 텍스트를 추출할 수 없습니다."}
        
        # 청크 텍스트 모으기 (제한된 길이)
        all_text = "\n\n".join([f"Page {chunk['page']}: {chunk['text']}" for chunk in embedding_data["chunks"]])
        
        # 컨텍스트 크기를 고려하여 텍스트가 너무 길면 앞부분만 사용
        max_context_length = 60000  # 토큰 수가 아닌 문자 수 기준 (대략적인 제한)
        if len(all_text) > max_context_length:
            all_text = all_text[:max_context_length] + "...(이하 생략)"
        
        # OpenAI API 호출
        try:
            # 타임아웃 및 재시도 설정 개선
            for attempt in range(3):  # 최대 3번 재시도
                try:
                    response = openai_client.chat.completions.create(
                        model="gpt-4.1-mini",
                        messages=[
                            {"role": "system", "content": "다음 PDF 내용을 간결하게 요약해주세요. 핵심 주제와 주요 포인트를 포함한 요약을 500자 이내로 작성해주세요."},
                            {"role": "user", "content": f"PDF 내용:\n{all_text}"}
                        ],
                        temperature=0.7,
                        max_tokens=1024,
                        timeout=30.0  # 30초 타임아웃
                    )
                    
                    summary = response.choices[0].message.content
                    return {
                        "summary": summary,
                        "pdf_id": pdf_id
                    }
                except Exception as api_error:
                    logger.error(f"OpenAI API 호출 오류 (시도 {attempt+1}/3): {api_error}")
                    if attempt == 2:  # 마지막 시도에서도 실패
                        raise api_error
                    await asyncio.sleep(1 * (attempt + 1))  # 재시도 간 지연 시간 증가
            
            # 여기까지 도달하지 않아야 함
            raise Exception("API 호출 재시도 모두 실패")
        except Exception as api_error:
            logger.error(f"OpenAI API 호출 최종 오류: {api_error}")
            # 오류 유형에 따른 더 명확한 메시지 제공
            error_message = str(api_error)
            if "Connection" in error_message:
                return {"error": "OpenAI 서버와 연결할 수 없습니다. 인터넷 연결을 확인하세요.", "pdf_id": pdf_id}
            elif "Unauthorized" in error_message or "Authentication" in error_message:
                return {"error": "API 키가 유효하지 않습니다.", "pdf_id": pdf_id}
            elif "Rate limit" in error_message:
                return {"error": "API 호출 한도를 초과했습니다. 잠시 후 다시 시도하세요.", "pdf_id": pdf_id}
            else:
                return {"error": f"AI 요약 생성 중 오류가 발생했습니다: {error_message}", "pdf_id": pdf_id}
    
    except Exception as e:
        logger.error(f"PDF 요약 생성 오류: {e}")
        return {
            "error": str(e),
            "summary": "PDF 요약 중 오류가 발생했습니다. PDF 페이지 수가 너무 많거나 형식이 지원되지 않을 수 있습니다."
        }

        
# 최적화된 PDF 페이지 캐싱 함수
async def cache_pdf(pdf_path: str):
    try:
        import fitz  # PyMuPDF
        
        pdf_file = pathlib.Path(pdf_path)
        pdf_name = pdf_file.stem
        
        # 락 생성 - 동일한 PDF에 대해 동시 캐싱 방지
        if pdf_name not in cache_locks:
            cache_locks[pdf_name] = threading.Lock()
        
        # 이미 캐싱 중이거나 캐싱 완료된 PDF는 건너뛰기
        if pdf_name in pdf_cache and pdf_cache[pdf_name].get("status") in ["processing", "completed"]:
            logger.info(f"PDF {pdf_name} 이미 캐싱 완료 또는 진행 중")
            return
        
        with cache_locks[pdf_name]:
            # 이중 체크 - 락 획득 후 다시 확인
            if pdf_name in pdf_cache and pdf_cache[pdf_name].get("status") in ["processing", "completed"]:
                return
            
            # 캐시 상태 업데이트
            pdf_cache[pdf_name] = {"status": "processing", "progress": 0, "pages": []}
            
            # 캐시 파일이 이미 존재하는지 확인
            cache_path = get_cache_path(pdf_name)
            if cache_path.exists():
                try:
                    with open(cache_path, "r") as cache_file:
                        cached_data = json.load(cache_file)
                        if cached_data.get("status") == "completed" and cached_data.get("pages"):
                            pdf_cache[pdf_name] = cached_data
                            pdf_cache[pdf_name]["status"] = "completed"
                            logger.info(f"캐시 파일에서 {pdf_name} 로드 완료")
                            return
                except Exception as e:
                    logger.error(f"캐시 파일 로드 실패: {e}")
            
