import fitz, re, json
from pathlib import Path

doc = fitz.open('/home/alexives/Desktop/newsources/Kuper_Dzh_Entsiklopedia_simvolov.pdf')

figs = []
for pno in range(6, len(doc)-1):
    blocks = doc[pno].get_text('blocks')
    for b in blocks:
        t = b[4].strip()
        m = re.search(r'Рис\.\s*(\d+)[\.:]?\s*(.*?)(?=\n\n|\Z)', t, re.DOTALL)
        if m:
            num = int(m.group(1))
            cap = re.sub(r'\s+', ' ', m.group(2)).strip()
            figs.append((num, pno+1, cap))

seen = {}
for num, pno, cap in figs:
    if num not in seen or len(cap) > len(seen[num][1]):
        seen[num] = (pno, cap)

print(f"Total unique figures in Cooper: {len(seen)}")

# Precise manual/rule-based target mapping for every Cooper figure
mapping = {
    1: ['агнец', 'агнец божий'],
    2: ['инь-ян'],
    3: ['алтарь'],
    4: ['ангел', 'ангелы'],
    5: ['маат', 'жертвоприношение'],
    6: ['архангел', 'гавриил'],
    7: ['бабочка'],
    8: ['барабан', 'шаман'],
    9: ['ад', 'бес'],
    10: ['пеликан'],
    11: ['буйвол', 'лао-цзы'],
    12: ['апис', 'бык'],
    13: ['ваза', 'надгробие'],
    14: ['весло', 'весла'],
    16: ['дионис', 'виноград', 'лоза'],
    17: ['ундина', 'вода'],
    18: ['вол'],
    19: ['волны', 'спираль'],
    20: ['ворон', 'ложка'],
    21: ['орел', 'полумесяц'],
    22: ['вяз'],
    23: ['геральдика', 'лев'],
    24: ['гиацинт'],
    25: ['голова', 'череп'],
    26: ['голубь'],
    27: ['горгона', 'медуза'],
    28: ['гриф'],
    29: ['гроб'],
    30: ['гусь'],
    31: ['дверь', 'врата'],
    32: ['дева', 'богоматерь'],
    34: ['дельфин'],
    35: ['мировое дерево', 'древо жизни', 'иггдрасиль'],
    36: ['диск', 'солнце'],
    37: ['дракон'],
    38: ['дуб'],
    39: ['дуга', 'радуга'],
    40: ['единорог'],
    41: ['еж'],
    42: ['жаба'],
    43: ['жемчуг'],
    44: ['женщина'],
    45: ['журавль'],
    46: ['заяц'],
    47: ['звезда', 'пентаграмма'],
    48: ['зверь'],
    49: ['зеркало'],
    50: ['зигзаг', 'молния'],
    51: ['змея', 'уроборос'],
    52: ['зодиак'],
    53: ['лев', 'зодиак'],
    54: ['дева', 'зодиак'],
    55: ['весы', 'зодиак'],
    56: ['скорпион', 'зодиак'],
    57: ['стрелец', 'зодиак'],
    58: ['золотое руно', 'дракон'],
    59: ['ибис', 'перо', 'маат'],
    60: ['игла'],
    61: ['ирис'],
    62: ['кадуцей', 'гермес'],
    63: ['кабан', 'вепрь'],
    64: ['жезл гермеса', 'кадуцей'],
    65: ['камень'],
    66: ['карлик'],
    67: ['квадрат'],
    68: ['кедр'],
    69: ['ключ', 'ангел'],
    70: ['христос', 'пантократор'],
    71: ['козел'],
    72: ['колесо'],
    73: ['колокол'],
    74: ['колонна'],
    75: ['кольцо'],
    76: ['копье'],
    77: ['корабль', 'ладья'],
    78: ['корона'],
    79: ['корова'],
    80: ['коса'],
    81: ['кот', 'кошка'],
    82: ['краб'],
    83: ['крест'],
    84: ['крокодил'],
    85: ['круг'],
    86: ['крылья'],
    87: ['кувшин'],
    88: ['кукушка'],
    89: ['лабиринт'],
    90: ['лавр'],
    91: ['ладья'],
    92: ['лампа', 'светильник'],
