app.py

import re
import gradio as gr
import unicodedata

# -----------------------------
# UTILITAIRES DE NORMALISATION
# -----------------------------
def normalize(text):
    text = text.lower()
    text = unicodedata.normalize('NFD', text)
    return ''.join(c for c in text if unicodedata.category(c) != 'Mn')

def build_norm_map(original):
    norm_chars = []
    mapping = []
    for i, ch in enumerate(original):
        decomposed = unicodedata.normalize('NFD', ch)
        base_chars = ''.join(c for c in decomposed if unicodedata.category(c) != 'Mn')
        if base_chars == '':
            continue
        for nb in base_chars:
            norm_chars.append(nb.lower())
            mapping.append(i)
    return ''.join(norm_chars), mapping

def slice_original_from_norm_span(orig, map_norm, start_norm, end_norm):
    start_orig = map_norm[start_norm]
    end_orig = map_norm[end_norm - 1] + 1
    return orig[start_orig:end_orig]

# -----------------------------
# LISTES EXHAUSTIVES
# -----------------------------
intensificateurs = [
    "trop", "très","si","fort", "forte", "forts", "fortes",
    "bien", "furieusement", "intensément", "tout", "tant",
    "complètement", "pleinement", "violemment", "parfaitement",
    "totalement", "beaucoup", "énormément", "extrêmement",
    "hyper", "profondément", "follement", "absolument", "vraiment",
    "extraordinairement", "incroyablement", "terriblement","particulièrement","singulièrement",
    "prodigieusement", "excessivement", "vachement", "bigrement","puissamment","fortement","hautement","considérablement","remarquablement"
]

moderateurs = [
    "assez", "modérément", "moyennement", "quasi",
    "quasiment", "presque", "pas mal", "plutôt",
    "relativement", "légèrement", "quelque peu",
    "un tantinet"
]

attenuateurs = [
    "peu", "à peine", "médiocrement", "passablement",
    "petitement", "un peu", "faiblement", "timidement",
    "un brin", "modiquement"
]

adj_intensificateurs = [
    "énorme", "énormes", "immense", "immenses", "extrême", "extrêmes",
    "suprême", "suprêmes", "immensurable", "immensurables",
    "profond", "profonde", "profondes", "profonds",
    "parfait", "parfaite", "parfaits", "parfaites",
    "irréprochable", "irréprochables",
    "implacable", "implacables",
    "insondable", "insondables",
    "infini", "infinie", "infinis", "infinies",
    "formidable", "formidables",
    "exceptionnel", "exceptionnelle", "exceptionnels", "exceptionnelles",
    "incroyable", "incroyables",
    "extraordinaire", "extraordinaires",
    "fantastique", "fantastiques",
    "gigantesque", "gigantesques",
    "monumental", "monumentale", "monumentales", "monumentaux",
    "colossal", "colossale", "colossaux", "colossales", "remarquable","remarquables",
    "phénoménal", "phénoménale", "phénoménaux", "phénoménales",
    "immenses", "intense", "intenses",
    "absolu", "absolue", "absolus", "absolues","titanesque","titanesques","herculéenne","herculéen","herculéens","herculéennes",
    "appuyé", "appuyés", "appuyée","maximal","maximale","maximaux","maximales","optimal","optimale","optimaux","optimales","appuyées",
    "démesuré","démesurée","démesurés","démesurées","accablants","accablantes",
    "furieux","furieuse","furieuses","frappant","frappante","fulgurante","fulgurant","fulgurants","fulgurantes","considérable","considérables",
    "élevé","élevée","élevés","élevées","accablant","accablante"
]

adj_attenuateurs = ["infime","infimes","minime","minimes","minuscules","minuscule","minimale","minimal","minimales","minimaux"]

# -----------------------------
# PRÉFIXES
# -----------------------------
prefixes_intensifs = ["archi", "extra", "super", "hyper", "sur", "mega"]
prefixes_attenuateurs = ["sous", "hypo", "infra", "mini"]