            # PDF 파일 열기
            doc = fitz.open(pdf_path)
            total_pages = doc.page_count
            
            # 미리 썸네일만 먼저 생성 (빠른 UI 로딩용)
            if total_pages > 0:
                # 첫 페이지 썸네일 생성
                page = doc[0]
                pix_thumb = page.get_pixmap(matrix=fitz.Matrix(0.2, 0.2))  # 더 작은 썸네일
                thumb_data = pix_thumb.tobytes("png")
                b64_thumb = base64.b64encode(thumb_data).decode('utf-8')
                thumb_src = f"data:image/png;base64,{b64_thumb}"
                
                # 썸네일 페이지만 먼저 캐시
                pdf_cache[pdf_name]["pages"] = [{"thumb": thumb_src, "src": ""}]
                pdf_cache[pdf_name]["progress"] = 1
                pdf_cache[pdf_name]["total_pages"] = total_pages
            
            # 이미지 해상도 및 압축 품질 설정 (성능 최적화)
            scale_factor = 1.0  # 기본 해상도 (낮출수록 로딩 빠름)
            jpeg_quality = 80   # JPEG 품질 (낮출수록 용량 작아짐)
            
            # 페이지 처리 작업자 함수 (병렬 처리용)
            def process_page(page_num):
                try:
                    page = doc[page_num]
                    
                    # 이미지로 변환 시 매트릭스 스케일링 적용 (성능 최적화)
                    pix = page.get_pixmap(matrix=fitz.Matrix(scale_factor, scale_factor))
                    
                    # JPEG 형식으로 인코딩 (PNG보다 크기 작음)
                    img_data = pix.tobytes("jpeg", jpeg_quality)
                    b64_img = base64.b64encode(img_data).decode('utf-8')
                    img_src = f"data:image/jpeg;base64,{b64_img}"
                    
                    # 썸네일 (첫 페이지가 아니면 빈 문자열)
                    thumb_src = "" if page_num > 0 else pdf_cache[pdf_name]["pages"][0]["thumb"]
                    
                    return {
                        "page_num": page_num,
                        "src": img_src,
                        "thumb": thumb_src
                    }
                except Exception as e:
                    logger.error(f"페이지 {page_num} 처리 오류: {e}")
                    return {
                        "page_num": page_num,
                        "src": "",
                        "thumb": "",
                        "error": str(e)
                    }
            
            # 병렬 처리로 모든 페이지 처리
            pages = [None] * total_pages
            processed_count = 0
            
            # 페이지 배치 처리 (메모리 관리)
            batch_size = 5  # 한 번에 처리할 페이지 수
            
            for batch_start in range(0, total_pages, batch_size):
                batch_end = min(batch_start + batch_size, total_pages)
                current_batch = list(range(batch_start, batch_end))
                
                # 병렬 처리로 배치 페이지 렌더링
                with concurrent.futures.ThreadPoolExecutor(max_workers=min(5, batch_size)) as executor:
                    batch_results = list(executor.map(process_page, current_batch))
                
                # 결과 저장
                for result in batch_results:
                    page_num = result["page_num"]
                    pages[page_num] = {
                        "src": result["src"],
                        "thumb": result["thumb"]
                    }
                    
                    processed_count += 1
                    progress = round(processed_count / total_pages * 100)
                    pdf_cache[pdf_name]["progress"] = progress
                
                # 중간 저장
                pdf_cache[pdf_name]["pages"] = pages
                try:
                    with open(cache_path, "w") as cache_file:
                        json.dump({
                            "status": "processing", 
                            "progress": pdf_cache[pdf_name]["progress"], 
                            "pages": pdf_cache[pdf_name]["pages"],
                            "total_pages": total_pages
                        }, cache_file)
                except Exception as e:
                    logger.error(f"중간 캐시 저장 실패: {e}")
            
            # 캐싱 완료
            pdf_cache[pdf_name] = {
                "status": "completed",
                "progress": 100,
                "pages": pages,
                "total_pages": total_pages
            }
            
            # 최종 캐시 파일 저장
            try:
                with open(cache_path, "w") as cache_file:
                    json.dump(pdf_cache[pdf_name], cache_file)
                logger.info(f"PDF {pdf_name} 캐싱 완료, {total_pages}페이지")
            except Exception as e:
                logger.error(f"최종 캐시 저장 실패: {e}")
            
    except Exception as e:
        import traceback
        logger.error(f"PDF 캐싱 오류: {str(e)}\n{traceback.format_exc()}")
        if pdf_name in pdf_cache:
            pdf_cache[pdf_name]["status"] = "error"
            pdf_cache[pdf_name]["error"] = str(e)

# PDF ID로 PDF 경로 찾기 (개선된 검색 로직)
def get_pdf_path_by_id(pdf_id: str) -> str:
    logger.info(f"PDF ID로 파일 조회: {pdf_id}")
    
    # 1. 메타데이터에서 직접 ID로 검색
    if pdf_id in pdf_metadata:
        path = pdf_metadata[pdf_id]
        # 파일 존재 확인
        if os.path.exists(path):
            return path
        
