import os
import gradio as gr
from db import db
from rag import process_query
from llm import LLM
from prompts import default_system_promot
import re

def init_db():
    with open("sources.txt", encoding="utf-8") as f:
        urls = f.read().splitlines()
    db.add(urls)



def get_llm(model):
    return LLM(model)


def extract_json_and_clean_text(text):
    # print(text)
    # Регулярное выражение для поиска содержимого между <json> и </json>
    pattern = r"(```json.*?```)"
    
    # Ищем совпадения (re.DOTALL позволяет захватывать многострочные данные)
    match = re.search(pattern, text, re.DOTALL)
    
    if match:
        # Извлекаем найденный JSON как строку
        json_string = match.group(1).strip()
        
        # Удаляем JSON блок из исходного текста
        cleaned_text = re.sub(pattern, "", text, flags=re.DOTALL).strip()
        
        return cleaned_text, json_string
    else:
        print("JSON блок не найден в тексте.")
        return text.strip(), ""

# Высота столбцов (в пикселях)
COLUMN_HEIGHT = 280
NUM_LINES = 12


def tab1():
    with gr.Tab("Анализ пресейлов"):
        # Создаем два столбца: левый для загрузки файлов, правый для системного промпта
        with gr.Row():
            with gr.Column(scale=1):  # Левый столбец
                file_input = gr.File(
                    label="Прикрепите рассматриваемый запрос",
                )
            
            with gr.Column(scale=2):  # Правый столбец
                system_prompt_input = gr.Textbox(
                    label="Системный промпт",
                    placeholder="Введите системный промпт...",
                    lines=NUM_LINES,  # Количество строк зависит от доступной высоты
                    max_lines=NUM_LINES,
                    interactive=True,
                    value=default_system_promot
                )
                with gr.Row():
                    model = gr.Dropdown(
                        choices=["mistral", "qwen2.5-vl-72b-instruct", "deepseek_v3", "llama-3.3-70b"],  # Список строк для выбора
                        label="Выберите модель",  # Подпись к выпадающему списку
                        multiselect=False  # Если True, можно выбрать несколько значений
                    )

                    temperature = gr.Slider(
                        minimum=0,
                        maximum=1,
                        step=0.01,
                        label="Температура",
                        value=0,
                        info="Увеличение гибридного поиска повышает креативность модели"
                    )

                    alpha = gr.Slider(
                        minimum=0,
                        maximum=1,
                        step=0.01,
                        label="Альфа",
                        value=0.5, 
                        info="Регулировка гибридного поиска"
                    )
        
        # Кнопка "Отправить"
        send_button = gr.Button("Отправить")

        # Текстовое поле для отображения результата
        # result_output = gr.Textbox(label="Результат", lines=5, interactive=False)
        # with gr.Accordion('Результат:', open=True):
        #     result_output = gr.Markdown(value="Здесь будет представлен результат")
        # Группа с лейблом и рамкой
        with gr.Row():
            with gr.Column(elem_classes="markdown-group", scale=2):
                gr.HTML("<div class='markdown-label'>Результат:</div>")  # Лейбл внутри рамки
                with gr.Column(elem_classes="markdown-content"):
                    result_output = gr.Markdown(value="Здесь будет представлен результат", min_height=200, show_copy_button=True)
            
            with gr.Column(elem_classes="markdown-group", scale=1):
                gr.HTML("<div class='markdown-label'>Json результат:</div>")  # Лейбл внутри рамки
                with gr.Column(elem_classes="markdown-content"):
                    json_output = gr.Markdown(value="Здесь будет представлен json", min_height=200, show_copy_button=True)

        
        def respond(file, system_prompt, model, temperature, alpha):
            llm = get_llm(model)
            llm_response = process_query(file, system_prompt, llm, temperature, alpha)

            return extract_json_and_clean_text(llm_response)
        
        # Привязываем кнопку к функции обработки
        send_button.click(
            respond,
            inputs=[file_input, system_prompt_input, model, temperature, alpha],
            outputs=[result_output, json_output]
        )


def add_new_source():
    new_url = gr.Textbox(
        label="url нового источника",
        placeholder="Введите url нового источника...",
        lines=1,
        max_lines=1,
        interactive=True,
        info="Поддерживается парсинг только с сайта https://www.reksoft.ru"
    )

    add_button = gr.Button("Добавить")

    def add_source(url):
        if url.startswith("https://www.reksoft.ru"):
            db.add([url])
            gr.Success(f"{url} успешно добавлен")
        else:
            gr.Error("Ошибка: представленная ссылка не принадлежит https://www.reksoft.ru")

        return url

    add_button.click(
        add_source,
        inputs=new_url,
        outputs=new_url
    )
            

def get_sources():
    ids = db.get_ids()
    str_ids = ""
    for source in ids:
        str_ids += f'* {source}\n'
    
    return f"""\
# Источники
{str_ids}"""
    

def tab2():
    with gr.Tab("Источники") as dynamic_tab:
        add_new_source()
        
        markdown_output = gr.Markdown("Изначальное содержимое Markdown")
    
    dynamic_tab.select(get_sources, outputs=markdown_output)

# Функция для чтения содержимого файла и возврата его как строки
def read_file_content(file_path):
    try:
        with open(file_path, 'r', encoding='utf-8') as file:
            content = file.read()
        return content
    except FileNotFoundError:
        return "Файл не найден."
    except Exception as e:
        return f"Произошла ошибка: {str(e)}"

def tab3():
    with gr.Tab("Инфо"):
        gr.Markdown(read_file_content('info.md'))
        gr.Image("architecture.png")
        gr.Markdown(read_file_content('team.md'))
        

css = """
.markdown-group {
    border: 1px solid #e0e0e0 !important;
    border-radius: 4px !important;
    margin: 16px 0 !important;
    position: relative !important;
    padding-top: 14px !important;  # Место для лейбла
}
.markdown-label {
    position: absolute !important;
    top: 0px !important;
    left: 8px !important;
    background: white !important;
    padding: 0 4px !important;
    font-size: 14px !important;
    color: #6b6b6b !important;
    font-weight: 500 !important;
}
.markdown-content {
    padding: 12px !important;
    background: #f9f9f9 !important;
}"""

# Интерфейс Gradio
with gr.Blocks(css=css) as demo:
    gr.Markdown("# Анализ тендерных заявок")
    with gr.Tabs():
        tab1()
        tab2()
        tab3()
    

init_db()
# Запуск приложения
demo.launch()