app.py

import os
import sys
import json
import re
import unicodedata
from pathlib import Path
import pandas as pd
import spacy
import gradio as gr

from translit import latin_to_basic_grc
from paradigm_check import validar_substantivo_2a

BASE_DIR = Path(__file__).resolve().parent

# --- 1. CARREGAMENTO DO MODELO GRECY (grc_perseus_lg) ---
def load_grecy_model():
    """Carrega o modelo greCy grc_perseus_lg instalado via requirements.txt."""
    try:
        return spacy.load("grc_perseus_lg")
    except Exception as e:
        print(f"Erro ao carregar grc_perseus_lg diretamente: {e}")
        try:
            import grc_perseus_lg
            return grc_perseus_lg.load()
        except Exception as e2:
            print(f"Erro ao importar pacote grc_perseus_lg: {e2}")
            return spacy.blank("grc")

nlp = load_grecy_model()

# --- CONFIGURAÇÃO ALPHEIOS & CSS ---
alpheios_css = """<link rel="stylesheet" href="https://cdn.jsdelivr.net/npm/alpheios-components@latest/dist/style/style-components.min.css"/>"""
alpheios_js = """function() {
    const loadAlpheios = () => {
        import("https://cdn.jsdelivr.net/npm/alpheios-embedded@latest/dist/alpheios-embedded.min.js")
        .then(embedLib => {
            const alpheios = embedLib.AlpheiosEmbedded.ImportLib();
            alpheios.activate({
                clientId: 'ddgp-plus-space',
                authStatus: 'notLoggedIn'
            });
            console.log("Alpheios Ativado com Sucesso!");
        }).catch(e => console.error("Erro Alpheios:", e));
    };
    if (document.readyState === 'complete') {
        loadAlpheios();
    } else {
        window.addEventListener('load', loadAlpheios);
    }
}"""

TAG_MAP = {
    'NOUN': 'Substantivo', 'VERB': 'Verbo', 'ADJ': 'Adjetivo',
    'DET': 'Artigo/Det.', 'PRON': 'Pronome', 'ADV': 'Advérbio',
    'ADP': 'Preposição', 'CCONJ': 'Conjunção', 'SCONJ': 'Conjunção Sub.',
    'PART': 'Partícula', 'PROPN': 'Nome Próprio', 'PUNCT': 'Pontuação',
    'AUX': 'Auxiliar/Cópula', 'NUM': 'Numeral'
}

# --- CARREGAMENTO DOS DADOS LOCAIS ---
def load_json(path):
    file_path = BASE_DIR / path
    if file_path.exists():
        try:
            with file_path.open('r', encoding='utf-8') as f:
                return json.load(f)
        except Exception as e:
            print(f"ERRO ao carregar {path}: {e}")
            return {}
    print(f"AVISO: arquivo não encontrado: {file_path}")
    return {}

INDEX_LEMAS = load_json('ddgp_index_lemas.json')
INDEX_FORMAS = load_json('ddgp_index_formas_final.json')
FORMA_TO_LEMA = load_json('ddgp_forma_to_lema.json')
ENTRIES = load_json('ddgp3x_entry.json')
ABREV = load_json('abrev.json')

css_content = ""
for f_css in ['style.css', 'style_map.css']:
    file_path = BASE_DIR / f_css
    if file_path.exists():
        try:
            with file_path.open('r', encoding='utf-8') as f:
                css_content += f.read() + "\n"
        except Exception as e:
            print(f"ERRO ao carregar {f_css}: {e}")

css_content += """
/* Aumenta a fonte da caixa de entrada (textarea) */
textarea {
    font-size: 20px !important;
    line-height: 1.6 !important;
    font-family: 'Gentium Plus', 'Times New Roman', serif !important;
}
/* Aumenta a fonte das tabelas de análise */
table, th, td {
    font-size: 18px !important;
}
/* Ajusta especificamente o texto dentro das células da tabela */
.gr-table td {
    font-size: 18px !important;
    padding: 10px !important;
}
/* Se houver componentes de Markdown/HTML com grego */
.prose {
    font-size: 18px !important;
}
"""