        # 파일이 이동했을 수 있으므로 파일명으로 검색
        filename = os.path.basename(path)
        
        # 영구 저장소에서 검색
        perm_path = PERMANENT_PDF_DIR / filename
        if perm_path.exists():
            # 메타데이터 업데이트
            pdf_metadata[pdf_id] = str(perm_path)
            save_pdf_metadata()
            return str(perm_path)
            
        # 메인 디렉토리에서 검색
        main_path = PDF_DIR / filename
        if main_path.exists():
            # 메타데이터 업데이트
            pdf_metadata[pdf_id] = str(main_path)
            save_pdf_metadata()
            return str(main_path)
    
    # 2. 파일명 부분만 추출하여 모든 PDF 파일 검색
    try:
        # ID 형식: filename_timestamp_random
        # 파일명 부분만 추출
        name_part = pdf_id.split('_')[0] if '_' in pdf_id else pdf_id
        
        # 모든 PDF 파일 검색
        for file_path in get_pdf_files() + get_permanent_pdf_files():
            # 파일명이 ID의 시작 부분과 일치하면
            file_basename = os.path.basename(file_path)
            if file_basename.startswith(name_part) or file_path.stem.startswith(name_part):
                # ID 매핑 업데이트
                pdf_metadata[pdf_id] = str(file_path)
                save_pdf_metadata()
                return str(file_path)
    except Exception as e:
        logger.error(f"파일명 검색 중 오류: {e}")
    
    # 3. 모든 PDF 파일에 대해 메타데이터 확인
    for pid, path in pdf_metadata.items():
        if os.path.exists(path):
            file_basename = os.path.basename(path)
            # 유사한 파일명을 가진 경우
            if pdf_id in pid or pid in pdf_id:
                pdf_metadata[pdf_id] = path
                save_pdf_metadata()
                return path
    
    return None

# 시작 시 모든 PDF 파일 캐싱
async def init_cache_all_pdfs():
    logger.info("PDF 캐싱 작업 시작")
    
    # PDF 메타데이터 로드
    load_pdf_metadata()
    
    # 메인 및 영구 디렉토리에서 PDF 파일 모두 가져오기
    pdf_files = get_pdf_files() + get_permanent_pdf_files()
    
    # 중복 제거
    unique_pdf_paths = set(str(p) for p in pdf_files)
    pdf_files = [pathlib.Path(p) for p in unique_pdf_paths]
    
    # 파일 기반 메타데이터 업데이트
    for pdf_file in pdf_files:
        # ID가 없는 파일에 대해 ID 생성
        found = False
        for pid, path in pdf_metadata.items():
            if os.path.basename(path) == pdf_file.name:
                found = True
                # 경로 업데이트 필요한 경우
                if not os.path.exists(path):
                    pdf_metadata[pid] = str(pdf_file)
                break
        
        if not found:
            pdf_id = generate_pdf_id(pdf_file.name)
            pdf_metadata[pdf_id] = str(pdf_file)
    
    # 메타데이터 저장
    save_pdf_metadata()
    
    # 이미 캐시된 PDF 파일 로드 (빠른 시작을 위해 먼저 수행)
    for cache_file in CACHE_DIR.glob("*_cache.json"):
        try:
            pdf_name = cache_file.stem.replace("_cache", "")
            with open(cache_file, "r") as f:
                cached_data = json.load(f)
                if cached_data.get("status") == "completed" and cached_data.get("pages"):
                    pdf_cache[pdf_name] = cached_data
                    pdf_cache[pdf_name]["status"] = "completed"
                    logger.info(f"기존 캐시 로드: {pdf_name}")
        except Exception as e:
            logger.error(f"캐시 파일 로드 오류: {str(e)}")
    
    # 캐싱되지 않은 PDF 파일 병렬 처리
    await asyncio.gather(*[asyncio.create_task(cache_pdf(str(pdf_file))) 
                          for pdf_file in pdf_files 
                          if pdf_file.stem not in pdf_cache 
                          or pdf_cache[pdf_file.stem].get("status") != "completed"])

# 백그라운드 작업 시작 함수
@app.on_event("startup")
async def startup_event():
    # PDF 메타데이터 로드
    load_pdf_metadata()
    
    # 누락된 PDF 파일에 대한 메타데이터 생성
    for pdf_file in get_pdf_files() + get_permanent_pdf_files():
        found = False
        for pid, path in pdf_metadata.items():
            if os.path.basename(path) == pdf_file.name:
                found = True
                # 경로 업데이트
                if not os.path.exists(path):
                    pdf_metadata[pid] = str(pdf_file)
                break
        
        if not found:
            # 새 ID 생성 및 메타데이터에 추가
            pdf_id = generate_pdf_id(pdf_file.name)
            pdf_metadata[pdf_id] = str(pdf_file)
    
