# ==============================================================================
# ConvertX-CN Full 擴充版 Dockerfile
# 版本：v0.1.16
# ==============================================================================
#
# 📦 Image 說明：
#   - 基於 ConvertX-CN 官方 Image（CPU-only 版）進行擴充
#   - 適合需要 GPU 加速、更多語言 OCR 或完整 TexLive 的進階使用者
#   - ⚠️ 體積較大（啟用 GPU 後可能超過 10GB）
#
# 🎯 適用場景：
#   - 需要 65 種 OCR 語言全支援
#   - 需要完整 TexLive（特殊 LaTeX 套件）
#   - 多語言企業環境
#
# 📦 使用方式：
#   1. 確保已有 convertx/convertx-cn:latest 或自行 build
#   2. 取消註解需要的功能區塊
#   3. 執行：docker build -f Dockerfile.full -t convertx-cn-full .
#
# ⚠️ 風險提示：
#   - 每個擴充功能都會增加 Image 大小
#   - 全部啟用可能使 Image 超過 15GB
#   - 請依實際需求選擇性啟用
#
# ==============================================================================

# 基於 ConvertX-CN 官方 Image（一般版）
FROM convertx/convertx-cn:latest

# ==============================================================================
# 🚀 GPU 加速支援 - PyTorch CUDA（約 +5-8GB）
# ==============================================================================
# 說明：安裝 PyTorch CUDA 以啟用 MinerU GPU 加速
# 風險：Image 體積大幅增加（+5-8GB）
# 適用：有 NVIDIA GPU 且需要高速 PDF 解析的使用者
# ------------------------------------------------------------------------------
# RUN pip3 install --no-cache-dir --break-system-packages \
#   torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# ==============================================================================
#  完整 TexLive（約 +3GB）
# ==============================================================================
# 說明：完整 LaTeX 支援，適合需要特殊 LaTeX 套件的使用者
# 風險：Image 體積大幅增加
# ℹ️ 一般版已內建：texlive-base, texlive-latex-base, texlive-xetex, texlive-lang-cjk
# ------------------------------------------------------------------------------
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   texlive-full \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# ==============================================================================
# 🔤 OCR 語言擴充（按地區分類）
# ==============================================================================
#
# 📊 預估大小：
#   - 每個語言包：5-50MB
#   - 全部語言：約 +2GB
#
# 💡 建議：僅安裝實際需要的語言
# ℹ️ 一般版已內建：eng, chi-tra, chi-sim, jpn, kor, deu, fra
# ------------------------------------------------------------------------------

# --- 歐洲語言（西歐）---
# 約 +150MB
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   tesseract-ocr-spa \
#   tesseract-ocr-ita \
#   tesseract-ocr-por \
#   tesseract-ocr-nld \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# --- 歐洲語言（北歐）---
# 約 +100MB
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   tesseract-ocr-swe \
#   tesseract-ocr-dan \
#   tesseract-ocr-nor \
#   tesseract-ocr-fin \
#   tesseract-ocr-isl \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# --- 歐洲語言（東歐/斯拉夫）---
# 約 +200MB
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   tesseract-ocr-pol \
#   tesseract-ocr-rus \
#   tesseract-ocr-ukr \
#   tesseract-ocr-ces \
#   tesseract-ocr-slk \
#   tesseract-ocr-hun \
#   tesseract-ocr-ron \
#   tesseract-ocr-bul \
#   tesseract-ocr-hrv \
#   tesseract-ocr-srp \
#   tesseract-ocr-slv \
#   tesseract-ocr-lit \
#   tesseract-ocr-lav \
#   tesseract-ocr-est \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# --- 歐洲語言（其他）---
# 約 +80MB
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   tesseract-ocr-ell \
#   tesseract-ocr-tur \
#   tesseract-ocr-cat \
#   tesseract-ocr-eus \
#   tesseract-ocr-glg \
#   tesseract-ocr-gle \
#   tesseract-ocr-cym \
#   tesseract-ocr-mlt \
#   tesseract-ocr-mkd \
#   tesseract-ocr-sqi \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# --- 中東語言 ---
# 約 +100MB
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   tesseract-ocr-ara \
#   tesseract-ocr-heb \
#   tesseract-ocr-fas \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# --- 南亞語言 ---
# 約 +200MB
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   tesseract-ocr-hin \
#   tesseract-ocr-ben \
#   tesseract-ocr-tam \
#   tesseract-ocr-tel \
#   tesseract-ocr-kan \
#   tesseract-ocr-mal \
#   tesseract-ocr-mar \
#   tesseract-ocr-guj \
#   tesseract-ocr-pan \
#   tesseract-ocr-sin \
#   tesseract-ocr-nep \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# --- 東南亞語言 ---
# 約 +100MB
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   tesseract-ocr-tha \
#   tesseract-ocr-vie \
#   tesseract-ocr-ind \
#   tesseract-ocr-msa \
#   tesseract-ocr-fil \
#   tesseract-ocr-mya \
#   tesseract-ocr-khm \
#   tesseract-ocr-lao \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# --- 非洲語言 ---
# 約 +50MB
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   tesseract-ocr-afr \
#   tesseract-ocr-swa \
#   tesseract-ocr-amh \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# ------------------------------------------------------------------------------
# 🌍 一鍵安裝所有 OCR 語言（約 +2GB）
# ⚠️ 警告：這會顯著增加 Image 大小與 build 時間
# ------------------------------------------------------------------------------
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   tesseract-ocr-all \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# ==============================================================================
# 🔤 額外字型套件
# ==============================================================================

