import gradio as gr
import wikipedia
from transformers import pipeline
import pandas as pd
import folium
from collections import Counter
import re

# Initialisation du modèle
summarizer = pipeline("summarization", model="facebook/bart-large-cnn")

def wiki_person_dashboard(personne):
    try:
        wikipedia.set_lang("fr")
        page = wikipedia.page(personne)
        contenu = page.content[:1000]  # Réduit à 1000 caractères pour éviter surcharge

        # Résumé principal
        prompt = f"Résume les informations clés sur {personne} : date de naissance, date de décès (si applicable), conjointes, enfants."
        try:
            resume = summarizer(contenu, max_length=150, min_length=50, do_sample=False)[0]["summary_text"]
        except Exception as e:
            resume = f"Erreur de résumé : {str(e)}"

        # Extraction structurée avec sécurités
        naissance = "Non trouvé"
        deces = "Encore en vie"
        conjointes = "Non trouvé"
        enfants = "Non trouvé"

        if "né" in resume.lower() and len(resume.split("né")) > 1:
            naissance = resume.split("né")[1].split(".")[0].strip()
        if "mort" in resume.lower() and len(resume.split("mort")) > 1:
            deces = resume.split("mort")[1].split(".")[0].strip()
        if ("marié" in resume.lower() or "épousa" in resume.lower()) and len(resume.split("marié" if "marié" in resume.lower() else "épousa")) > 1:
            conjointes = resume.split("marié" if "marié" in resume.lower() else "épousa")[1].split(".")[0].strip()
        if "enfant" in resume.lower() and len(resume.split("enfant")) > 1:
            enfants = resume.split("enfant")[1].split(".")[0].strip()

        # Tableau
        data = {
            "Date de naissance": [naissance],
            "Date de décès": [deces],
            "Conjointes": [conjointes],
            "Enfants": [enfants]
        }
        df = pd.DataFrame(data)

        # Extraction des lieux
        lieux_prompt = f"Liste les lieux mentionnés dans la vie de {personne} avec une estimation des dates."
        try:
            lieux_resume = summarizer(contenu, max_length=100, min_length=30, do_sample=False)[0]["summary_text"]
        except Exception as e:
            lieux_resume = f"Erreur lieux : {str(e)}"
        
        lieux = []
        for line in lieux_resume.split("."):
            if " à " in line:
                lieu = line.split(" à ")[-1].strip()
                date_match = re.search(r"\d{4}", line)
                date_estimee = int(date_match.group(0)) if date_match else 1900
                lieux.append((lieu, date_estimee))

        # Compter les fréquences
        lieux_freq = Counter([l[0] for l in lieux])
        lieux_data = [(lieu, freq, min([d for l, d in lieux if l == lieu])) for lieu, freq in lieux_freq.items()]

        # Carte
        carte = folium.Map(location=[48.8566, 2.3522], zoom_start=2)
        for lieu, freq, date in lieux_data:
            lat, lon = 48.8566, 2.3522  # Placeholder
            if "paris" in lieu.lower():
                lat, lon = 48.8566, 2.3522
            elif "londres" in lieu.lower():
                lat, lon = 51.5074, -0.1278
            couleur = f"hsl({int((date - 1800) / 2)}, 100%, 50%)"
            folium.CircleMarker(
                location=[lat, lon],
                radius=freq * 10,
                popup=f"{lieu} ({date})",
                color=couleur,
                fill=True,
                fill_color=couleur
            ).add_to(carte)
        
        carte.save("map.html")
        with open("map.html", "r") as f:
            map_html = f.read()

        return df, map_html

    except Exception as e:
        return pd.DataFrame({"Erreur": [str(e)]}), f"Erreur générale : {str(e)}"

# Interface
interface = gr.Interface(
    fn=wiki_person_dashboard,
    inputs=gr.Textbox(label="Nom de la personne"),
    outputs=[gr.Dataframe(label="Informations"), gr.HTML(label="Carte des lieux")],
    title="Dashboard Biographique"
)
interface.launch()