    # 변경사항 저장
    save_pdf_metadata()
    
    # 백그라운드 태스크로 캐싱 실행
    asyncio.create_task(init_cache_all_pdfs())

# API 엔드포인트: PDF 프로젝트 목록
@app.get("/api/pdf-projects")
async def get_pdf_projects_api():
    return generate_pdf_projects()

# API 엔드포인트: 영구 저장된 PDF 프로젝트 목록
@app.get("/api/permanent-pdf-projects")
async def get_permanent_pdf_projects_api():
    pdf_files = get_permanent_pdf_files()
    projects_data = []
    
    for pdf_file in pdf_files:
        # PDF ID 찾기
        pdf_id = None
        for pid, path in pdf_metadata.items():
            if os.path.basename(path) == pdf_file.name:
                pdf_id = pid
                break
        
        # ID가 없으면 생성
        if not pdf_id:
            pdf_id = generate_pdf_id(pdf_file.name)
            pdf_metadata[pdf_id] = str(pdf_file)
            save_pdf_metadata()
            
        projects_data.append({
            "path": str(pdf_file),
            "name": pdf_file.stem,
            "id": pdf_id,
            "cached": pdf_file.stem in pdf_cache and pdf_cache[pdf_file.stem].get("status") == "completed"
        })
    
    return projects_data

# API 엔드포인트: PDF ID로 정보 가져오기
@app.get("/api/pdf-info-by-id/{pdf_id}")
async def get_pdf_info_by_id(pdf_id: str):
    pdf_path = get_pdf_path_by_id(pdf_id)
    if pdf_path:
        pdf_file = pathlib.Path(pdf_path)
        return {
            "path": pdf_path,
            "name": pdf_file.stem,
            "id": pdf_id,
            "exists": True,
            "cached": pdf_file.stem in pdf_cache and pdf_cache[pdf_file.stem].get("status") == "completed"
        }
    return {"exists": False, "error": "PDF를 찾을 수 없습니다"}

# API 엔드포인트: PDF 썸네일 제공 (최적화)
@app.get("/api/pdf-thumbnail")
async def get_pdf_thumbnail(path: str):
    try:
        pdf_file = pathlib.Path(path)
        pdf_name = pdf_file.stem
        
        # 캐시에서 썸네일 가져오기
        if pdf_name in pdf_cache and pdf_cache[pdf_name].get("pages"):
            if pdf_cache[pdf_name]["pages"][0].get("thumb"):
                return {"thumbnail": pdf_cache[pdf_name]["pages"][0]["thumb"]}
            
        # 캐시에 없으면 생성 (더 작고 빠른 썸네일)
        import fitz
        doc = fitz.open(path)
        if doc.page_count > 0:
            page = doc[0]
            pix = page.get_pixmap(matrix=fitz.Matrix(0.2, 0.2))  # 더 작은 썸네일
            img_data = pix.tobytes("jpeg", 70)  # JPEG 압축 사용
            b64_img = base64.b64encode(img_data).decode('utf-8')
            
            # 백그라운드에서 캐싱 시작
            asyncio.create_task(cache_pdf(path))
            
            return {"thumbnail": f"data:image/jpeg;base64,{b64_img}"}
        
        return {"thumbnail": None}
    except Exception as e:
        logger.error(f"썸네일 생성 오류: {str(e)}")
        return {"error": str(e), "thumbnail": None}

# API 엔드포인트: 캐시 상태 확인
@app.get("/api/cache-status")
async def get_cache_status(path: str = None):
    if path:
        pdf_file = pathlib.Path(path)
        pdf_name = pdf_file.stem
        if pdf_name in pdf_cache:
            return pdf_cache[pdf_name]
        return {"status": "not_cached"}
    else:
        return {name: {"status": info["status"], "progress": info.get("progress", 0)} 
                for name, info in pdf_cache.items()}

# API 엔드포인트: PDF에 대한 질의응답
@app.post("/api/ai/query-pdf/{pdf_id}")
async def api_query_pdf(pdf_id: str, query: Dict[str, str]):
    try:
        user_query = query.get("query", "")
        if not user_query:
            return JSONResponse(content={"error": "질문이 제공되지 않았습니다"}, status_code=400)
        
        # PDF 경로 확인
        pdf_path = get_pdf_path_by_id(pdf_id)
        if not pdf_path:
            return JSONResponse(content={"error": f"PDF ID {pdf_id}에 해당하는 파일을 찾을 수 없습니다"}, status_code=404)
        
        # 질의응답 처리
        result = await query_pdf(pdf_id, user_query)
        
        if "error" in result:
            return JSONResponse(content={"error": result["error"]}, status_code=500)
        
        return result
    except Exception as e:
        logger.error(f"질의응답 API 오류: {e}")
        return JSONResponse(content={"error": str(e)}, status_code=500)

# API 엔드포인트: PDF 요약
@app.get("/api/ai/summarize-pdf/{pdf_id}")
async def api_summarize_pdf(pdf_id: str):
    try:
        # PDF 경로 확인
        pdf_path = get_pdf_path_by_id(pdf_id)
        if not pdf_path:
            return JSONResponse(content={"error": f"PDF ID {pdf_id}에 해당하는 파일을 찾을 수 없습니다"}, status_code=404)
        