# --- Noto 完整字型集（約 +500MB）---
# 包含全球所有語言的 Noto 字型
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   fonts-noto-extra \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# --- 阿拉伯語/希伯來語字型 ---
# 約 +50MB
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   fonts-noto-ui-core \
#   fonts-arabeyes \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# --- 印度語系字型 ---
# 約 +100MB
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   fonts-indic \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# --- 泰文字型 ---
# 約 +20MB
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   fonts-thai-tlwg \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# ==============================================================================
# 📚 額外 TexLive 語言包
# ==============================================================================

# --- 更多歐洲語言 LaTeX 支援 ---
# 約 +300MB
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   texlive-lang-spanish \
#   texlive-lang-italian \
#   texlive-lang-portuguese \
#   texlive-lang-polish \
#   texlive-lang-cyrillic \
#   texlive-lang-greek \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# --- 阿拉伯語/希伯來語 LaTeX 支援 ---
# 約 +150MB
# RUN apt-get update && apt-get install -y --no-install-recommends \
#   texlive-lang-arabic \
#   texlive-lang-other \
#   && apt-get clean && rm -rf /var/lib/apt/lists/*

# ==============================================================================
# 🔧 進階轉換工具
# ==============================================================================
# ℹ️ 一般版已內建：OpenCV, libavcodec-extra
# 以下工具在一般版中已包含，無需額外安裝
# ------------------------------------------------------------------------------

# ==============================================================================
# 🌐 額外 Locale 設定
# ==============================================================================
# 如需更多語言的 locale 支援，取消以下註解
# ℹ️ 一般版已內建：en_US, zh_TW, zh_CN, ja_JP, ko_KR, de_DE, fr_FR
# ------------------------------------------------------------------------------
# RUN sed -i 's/# es_ES.UTF-8 UTF-8/es_ES.UTF-8 UTF-8/' /etc/locale.gen && \
#   sed -i 's/# it_IT.UTF-8 UTF-8/it_IT.UTF-8 UTF-8/' /etc/locale.gen && \
#   sed -i 's/# pt_BR.UTF-8 UTF-8/pt_BR.UTF-8 UTF-8/' /etc/locale.gen && \
#   sed -i 's/# ru_RU.UTF-8 UTF-8/ru_RU.UTF-8 UTF-8/' /etc/locale.gen && \
#   sed -i 's/# ar_SA.UTF-8 UTF-8/ar_SA.UTF-8 UTF-8/' /etc/locale.gen && \
#   sed -i 's/# th_TH.UTF-8 UTF-8/th_TH.UTF-8 UTF-8/' /etc/locale.gen && \
#   sed -i 's/# vi_VN.UTF-8 UTF-8/vi_VN.UTF-8 UTF-8/' /etc/locale.gen && \
#   locale-gen

# ==============================================================================
# 📋 擴充功能總覽
# ==============================================================================
#
# ℹ️ 一般版已內建功能（CPU-only，約 3-5GB）：
#   - 核心轉換：LibreOffice, FFmpeg, ImageMagick, Pandoc, Inkscape
#   - OCR：Tesseract（7 種語言）
#   - PDF 翻譯：PDFMathTranslate, BabelDOC
#   - PDF 轉 MD：MinerU（CPU 模式，使用 pipeline backend）
#   - 字型：Noto CJK, Liberation, 標楷體
#   - TexLive：基礎 + CJK + 德法
#   - OpenCV, libavcodec-extra
#
# | 功能                    | 預估大小  | 風險等級 |
# |-------------------------|----------|----------|
# | 🚀 GPU 加速 (PyTorch)   | +5-8GB   | 高       |
# | 完整 TexLive            | +3GB     | 高       |
# | 全部 OCR 語言           | +2GB     | 高       |
# | 歐洲 OCR（西歐）        | +150MB   | 低       |
# | 歐洲 OCR（北歐）        | +100MB   | 低       |
# | 歐洲 OCR（東歐）        | +200MB   | 中       |
# | 中東 OCR                | +100MB   | 低       |
# | 南亞 OCR                | +200MB   | 中       |
# | 東南亞 OCR              | +100MB   | 低       |
# | 非洲 OCR                | +50MB    | 低       |
# | Noto Extra 字型         | +500MB   | 中       |
# | 印度語系字型            | +100MB   | 低       |
# | 額外 TexLive 語言       | +300MB   | 中       |
# | OpenCV                  | +200MB   | 中       |
#
# ==============================================================================