    93: ['ласточка'],
    94: ['лебедь'],
    95: ['лев'],
    96: ['леопард'],
    97: ['лестница'],
    98: ['лилия'],
    99: ['лира'],
    100: ['лиса'],
    101: ['лист'],
    102: ['лодка'],
    103: ['лопата'],
    104: ['лотос'],
    105: ['луг'],
    106: ['луна'],
    107: ['лук'],
    108: ['луч'],
    109: ['лягушка'],
    110: ['магнолия'],
    111: ['мак'],
    112: ['мандорла'],
    113: ['маска'],
    114: ['медведь'],
    115: ['медовуха'],
    116: ['меч'],
    117: ['мировое древо', 'иггдрасиль'],
    118: ['молния'],
    119: ['молот'],
    120: ['море'],
    121: ['мост'],
    122: ['муравей'],
    123: ['муха'],
    124: ['мышь'],
    125: ['нарцисс'],
    126: ['нить'],
    127: ['нож'],
    128: ['носорог'],
    129: ['обезьяна'],
    130: ['облако'],
    131: ['огонь'],
    132: ['олень'],
    133: ['олива'],
    134: ['омела'],
    135: ['орел'],
    136: ['осел'],
    137: ['осьминог'],
    138: ['павлин'],
    139: ['пальма'],
    140: ['паук'],
    141: ['петух'],
    142: ['раковина', 'афродита'],
    143: ['раковина', 'змея'],
    144: ['река', 'рай'],
    146: ['роза', 'крест', 'розенкрейцеры'],
    148: ['рука'],
    149: ['рыба', 'крест'],
    150: ['сатир'],
    151: ['свастика'],
    152: ['свастика', 'будда'],
    153: ['свет', 'будда'],
    154: ['менора'],
    155: ['свинья'],
    156: ['свиток'],
    157: ['черепаха'],
    158: ['сердце'],
    159: ['сердце'],
    160: ['сикамора', 'древо жизни'],
    162: ['синагога'],
    163: ['слон'],
    164: ['анубис', 'собака'],
    165: ['солнце', 'храм'],
    167: ['солнце'],
    168: ['сосна', 'шишка'],
    169: ['спираль', 'свастика'],
    170: ['спираль', 'свастика'],
    171: ['вечный жид'],
    172: ['танец', 'дервиш'],
    173: ['таро', 'маг', 'шут'],
    174: ['тирс', 'менада'],
    175: ['топор', 'лабрис'],
    176: ['трезубец', 'вишну'],
    177: ['трикветра'],
    178: ['тыква', 'ваза'],
    179: ['узел'],
    180: ['урна'],
    181: ['уроборос'],
    183: ['феникс'],
    184: ['кришна', 'вишну'],
    185: ['мандала', 'храм'],
    186: ['белый цвет', 'белый'],
    187: ['черное и белое', 'анафема'],
    188: ['багуа', 'триграммы'],
    189: ['роза', 'розенкрейцеры'],
    190: ['чакры'],
    191: ['череп'],
    192: ['ноль', 'круг'],
    193: ['два', 'солнце', 'луна'],
    194: ['тримурти', 'брахма', 'шива', 'вишну', 'троица'],
    196: ['микрокосм', 'человек'],
    197: ['семь', 'планеты'],
    198: ['девять', 'мандала'],
    199: ['шар', 'зевс'],
    200: ['шлем', 'афина'],
    202: ['четыре', 'элементы', 'христос'],
    203: ['юрта'],
    204: ['язык', 'медуза'],
    205: ['птах'],
    206: ['ячмень', 'осирис'],
    207: ['ihs', 'монограмма христа']
}

with open('/tmp/cooper_fig_mapping.json', 'w', encoding='utf-8') as f:
    json.dump({str(k): {'page': seen[k][0], 'caption': seen[k][1], 'targets': mapping.get(k, [])} for k in seen}, f, ensure_ascii=False, indent=2)

print("Saved /tmp/cooper_fig_mapping.json successfully!")