        # 요약 처리
        result = await summarize_pdf(pdf_id)
        
        if "error" in result:
            return JSONResponse(content={"error": result["error"]}, status_code=500)
        
        return result
    except Exception as e:
        logger.error(f"PDF 요약 API 오류: {e}")
        return JSONResponse(content={"error": str(e)}, status_code=500)

# API 엔드포인트: 캐시된 PDF 콘텐츠 제공 (점진적 로딩 지원)
@app.get("/api/cached-pdf")
async def get_cached_pdf(path: str, background_tasks: BackgroundTasks):
    try:
        pdf_file = pathlib.Path(path)
        pdf_name = pdf_file.stem
        
        # 캐시 확인
        if pdf_name in pdf_cache:
            status = pdf_cache[pdf_name].get("status", "")
            
            # 완료된 경우 전체 데이터 반환
            if status == "completed":
                return pdf_cache[pdf_name]
            
            # 처리 중인 경우 현재까지의 페이지 데이터 포함 (점진적 로딩)
            elif status == "processing":
                progress = pdf_cache[pdf_name].get("progress", 0)
                pages = pdf_cache[pdf_name].get("pages", [])
                total_pages = pdf_cache[pdf_name].get("total_pages", 0)
                
                # 일부만 처리된 경우에도 사용 가능한 페이지 제공
                return {
                    "status": "processing", 
                    "progress": progress,
                    "pages": pages,
                    "total_pages": total_pages,
                    "available_pages": len([p for p in pages if p and p.get("src")])
                }
        
        # 캐시가 없는 경우 백그라운드에서 캐싱 시작
        background_tasks.add_task(cache_pdf, path)
        return {"status": "started", "progress": 0}
        
    except Exception as e:
        logger.error(f"캐시된 PDF 제공 오류: {str(e)}")
        return {"error": str(e), "status": "error"}

# API 엔드포인트: PDF 원본 콘텐츠 제공(캐시가 없는 경우)
@app.get("/api/pdf-content")
async def get_pdf_content(path: str, background_tasks: BackgroundTasks):
    try:
        # 캐싱 상태 확인
        pdf_file = pathlib.Path(path)
        if not pdf_file.exists():
            return JSONResponse(content={"error": f"파일을 찾을 수 없습니다: {path}"}, status_code=404)
        
        pdf_name = pdf_file.stem
        
        # 캐시된 경우 리다이렉트
        if pdf_name in pdf_cache and (pdf_cache[pdf_name].get("status") == "completed" 
                                     or (pdf_cache[pdf_name].get("status") == "processing" 
                                         and pdf_cache[pdf_name].get("progress", 0) > 10)):
            return JSONResponse(content={"redirect": f"/api/cached-pdf?path={path}"})
        
        # 파일 읽기
        with open(path, "rb") as pdf_file:
            content = pdf_file.read()
            
        # 파일명 처리
        import urllib.parse
        filename = pdf_file.name
        encoded_filename = urllib.parse.quote(filename)
        
        # 백그라운드에서 캐싱 시작
        background_tasks.add_task(cache_pdf, path)
        
        # 응답 헤더 설정
        headers = {
            "Content-Type": "application/pdf",
            "Content-Disposition": f"inline; filename=\"{encoded_filename}\"; filename*=UTF-8''{encoded_filename}"
        }
        
        return Response(content=content, media_type="application/pdf", headers=headers)
    except Exception as e:
        import traceback
        error_details = traceback.format_exc()
        logger.error(f"PDF 콘텐츠 로드 오류: {str(e)}\n{error_details}")
        return JSONResponse(content={"error": str(e)}, status_code=500)

# PDF 업로드 엔드포인트 - 영구 저장소에 저장 및 메인 화면에 자동 표시
@app.post("/api/upload-pdf")
async def upload_pdf(file: UploadFile = File(...)):
    try:
        # 파일 이름 확인
        if not file.filename.lower().endswith('.pdf'):
            return JSONResponse(
                content={"success": False, "message": "PDF 파일만 업로드 가능합니다"}, 
                status_code=400
            )
        
        # 영구 저장소에 파일 저장
        file_path = PERMANENT_PDF_DIR / file.filename
        
        # 파일 읽기 및 저장
        content = await file.read()
        with open(file_path, "wb") as buffer:
            buffer.write(content)
        
        # 메인 디렉토리에도 자동으로 복사 (자동 표시)
        with open(PDF_DIR / file.filename, "wb") as buffer:
            buffer.write(content)
        
        # PDF ID 생성 및 메타데이터 저장
        pdf_id = generate_pdf_id(file.filename)
        pdf_metadata[pdf_id] = str(file_path)
        save_pdf_metadata()
        
