"""PDF 分流：检测每页有无文字层。"""

from typing import List

import fitz  # PyMuPDF


def classify_page(page: "fitz.Page", min_chars: int = 20) -> str:
    """判断单页类型。

    有文字层（get_text 非空白字符数 >= min_chars）→ 'native'，
    否则视为扫描页 → 'scanned'。min_chars 可调，避免只有页码的扫描页误判。
    """
    text = page.get_text().strip()
    return "native" if len(text) >= min_chars else "scanned"


def classify_pages(pdf_bytes: bytes, min_chars: int = 20) -> List[str]:
    """返回 PDF 每页类型列表 ['native'|'scanned', ...]。"""
    out = []
    with fitz.open(stream=pdf_bytes, filetype="pdf") as doc:
        for page in doc:
            out.append(classify_page(page, min_chars))
    return out