import math


# 巷道间距


# 计算旋转角度
def calculate_route(point_1, point_2):
    a, b = point_1
    c, d = point_2
    return math.atan((d - b) / (c - a))


# 计算旋转坐标
def calculate_route_coordinate(point, route):
    x = point[0]
    y = point[1]
    x1 = x * math.cos(route) + y * math.sin(route)
    y1 = -x * math.sin(route) + y * math.cos(route)
    return (x1, y1)


def find_point_on_line(A, B, fraction):
    """
    计算线段AB上距离A点fraction长度处的点C的坐标。

    参数:
    A -- 点A的坐标，形式为(x1, y1)
    B -- 点B的坐标，形式为(x2, y2)
    fraction -- 线段AB上距离A点的比例（0到1之间）

    返回:
    点C的坐标，形式为(x, y)
    """
    x1, y1 = A
    x2, y2 = B

    # 使用线性插值计算C点的坐标
    x = x1 + (x2 - x1) * fraction
    y = y1 + (y2 - y1) * fraction

    return (x, y)


def scale_point(x, y, k):
    """
    缩放二维点坐标。

    参数:
    x, y: 原点的x和y坐标。
    k: 缩放因子。

    返回:
    新的x'和y'坐标。
    """
    x_prime = k * x
    y_prime = k * y
    return x_prime, y_prime

# 计算 a点到b点之间1/x处（距离a点）的c点坐标
def calculate_point_c(point_a, point_b, x):
    x_a, y_a = point_a
    x_b, y_b = point_b
    # 计算方向向量
    dx = x_b - x_a
    dy = y_b - y_a

    # 计算方向向量的模长
    distance_ab = math.sqrt(dx ** 2 + dy ** 2)

    # 计算单位方向向量
    unit_vector_x = dx / distance_ab
    unit_vector_y = dy / distance_ab

    # 计算点C的坐标
    x_c = x_a + (1 / x) * unit_vector_x
    y_c = y_a + (1 / x) * unit_vector_y

    return x_c, y_c


# 找线段之间某点的坐标
def rotate_point_around_another(point_a, point_b, a):
    x_a, y_a = point_a
    x_b, y_b = point_b
    """  
    旋转点A(x_a, y_a)围绕点B(x_b, y_b) a 弧度后的新坐标。  
    """
    # 将A点的坐标转换到以B点为原点的坐标系中
    dx = x_a - x_b
    dy = y_a - y_b

    # 旋转坐标
    x_prime = dx * math.cos(a) - dy * math.sin(a)
    y_prime = dx * math.sin(a) + dy * math.cos(a)

    # 将旋转后的坐标转换回原来的坐标系
    x_rotated = x_prime + x_b
    y_rotated = y_prime + y_b

    return x_rotated, y_rotated


def calculate_angle_with_x_axis(point1, point2):
    x1, y1 = point1
    x2, y2 = point2
    """
    计算线段(x1, y1)到(x2, y2)与x轴的夹角（以弧度为单位）。
    结果角度是从x轴正方向逆时针旋转到线段方向所经过的角度。
    """
    # 首先计算线段的斜率
    if x1 == x2:  # 避免除以零
        if y2 > y1:
            return math.pi / 2  # 垂直于x轴且向上
        elif y2 < y1:
            return -math.pi / 2  # 垂直于x轴且向下
        else:
            return 0  # 与x轴重合
    else:
        slope = (y2 - y1) / (x2 - x1)
        # 使用atan2计算角度，它返回从x轴正方向到点(y, x)的向量与x轴之间的夹角
        # 注意：atan2的参数顺序是(y的差, x的差)，即(y2-y1, x2-x1)
        angle_radians = math.atan2(y2 - y1, x2 - x1)
        return angle_radians


def get_color_by_layer(layer_id):
    return {
        '1': 53,
        '2': 83,
        '3': 133,
        '4': 173
    }.get(layer_id)


def min_distance_between_segments(seg1, seg2):
    """
    计算两条线段之间的最小距离（基于端点之间的最小距离）
    seg1, seg2: 线段的端点坐标，例如 [(x1, y1), (x2, y2)]
    """
    # 提取端点
    p1, p2 = seg1
    p3, p4 = seg2

    # 计算所有端点之间的距离
    dist1 = distance(p1, p3)
    dist2 = distance(p1, p4)
    dist3 = distance(p2, p3)
    dist4 = distance(p2, p4)