        # 백그라운드에서 캐싱 시작
        asyncio.create_task(cache_pdf(str(file_path)))
        
        return JSONResponse(
            content={
                "success": True, 
                "path": str(file_path), 
                "name": file_path.stem,
                "id": pdf_id,
                "viewUrl": f"/view/{pdf_id}"
            },
            status_code=200
        )
    except Exception as e:
        import traceback
        error_details = traceback.format_exc()
        logger.error(f"PDF 업로드 오류: {str(e)}\n{error_details}")
        return JSONResponse(
            content={"success": False, "message": str(e)}, 
            status_code=500
        )

# 텍스트 파일을 PDF로 변환하는 함수
async def convert_text_to_pdf(text_content: str, title: str) -> str:
    try:
        # 제목에서 유효한 파일명 생성
        import re
        safe_title = re.sub(r'[^\w\-_\. ]', '_', title)
        if not safe_title:
            safe_title = "aibook"
        
        # 타임스탬프 추가로 고유한 파일명 생성
        timestamp = int(time.time())
        filename = f"{safe_title}_{timestamp}.pdf"
        
        # 영구 저장소의 파일 경로
        file_path = PERMANENT_PDF_DIR / filename
        
        # 한글 폰트 등록 - 업로드된 MaruBuri-SemiBold.ttf 사용
        from reportlab.pdfbase import pdfmetrics
        from reportlab.pdfbase.ttfonts import TTFont
        
        # 폰트 경로 설정 (app.py와 같은 디렉토리에 있는 폰트 사용)
        font_path = BASE / "MaruBuri-SemiBold.ttf"
        
        # 폰트 등록
        font_name = "MaruBuri"
        if font_path.exists():
            pdfmetrics.registerFont(TTFont(font_name, str(font_path)))
            logger.info(f"한글 폰트 등록 성공: {font_path}")
        else:
            font_name = "Helvetica"
            logger.warning(f"한글 폰트 파일을 찾을 수 없습니다: {font_path}. 기본 폰트를 사용합니다.")
        
        # 임시 PDF 파일 생성
        pdf_buffer = io.BytesIO()
        
        # 한글 지원을 위한 스타일 설정
        from reportlab.lib.pagesizes import letter
        from reportlab.platypus import SimpleDocTemplate, Paragraph, Spacer
        from reportlab.lib.styles import getSampleStyleSheet, ParagraphStyle
        from reportlab.lib.enums import TA_CENTER, TA_LEFT
        
        doc = SimpleDocTemplate(pdf_buffer, pagesize=letter, encoding='utf-8')
        
        # 사용자 정의 스타일 생성
        title_style = ParagraphStyle(
            name='CustomTitle',
            fontName=font_name,
            fontSize=18,
            leading=22,
            alignment=TA_CENTER,
            spaceAfter=20
        )
        
        normal_style = ParagraphStyle(
            name='CustomNormal',
            fontName=font_name,
            fontSize=12,
            leading=15,
            alignment=TA_LEFT,
            spaceBefore=6,
            spaceAfter=6
        )
        
        # 내용을 문단으로 분할
        content = []
        
        # 제목 추가
        content.append(Paragraph(title, title_style))
        content.append(Spacer(1, 20))
        
        # 텍스트를 단락으로 분리하여 추가
        paragraphs = text_content.split('\n\n')
        for para in paragraphs:
            if para.strip():
                # XML 특수문자 이스케이프 처리
                from xml.sax.saxutils import escape
                safe_para = escape(para.replace('\n', '<br/>'))
                p = Paragraph(safe_para, normal_style)
                content.append(p)
                content.append(Spacer(1, 10))
        
        # PDF 생성
        doc.build(content)
        
        # 파일로 저장
        with open(file_path, 'wb') as f:
            f.write(pdf_buffer.getvalue())
        
        # 메인 디렉토리에도 복사
        with open(PDF_DIR / filename, 'wb') as f:
            f.write(pdf_buffer.getvalue())
        
        # PDF ID 생성 및 메타데이터 저장
        pdf_id = generate_pdf_id(filename)
        pdf_metadata[pdf_id] = str(file_path)
        save_pdf_metadata()
        
        # 백그라운드에서 캐싱 시작
        asyncio.create_task(cache_pdf(str(file_path)))
        
        return {
            "path": str(file_path),
            "filename": filename,
            "id": pdf_id
        }
        
    except Exception as e:
        logger.error(f"텍스트를 PDF로 변환 중 오류: {e}")
        raise e


# AI를 사용하여 텍스트를 더 구조화된 형식으로 변환 (OpenAI 제거 버전)
async def enhance_text_with_ai(text_content: str, title: str) -> str:
    # 원본 텍스트 그대로 반환 (AI 향상 기능 비활성화)
    return text_content    