# --- 2. FUNÇÕES DE APOIO E ORDENAÇÃO ---
def normalizar_grego(texto):
    if not texto: return ""
    texto = unicodedata.normalize('NFD', texto.lower())
    texto = "".join(c for c in texto if not unicodedata.combining(c))
    return unicodedata.normalize('NFC', texto).strip()

def ordem_grega(lema):
    alfabeto_map = {
        'α': 1, 'β': 2, 'γ': 3, 'δ': 4, 'ε': 5, 'ζ': 6, 'η': 7, 'θ': 8,
        'ι': 9, 'κ': 10, 'λ': 11, 'μ': 12, 'ν': 13, 'ξ': 14, 'ο': 15, 'π': 16,
        'ρ': 17, 'σ': 18, 'ς': 18, 'τ': 19, 'υ': 20, 'φ': 21, 'χ': 22, 'ψ': 23, 'ω': 24
    }
    lema_limpo = normalizar_grego(lema)
    return [alfabeto_map.get(char, 99) for char in lema_limpo]

def aplicar_abreviaturas_seguro(texto):
    if not texto: return ""
    sorted_abrevs = sorted(ABREV.keys(), key=len, reverse=True)
    for ab in sorted_abrevs:
        pattern = r'\b' + re.escape(ab) + r'(?=\s|[.,;:]|$)'
        info = ABREV[ab]
        desc = info.get('descricao', '')
        categoria = info.get('categoria', '')
        classe_css = "autor-sc" if categoria == 'autor' else "abrev"
        subst = f'<span class="{classe_css}" title="{desc}">{ab}</span>'
        texto = re.sub(pattern, subst, texto)
    return texto

def format_entry_html(entry_id):
    entry = ENTRIES.get(str(entry_id))
    if not entry: return None
    gword = entry.get('gword', '')
    pdesc = entry.get('pdesc', '')
    pdesc = aplicar_abreviaturas_seguro(pdesc)
    pdesc = re.sub(r'〈(.*?)〉', r'<span class="etimo">〈\1〉</span>', pdesc)
    
    return f"""
    <div class="result-box" style="text-transform: none !important; font-variant: normal !important;">
        <div style="color: #1a4d8f; font-size: 1.3em; font-weight: bold; margin-bottom: 6px; text-transform: none !important; font-variant: normal !important;">
            {gword}
        </div>
        <div style="line-height: 1.6; text-transform: none !important; font-variant: normal !important;">
            {pdesc}
        </div>
    </div>
    """

# --- 3. CONSULTA E ANÁLISE ---
def consultar_ddgp(termo):
    if not termo: return ""
    if any(ord(c) < 128 for c in termo if c.isalpha()):
        termo = latin_to_basic_grc(termo)
    termo_norm = normalizar_grego(termo)
    
    ids = []
    tentativas = [termo_norm] + [f"{termo_norm}{i}" for i in range(1, 4)]
    
    for b in tentativas:
        if b in INDEX_LEMAS:
            ids.append(INDEX_LEMAS[b])
            
    if not ids: return ""
    
    html = ""
    for eid in sorted(set(ids)):
        res = format_entry_html(eid)
        if res: html += res
    return html

def analisar_texto(texto):
    def limpar_crases(t):
        if not t: return ""
        crases = {
            "ὦνθρωπε": "ὦ ἄνθρωπε", "ὥνθρωπος": "ὁ ἄνθρωπος", "κἀγώ": "καὶ ἐγώ",
            "κἀμέ": "καὶ ἐμέ", "τοὔνομα": "τὸ ὄνομα", "θαἰμάτια": "τὰ ἱμάτια",
            "τἀνδρεῖα": "τὰ ἀνδρεῖα", "κἄν": "καὶ ἄν", "θἄτερον": "τὸ ἕτερον",
            "προὔργου": "πρὸ ἔργου", "κἀκεῖνος": "καὶ ἐκεῖνος"
        }
        for crase, original in crases.items():
            t = t.replace(crase, original)
        return t

    def lematizar_sais(palavra):
        palavra = palavra.lower()
        excecoes_nominais = {
            "συρακούσαις": "Συράκουσαι", "ὀδρύσαις": "Ὀδρύσαι", "ἀργινούσαις": "Ἀργινοῦσαι",
            "κρήσσαις": "Κρῆσσα", "θρᾴσσαις": "Θρᾷσσα", "κιλίσσαις": "Κίλισσα",
            "φοινίσσαις": "Φοινίσσαι", "μελίσσαις": "μέλισσα", "μούσαις": "Μοῦσα",
            "μώσαις": "Μοῦσα", "βύρσαις": "βύρσα", "πάσαις": "πᾶς", "ἁπάσαις": "ἅπας",
            "ξυμπάσαις": "σύμπας", "ὅσαις": "ὅσος", "ὁπόσαις": "ὅποσος", "ἴσαις": "ἴσος", "σαῖς": "σός"
        }
        if palavra in excecoes_nominais:
            return f"Lema Nominal: {excecoes_nominais[palavra]}"
        return None

