import pytesseract
from PIL import Image
from typing import List


def extract_text_from_images(images: List[Image.Image]) -> str:
    """
    使用Tesseract OCR从一系列图片中提取并合并所有文本。
    """
    print("--- [Core OCR] 正在从图片中提取文本用于向量化...")
    full_text = []
    for img in images:
        try:
            # lang='chi_sim+eng' 表示同时识别简体中文和英文
            text = pytesseract.image_to_string(img, lang='chi_sim+eng')
            full_text.append(text)
        except Exception as e:
            print(f"--- [Core OCR] 单页处理失败: {e}")
            continue

    combined_text = "\n\n--- Page Break ---\n\n".join(full_text)
    print("--- [Core OCR] 文本提取成功。")
    return combined_text