# 텍스트 파일을 PDF로 변환하는 엔드포인트
@app.post("/api/text-to-pdf")
async def text_to_pdf(file: UploadFile = File(...)):
    try:
        # 지원하는 파일 형식 확인
        filename = file.filename.lower()
        if not (filename.endswith('.txt') or filename.endswith('.docx') or filename.endswith('.doc')):
            return JSONResponse(
                content={"success": False, "message": "지원하는 파일 형식은 .txt, .docx, .doc입니다."}, 
                status_code=400
            )
        
        # 파일 내용 읽기
        content = await file.read()
        
        # 파일 타입에 따라 텍스트 추출
        if filename.endswith('.txt'):
            # 인코딩 자동 감지 시도
            encodings = ['utf-8', 'euc-kr', 'cp949', 'latin1']
            text_content = None
            
            for encoding in encodings:
                try:
                    text_content = content.decode(encoding, errors='strict')
                    logger.info(f"텍스트 파일 인코딩 감지: {encoding}")
                    break
                except UnicodeDecodeError:
                    continue
            
            if text_content is None:
                # 모든 인코딩 시도 실패 시 기본적으로 UTF-8로 시도하고 오류는 대체 문자로 처리
                text_content = content.decode('utf-8', errors='replace')
                logger.warning("텍스트 파일 인코딩을 감지할 수 없어 UTF-8으로 시도합니다.")
                
        elif filename.endswith('.docx') or filename.endswith('.doc'):
            # 임시 파일로 저장
            with tempfile.NamedTemporaryFile(delete=False, suffix=os.path.splitext(filename)[1]) as temp_file:
                temp_file.write(content)
                temp_path = temp_file.name
            
            try:
                # docx2txt로 텍스트 추출
                text_content = docx2txt.process(temp_path)
            finally:
                # 임시 파일 삭제
                os.unlink(temp_path)
        
        # 파일명에서 제목 추출 (확장자 제외)
        title = os.path.splitext(filename)[0]
        
        # AI로 텍스트 내용 향상
        enhanced_text = await enhance_text_with_ai(text_content, title)
        
        # 텍스트를 PDF로 변환
        pdf_info = await convert_text_to_pdf(enhanced_text, title)
        
        return JSONResponse(
            content={
                "success": True, 
                "path": pdf_info["path"], 
                "name": os.path.splitext(pdf_info["filename"])[0],
                "id": pdf_info["id"],
                "viewUrl": f"/view/{pdf_info['id']}"
            },
            status_code=200
        )
    except Exception as e:
        import traceback
        error_details = traceback.format_exc()
        logger.error(f"텍스트를 PDF로 변환 중 오류: {str(e)}\n{error_details}")
        return JSONResponse(
            content={"success": False, "message": str(e)}, 
            status_code=500
        )

# 관리자 인증 엔드포인트
@app.post("/api/admin-login")
async def admin_login(password: str = Form(...)):
    if password == ADMIN_PASSWORD:
        return {"success": True}
    return {"success": False, "message": "인증 실패"}

# 관리자용 PDF 삭제 엔드포인트
@app.delete("/api/admin/delete-pdf")
async def delete_pdf(path: str):
    try:
        pdf_file = pathlib.Path(path)
        if not pdf_file.exists():
            return {"success": False, "message": "파일을 찾을 수 없습니다"}
        
        # PDF 파일명 가져오기
        filename = pdf_file.name
        
        # PDF 파일 삭제 (영구 저장소에서)
        pdf_file.unlink()
        
        # 메인 디렉토리에서도 동일한 파일이 있으면 삭제 (버그 수정)
        main_file_path = PDF_DIR / filename
        if main_file_path.exists():
            main_file_path.unlink()
        
        # 관련 캐시 파일 삭제
        pdf_name = pdf_file.stem
        cache_path = get_cache_path(pdf_name)
        if cache_path.exists():
            cache_path.unlink()
            
        # 캐시 메모리에서도 제거
        if pdf_name in pdf_cache:
            del pdf_cache[pdf_name]
            
        # 메타데이터에서 해당 파일 ID 제거
        to_remove = []
        for pid, fpath in pdf_metadata.items():
            if os.path.basename(fpath) == filename:
                to_remove.append(pid)
        
        for pid in to_remove:
            del pdf_metadata[pid]
        
        save_pdf_metadata()
            
        return {"success": True}
    except Exception as e:
        logger.error(f"PDF 삭제 오류: {str(e)}")
        return {"success": False, "message": str(e)}

# PDF를 메인 디렉토리에 표시 설정
@app.post("/api/admin/feature-pdf")
async def feature_pdf(path: str):
    try:
        pdf_file = pathlib.Path(path)
        if not pdf_file.exists():
            return {"success": False, "message": "파일을 찾을 수 없습니다"}
        
        # 메인 디렉토리에 복사
        target_path = PDF_DIR / pdf_file.name
        shutil.copy2(pdf_file, target_path)
            
        return {"success": True}
    except Exception as e:
        logger.error(f"PDF 표시 설정 오류: {str(e)}")
        return {"success": False, "message": str(e)}