    def tratar_adjetivo_verbal(palavra_norm):
        """Identifica e categoriza adjetivos verbais em -τέον / -τέος (obrigatoriedade/necessidade)."""
        if palavra_norm.endswith("τεον") or palavra_norm.endswith("τεος"):
            return "Adjetivo Verbal (Obrigatoriedade / -τέον, -τέος)"
        return None

    if not texto: 
        return None, None, "0", "0", "0", "0", "0", ""

    texto_limpo = limpar_crases(texto)
    doc = nlp(texto_limpo)
    dados = []
    verbetes_dict = {}
    lemas_unicos_processados = set()

    for token in doc:
        l_orig = token.lemma_
        l_norm = normalizar_grego(l_orig)
        palavra_norm = normalizar_grego(token.text)
        pos_pt = TAG_MAP.get(token.pos_, token.pos_)
        
        morph_info = str(token.morph).replace("Case=", "").replace("Gender=", "").replace("Number=", "").replace("VerbForm=", "").replace("Person=", "").replace("Tense=", "").replace("Mood=", "").replace("Voice=", "")
        if not morph_info: morph_info = "-"

        # Hierarquia de decisão
        analise_sais = lematizar_sais(token.text)
        correcao_paradigma = validar_substantivo_2a(token.text, l_orig)
        analise_verbal = tratar_adjetivo_verbal(palavra_norm)
        tem_no_ddgp = l_norm in INDEX_LEMAS
        lemas_nominais = ('ος', 'ις', 'ας', 'ης', 'ον')

        l_final = l_orig
        pos_final = pos_pt
        morph_final = morph_info

        # 1. Regra para Adjetivos Verbais (-τέον / -τέος)
        if analise_verbal:
            pos_final = "Adjetivo Verbal"
            morph_final = f"{analise_verbal} | {morph_info}"
        # 2. Exceções de -sais
        elif analise_sais and "Lema Nominal" in analise_sais:
            l_final = analise_sais.split(": ")[1]
            pos_final = "Substantivo/Adj"
        # 3. Correção via paradigma 2a declinação
        elif correcao_paradigma:
            pos_final = "Substantivo"
            morph_final = correcao_paradigma
        # 4. Regra DDGP (Substantivo confundido com verbo)
        elif pos_pt == "Verbo" and tem_no_ddgp and l_norm.endswith(lemas_nominais):
            pos_final = "Substantivo"
            morph_final = f"Morfologia nominal (IA: {morph_info})"

        if token.pos_ not in ['PUNCT', 'SYM', 'SPACE']:
            dados.append({
                'Palavra': token.text, 
                'Lema': l_final, 
                'Classe': pos_final, 
                'Morfologia': morph_final
            })
            
            if l_norm not in lemas_unicos_processados:
                res_html = consultar_ddgp(l_norm)
                if res_html:
                    verbetes_dict[l_final] = res_html 
                lemas_unicos_processados.add(l_norm)

    aviso_html = """
    <div style="background-color: #f8f9fa; padding: 10px; border-left: 4px solid #1a4d8f; margin-bottom: 15px; font-size: 0.9em; color: #555;">
        💡 <b>Dica:</b> Caso um lema não apareça automaticamente abaixo, utilize a aba "Busca direta no DDGP" para consultá-lo manualmente.
    </div>
    """
    
    lexico_html = aviso_html
    for lema_ord in sorted(verbetes_dict.keys(), key=ordem_grega):
        lexico_html += verbetes_dict[lema_ord]

    df = pd.DataFrame(dados)
    n_tokens = len(df)
    n_types = df['Palavra'].str.lower().nunique() if n_tokens > 0 else 0
    n_lemas = df['Lema'].nunique() if n_tokens > 0 else 0
    
    ttr = (n_types / n_tokens) if n_tokens > 0 else 0
    ltr = (n_lemas / n_tokens) if n_tokens > 0 else 0
    
    csv_path = str(BASE_DIR / "analise_filologica.csv")
    df.to_csv(csv_path, index=False, encoding="utf-8-sig")
    
    return (df, csv_path, 
            str(n_tokens), str(n_types), str(n_lemas), 
            f"{ltr:.2f}", f"{ttr:.2f}", lexico_html)


# --- 4. INTERFACE GRADIO & INJEÇÃO DO ALPHEIOS ---

alpheios_head_html = f"""
<link rel="stylesheet" href="https://cdn.jsdelivr.net/npm/alpheios-components@latest/dist/style/style-components.min.css"/>
<script>
({alpheios_js})();
</script>
"""

full_css = css_content + "\n" + alpheios_css

with gr.Blocks(
    title="DDGP + greCy", 
    theme=gr.themes.Default(text_size="lg"), 
    css=full_css,
    head=alpheios_head_html
) as demo:
    
    with gr.Row():
        with gr.Column(scale=1, min_width=100):
            gr.HTML("""
                <div style="display: flex; align-items: center; justify-content: flex-start; height: 80px;">
                    <img src="https://raw.githubusercontent.com/aniseferreira/DDGP_Plus/main/ddgp/logo.png" style="height: 80px;">
                </div>
            """)
        with gr.Column(scale=4):
            gr.Markdown("# Estação Filológica DDGP & greCy")
            gr.Markdown("## DDGP Plus: Análise lexical e consulta ao Dicionário Digital Grego-Português.")

