from bs4 import BeautifulSoup
import json
import base64
from PIL import Image
from io import BytesIO

#REPLACE .HAR !!!
with open('ripanimalfull.har', 'r') as archivo:
  contenido = archivo.read()
  datos = json.loads(contenido)

#Extraemos cada registro del logger
entries = datos['log']['entries']

#Lugar donde guardamos el scramble de cada imagen
scrambleReg = []
imgReg = []

#Recorremos las transacciones
for entry in entries:
  response = entry['response']


  #Para cada transaccion de la network buscamos las responses de tipo "application/octet-stream"
  #Entramos a la request correspondiente a esa response y buscamos el nombre de la imagen los queryString
  #Tomamos el campo "text" de la respuesta y lo convertimos en una imagen. La guardamos usando el nombre recuperado
  if response['content']["mimeType"] == "application/octet-stream":
    for qs in entry["request"]["queryString"]:
      if qs["name"] == "file":
        imgName = qs["value"].split(".")[0].split("_")[0]
        imgReg.append({
          "img": imgName,
          "data": response['content']["text"]
        })
        #image_bytes = base64.b64decode(response['content']["text"])
        #with open(imgName+'.jpg', 'wb') as archivo:
        #  archivo.write(image_bytes)


  #Para cada transaccion de la network buscamos las responses de tipo "text/xml"
  #Buscamos si la respuesta contiene datos dentro de una tag llamada "scramble" (usamos html.parser para recorrer el string)
  #En caso de encontrarlo buscamos en la request correspondiente el nombre del archivo al cual corresponde el "scramble" (esta en los queryString)
  #Guardamos ambos valores
  if response['content']["mimeType"] == "text/xml":
    if "text" in response["content"]:
      soup = BeautifulSoup(response["content"]["text"], 'html.parser')
      scramble = soup.find('scramble')
      if scramble is not None:
        scramble = scramble.string
        if scramble is not None:
          for qs in entry["request"]["queryString"]:
            if qs["name"] == "file":
              scrambleReg.append({
                "img": qs["value"].split(".")[0],
                "scramble": scramble.split(',')
            })

#frameW = 352
#frameH = 496

#SET SEGMENT DIMENSIONS
frameW = 336
frameH = 480

for imgR in imgReg:
  for sR in scrambleReg:
    if imgR["img"] == sR["img"]:
      bytes_imagen = base64.b64decode(imgR["data"])
      objeto_bytes = BytesIO(bytes_imagen)
      imagen = Image.open(objeto_bytes)

      W, H = imagen.size

      #TODO: Averiguar como calcular el tamaño del cuadrante de forma automaitca (Depende del tamaño de la imagen original)
      #frameW = W // 4
      #frameH = H // 4
      #print(W)
      #print(frameW)


      numberOfWFrames = W // frameW
      numberOfHFrames = H // frameH
      WpixelExtras = W - (numberOfWFrames * frameW)
      HpixelExtras = H - (numberOfHFrames * frameH)

      sections = []
      for j in range(numberOfHFrames):
        for i in range(numberOfWFrames):
          seccion_imagen = imagen.crop((i*frameW,j*frameH,i*frameW+frameW,j*frameH+frameH))
          sections.append(seccion_imagen)

      count = 0
      for j in range(numberOfHFrames):
        for i in range(numberOfWFrames):
          realSectionHere = int(sR["scramble"][count])
          imagen.paste(sections[realSectionHere], (i*frameW,j*frameH))
          count += 1

      imagen.save(imgR["img"]+'.jpg', format='JPEG', quality=100, compress_level=0)