# -----------------------------
# EXCLUSIONS
# -----------------------------
exclusions = [
    "plus tard", "plus de vingt ans", "tout à fait",
    "énormément de modalisateurs", "bien que", "bien qu","s'il","si elle","si le","si la","si les","si un","si une","si des","si nous","si vous","si je","si tu","si elles","si ils"
]

# -----------------------------
# PHRASÉOLOGISMES
# -----------------------------
phras_intensifs = [
    "avoir le cafard","ai le cafard","as le cafard","a le cafard",
    "avons le cafard","avez le cafard","ont le cafard",
    "avais le cafard","avait le cafard","avions le cafard","aviez le cafard","avaient le cafard",
    "aurai le cafard","aura le cafard","aurons le cafard","aurez le cafard","auront le cafard",
    "aurais le cafard","aurait le cafard","aurions le cafard","auriez le cafard","auraient le cafard",
    "être au septième ciel","suis au septième ciel","es au septième ciel","est au septième ciel",
    "sommes au septième ciel","êtes au septième ciel","sont au septième ciel",
    "étais au septième ciel","était au septième ciel","étions au septième ciel","étiez au septième ciel","étaient au septième ciel",
    "serai au septième ciel","sera au septième ciel","serons au septième ciel","serez au septième ciel","seront au septième ciel",
    "serais au septième ciel","serait au septième ciel","serions au septième ciel","seriez au septième ciel","seraient au septième ciel",
    "se tordre de douleur","me tords de douleur","te tords de douleur","se tord de douleur",
    "nous nous tordons de douleur","vous vous tordez de douleur","se tordent de douleur",
    "mourir de rire","meurs de rire","meurt de rire","mourons de rire","mourez de rire","meurent de rire",
    "mourir de faim","meurs de faim","meurt de faim","mourons de faim","mourez de faim","meurent de faim",
    "mourir de froid","meurs de froid","meurt de froid","mourons de froid","mourez de froid","meurent de froid",
    "brûler d'amour","brûle d'amour","brûlait d'amour","brûlerai d'amour",
    "brûler d'impatience","brûle d'impatience","brûlait d'impatience","brûlerai d'impatience",
    "trembler de peur","tremble de peur","tremblait de peur","tremblerai de peur",
    "être transporté de joie","suis transporté de joie","est transporté de joie","sommes transportés de joie",
    "à verse","à couper le souffle","à mort","à fond","à pas de géant","plein à craquer","laid à pleurer","hors de lui",
    "au comble de la joie","au comble de la performance","fièvre de cheval","froideur de glace","faim de loup",
    "froid de canard","appétit d'orge","patience d'ange","comme une souche","comme un trou","comme un putois",
    "avoir le cœur en capilotade","à bout de force","à bout de souffle","se traîner comme une limace","timide comme une souris",
    "froid comme un glaçon","d'une lenteur d'escargot","faible comme une plume","avoir les jambes en coton","mal en point",
    "pluie diluvienne","force herculéenne","froid sibérien","à gorge déployée","à toute allure","à toute vitesse","de toutes forces",
    "fort comme un turc","rouge comme une tomate","malade comme un chien"
]

phras_mod = [
    "un peu comme", "dans une certaine mesure", "à moitié chemin", "à la limite", "mettre la main à la pâte"
]

phras_att = [
    "appétit d'oiseau","force de moineau","de faible envergure","de moins en moins"
]

# -----------------------------
# COMPARATIFS & SUPERLATIFS
# -----------------------------
comp_super_intens = [
    "plus que","plus de","meilleur","meilleure","meilleurs","meilleures","mieux",
    "le plus","la plus","les plus","le meilleur","la meilleure","les meilleurs","les meilleures",
    "le mieux"
]

comp_super_att = [
    "moins que","moins de","moindre","moindres","le moins","la moindre","les moindres"
]

comp_super_mod = ["aussi que","autant que","autant de"]