# PDF를 메인 디렉토리에서 제거 (영구 저장소에서는 유지)
@app.delete("/api/admin/unfeature-pdf")
async def unfeature_pdf(path: str):
    try:
        pdf_name = pathlib.Path(path).name
        target_path = PDF_DIR / pdf_name
        
        if target_path.exists():
            target_path.unlink()
            
        return {"success": True}
    except Exception as e:
        logger.error(f"PDF 표시 해제 오류: {str(e)}")
        return {"success": False, "message": str(e)}

# 직접 PDF 뷰어 URL 접근용 라우트
@app.get("/view/{pdf_id}")
async def view_pdf_by_id(pdf_id: str):
    # PDF ID 유효한지 확인
    pdf_path = get_pdf_path_by_id(pdf_id)
    
    if not pdf_path:
        # 일단 모든 PDF 메타데이터를 다시 로드하고 재시도
        load_pdf_metadata()
        pdf_path = get_pdf_path_by_id(pdf_id)
        
        if not pdf_path:
            # 모든 PDF 파일을 직접 스캔하여 유사한 이름 찾기
            for file_path in get_pdf_files() + get_permanent_pdf_files():
                name_part = pdf_id.split('_')[0] if '_' in pdf_id else pdf_id
                if file_path.stem.startswith(name_part):
                    pdf_metadata[pdf_id] = str(file_path)
                    save_pdf_metadata()
                    pdf_path = str(file_path)
                    break
    
    if not pdf_path:
        return HTMLResponse(
            content=f"<html><body><h1>PDF를 찾을 수 없습니다</h1><p>ID: {pdf_id}</p><a href='/'>홈으로 돌아가기</a></body></html>",
            status_code=404
        )
    
    # 메인 페이지로 리다이렉트하되, PDF ID 파라미터 추가
    return get_html_content(pdf_id=pdf_id)

# HTML 파일 읽기 함수
def get_html_content(pdf_id: str = None):
    html_path = BASE / "flipbook_template.html"
    content = ""
    if html_path.exists():
        with open(html_path, "r", encoding="utf-8") as f:
            content = f.read()
    else:
        content = HTML  # 기본 HTML 사용
    
    # PDF ID가 제공된 경우, 자동 로드 스크립트 추가
    if pdf_id:
        auto_load_script = f"""
        <script>
            // 페이지 로드 시 자동으로 해당 PDF 열기
            document.addEventListener('DOMContentLoaded', async function() {{
                try {{
                    // PDF 정보 가져오기
                    const response = await fetch('/api/pdf-info-by-id/{pdf_id}');
                    const pdfInfo = await response.json();
                    
                    if (pdfInfo.exists && pdfInfo.path) {{
                        // 약간의 지연 후 PDF 뷰어 열기 (UI가 준비된 후)
                        setTimeout(() => {{
                            openPdfById('{pdf_id}', pdfInfo.path, pdfInfo.cached);
                        }}, 500);
                    }} else {{
                        showError("요청한 PDF를 찾을 수 없습니다.");
                    }}
                }} catch (e) {{
                    console.error("자동 PDF 로드 오류:", e);
                }}
            }});
        </script>
        """
        
        # body 종료 태그 전에 스크립트 삽입
        content = content.replace("</body>", auto_load_script + "</body>")
    
    return HTMLResponse(content=content)

@app.get("/", response_class=HTMLResponse)
async def root(request: Request, pdf_id: Optional[str] = Query(None)):
    # PDF ID가 쿼리 파라미터로 제공된 경우 /view/{pdf_id}로 리다이렉트
    if pdf_id:
        return RedirectResponse(url=f"/view/{pdf_id}")
    return get_html_content()

# HTML 문자열 (AI 버튼 및 챗봇 UI 추가)
# HTML 문자열 (AI 버튼 및 챗봇 UI 추가)
import os

# Hugging Face Space의 secret에서 HTML 템플릿 로드
HTML = os.getenv("HTML_TEMPLATE", "")

# HTML이 비어있을 경우 기본 HTML 사용 (fallback)
if not HTML:
    logger.warning("HTML_TEMPLATE secret이 설정되어 있지 않습니다. 기본 HTML을 사용합니다.")
    HTML = """
    <!doctype html>
    <html lang="ko">
    <head>
        <meta charset="utf-8">
        <title>FlipBook Space</title>
        <style>
            body { font-family: Arial, sans-serif; text-align: center; padding: 50px; }
            .error { color: red; }
        </style>
    </head>
    <body>
        <h1>HTML 템플릿을 불러올 수 없습니다</h1>
        <p class="error">HTML_TEMPLATE secret이 설정되어 있지 않습니다.</p>
        <p>Hugging Face Space의 secret 영역에 HTML_TEMPLATE을 설정해주세요.</p>
    </body>
    </html>
    """

if __name__ == "__main__":
    uvicorn.run("app:app", host="0.0.0.0", port=int(os.getenv("PORT", 7860)))