    # 返回最小距离
    return min(dist1, dist2, dist3, dist4)


def distance(p1, p2):
    """计算两点之间的距离"""
    return math.sqrt((p2[0] - p1[0]) ** 2 + (p2[1] - p1[1]) ** 2)


def symmetric_point(A, B):
    """
    计算点A相对于点B的对称点C的坐标

    参数:
    A -- 点A的坐标，形式为(x_a, y_a)
    B -- 点B的坐标，形式为(x_b, y_b)

    返回:
    点C的坐标，形式为(x_c, y_c)
    """
    x_a, y_a = A
    x_b, y_b = B

    x_c = 2 * x_b - x_a
    y_c = 2 * y_b - y_a

    return x_c, y_c


def parallel_line(start, end, distance):
    """
    计算与给定线段平行且距离为distance的线段（只返回上方的一条）。

    参数:
    start -- 原始线段的起点坐标，形式为(x, y)
    end -- 原始线段的终点坐标，形式为(x, y)
    distance -- 平行线段与原始线段的距离

    返回:
    tuple -- 平行线段的起点和终点坐标，形式为((new_start_x, new_start_y), (new_end_x, new_end_y))
    """
    # 计算原始线段的斜率
    if start[0] == end[0]:  # 斜率不存在（垂直线）
        # 对于垂直线，我们只需在x坐标上保持不变，y坐标增减distance
        new_start = (start[0], start[1] + distance)
        new_end = (end[0], end[1] + distance)
    else:
        # 计算斜率
        slope = (end[1] - start[1]) / (end[0] - start[0])

        # 计算法线的斜率（负倒数）
        normal_slope = -1 / slope

        # 计算法线方向上从起点到距离distance的点的偏移量
        # 注意：这里我们使用勾股定理的简化形式，因为距离是垂直于线段的
        # 实际上，我们只需要y方向的偏移量，因为x方向的偏移量由斜率决定
        dx = distance / math.sqrt(1 + slope ** 2)
        dy = slope * dx

        # 计算新线段的起点和终点
        # 注意：这里我们假设距离是正值，只计算上方的平行线
        # 如果需要下方的平行线，可以将dy的符号取反
        new_start = (start[0] - dy / slope, start[1] + dx)
        new_end = (end[0] - dy / slope, end[1] + dx)

        # 注意：上面的计算方式在斜率为负时可能不正确，因为它没有考虑线段的方向
        # 一种更健壮的方法是分别计算与start和end距离为distance的点，然后取这两个点作为新线段的端点
        # 但为了简单起见，这里我们假设斜率不是负数或垂直线的情况已经处理

    # 注意：上面的计算方式在斜率为负或接近0时可能不准确，下面是一个更准确的版本
    # 它直接计算与start和end等距的点
    # 考虑到斜率可能接近无穷（即几乎垂直），我们使用向量叉积的概念来避免除以0
    vector = (end[0] - start[0], end[1] - start[1])
    norm = (-vector[1], vector[0])  # 法线向量
    norm_length = math.sqrt(norm[0] ** 2 + norm[1] ** 2)
    unit_norm = (norm[0] / norm_length, norm[1] / norm_length)  # 单位法线向量
    offset_point_start = (start[0] + unit_norm[0] * distance, start[1] + unit_norm[1] * distance)
    offset_point_end = (end[0] + unit_norm[0] * distance, end[1] + unit_norm[1] * distance)

    return (offset_point_start, offset_point_end)


def shrink_line(start, end, scale_factor):
    """
    将线段缩小指定的倍数。

    参数:
    start -- 原始线段的起点坐标，形式为(x, y)
    end -- 原始线段的终点坐标，形式为(x, y)
    scale_factor -- 缩小倍数，例如0.5表示缩小到原来的一半

    返回:
    tuple -- 缩小后的线段的起点和终点坐标，形式为((new_start_x, new_start_y), (new_end_x, new_end_y))
    """
    # 计算原始线段的长度和方向向量
    length = ((end[0] - start[0]) ** 2 + (end[1] - start[1]) ** 2) ** 0.5
    direction = ((end[0] - start[0]) / length, (end[1] - start[1]) / length)

    # 计算缩小后的线段的长度
    new_length = length * scale_factor

    # 计算缩小后的线段的起点和终点
    new_start = start
    new_end = (start[0] + direction[0] * new_length, start[1] + direction[1] * new_length)

    return (new_start, new_end)