    with gr.Tab("📝 Análise lexical"):
        txt = gr.Textbox(label="Texto em Grego Antigo", lines=6, placeholder="Insira o texto aqui sem aspas...Δειναὶ γὰρ αἱ γυναῖκες εὑρίσκειν τέχνας.")
        btn = gr.Button("🚀 Executar Análise", variant="primary")
        
        with gr.Row():
            t1 = gr.Label(label="Tokens (Total)")
            t2 = gr.Label(label="Types (Formas Únicas)")
            t3 = gr.Label(label="Lemas (Entradas)")
            t4 = gr.Label(label="LTR (Lema-Token)")
            t5 = gr.Label(label="TTR (Type-Token)")
            
        with gr.Row():
            with gr.Column(scale=2):
                out_t = gr.Dataframe(label="Formas")
                out_f = gr.File(label="Exportar CSV")
            with gr.Column(scale=1):
                gr.Markdown("### 📖 Léxico Contextual")
                out_l = gr.HTML()

    with gr.Tab("🔍 Busca direta no DDGP"):
        in_b = gr.Textbox(label="Busca direta no DDGP", placeholder="(ex. λόγος, logos)")
        btn_b = gr.Button("Consultar Base")
        out_b = gr.HTML()

    gr.Markdown("""
    ---
    **DDGP Plus** — Analisador Morfológico e Dicionário Digital de Grego–Português 2026 v.1  
    Baseado originalmente no Dicionário Grego-Português e diretamente no Dicionário Digital Grego–Português (DDGP e DGP - ver créditos em [hipatia.fclar.unesp.br](http://hipatia.fclar.unesp.br))  
    Projetos Abertos em Letras Clássicas Digitais. **Responsável**: _Anise D'Orange Ferreira_.<br>
    _Desenvolvimento técnico e programação assistida por Gemini (Google AI)_.  
    Sob licença CC BY-NC-SA 4.0.
    """)

    # Wrappers de diagnóstico: preservam as funções originais e tornam
    # exceções de eventos visíveis no log do Hugging Face.
    def analisar_texto_seguro(texto):
        try:
            print("Iniciando análise de texto...")
            resultado = analisar_texto(texto)
            print("Análise concluída com sucesso.")
            return resultado
        except Exception as e:
            import traceback
            print("ERRO NA ANÁLISE DE TEXTO:")
            traceback.print_exc()
            return (
                pd.DataFrame(columns=["Palavra", "Lema", "Classe", "Morfologia"]),
                None, "0", "0", "0", "0", "0",
                f'<div style="color:#b00020;"><b>Erro na análise:</b> {e}</div>'
            )

    def consultar_ddgp_seguro(termo):
        try:
            print(f"Consulta DDGP: {termo}")
            return consultar_ddgp(termo)
        except Exception as e:
            import traceback
            print("ERRO NA CONSULTA DDGP:")
            traceback.print_exc()
            return f'<div style="color:#b00020;"><b>Erro na consulta:</b> {e}</div>'

    btn.click(
        analisar_texto_seguro,
        inputs=txt,
        outputs=[out_t, out_f, t1, t2, t3, t4, t5, out_l],
        api_name=False
    )

    btn_b.click(
        consultar_ddgp_seguro,
        inputs=in_b,
        outputs=out_b,
        api_name=False
    )

    def carregar_e_analisar(request: gr.Request):
        try:
            params = request.query_params
            texto_url = params.get("text", "")
            print(f"Parâmetro URL recebido: {'sim' if texto_url else 'não'}")
            return texto_url
        except Exception as e:
            import traceback
            print("ERRO AO LER PARÂMETROS DA URL:")
            traceback.print_exc()
            return ""

    # Mantém o mecanismo original demo.load().then().
    demo.load(carregar_e_analisar, None, txt).then(
        fn=analisar_texto_seguro,
        inputs=txt,
        outputs=[out_t, out_f, t1, t2, t3, t4, t5, out_l],
        api_name=False
    )

# --- INICIALIZAÇÃO CORRETA ---
demo.launch(
    server_name="0.0.0.0",
    server_port=7860,
    show_api=False
)