# -----------------------------
# NORMALISATION
# -----------------------------
def build_norm(items):
    return [normalize(x) for x in items]

norm_intens = build_norm(intensificateurs + adj_intensificateurs)
norm_mod = build_norm(moderateurs + comp_super_mod)
norm_att = build_norm(attenuateurs + adj_attenuateurs + comp_super_att)
norm_phras_int = build_norm(phras_intensifs)
norm_phras_mod = build_norm(phras_mod)
norm_phras_att = build_norm(phras_att)
norm_adj_int = build_norm(adj_intensificateurs)
norm_prefixes_int = [p.lower() for p in prefixes_intensifs]
norm_exclusions = build_norm(exclusions)
norm_comp_int = build_norm(comp_super_intens)
norm_comp_att = build_norm(comp_super_att)
# -----------------------------
# FONCTIONS DE DÉTECTION
# -----------------------------
def detect_multiword_with_gaps(text_norm, map_norm, orig, phrase_norm, max_gaps=3):
    matches = []
    parts = phrase_norm.split()
    if not parts: return matches
    escaped = [re.escape(p) for p in parts]
    gap = r'(?:\s+\w+){0,' + str(max_gaps) + r'}\s*'
    pattern = r'\b' + gap.join(escaped) + r'\b'
    for m in re.finditer(pattern, text_norm):
        s, e = m.start(), m.end()
        matches.append((s, e, slice_original_from_norm_span(orig, map_norm, s, e)))
    return matches

def detect_words_general(text_norm, map_norm, orig, norm_items, occupied):
    matches = []
    for item in sorted(set(norm_items), key=lambda s: -len(s)):
        if not item: continue
        for s,e,orig_sub in detect_multiword_with_gaps(text_norm, map_norm, orig, item, max_gaps=3):
            if any(occupied[s:e]): continue
            for i in range(s,e): occupied[i]=True
            matches.append((s,e,orig_sub))
    return matches

def detect_un_peu_and_peu(text_norm, map_norm, orig, occupied):
    matches = []
    for m in re.finditer(r'\bun\s+peu\b', text_norm):
        s,e = m.start(), m.end()
        if any(occupied[s:e]): continue
        for i in range(s,e): occupied[i]=True
        matches.append((s,e,slice_original_from_norm_span(orig,map_norm,s,e)))
    for m in re.finditer(r'\bpeu\b', text_norm):
        s,e = m.start(), m.end()
        if any(occupied[s:e]): continue
        for i in range(s,e): occupied[i]=True
        matches.append((s,e,slice_original_from_norm_span(orig,map_norm,s,e)))
    return matches

def detect_bien_plus_adj(text_norm, map_norm, orig, occupied, adj_norm_list):
    matches = []
    for m in re.finditer(r'\bbien\b', text_norm):
        if re.match(r'\bbien\s+que\b', text_norm[m.start():]): continue
        for adj in adj_norm_list:
            pat = r'\bbien(?:\s+\w+){0,2}\s+' + re.escape(adj) + r'\b'
            for mm in re.finditer(pat, text_norm):
                s,e = mm.start(), mm.end()
                if any(occupied[s:e]): continue
                for i in range(s,e): occupied[i]=True
                matches.append((s,e,slice_original_from_norm_span(orig,map_norm,s,e)))
    return matches

def detect_prefixed_adjectives(text_norm, map_norm, orig, occupied, prefixes_norm, adj_norm_list):
    matches = []
    for m in re.finditer(r'\b\w+\b', text_norm):
        s,e = m.start(), m.end()
        if any(occupied[s:e]): continue
        token = text_norm[s:e]
        for p in prefixes_norm:
            if token.startswith(p) and len(token) > len(p)+1:
                for i in range(s,e): occupied[i]=True
                matches.append((s,e,slice_original_from_norm_span(orig,map_norm,s,e)))
                break
    return matches

def detect_comp_plus_minus_aussi_with_adj(text_norm, map_norm, orig, occupied):
    res = {'plus':[], 'moins':[], 'aussi':[], 'comp':[], 'super':[]}

    # Comparatifs + adjectifs
    for m in re.finditer(r'\bplus(?:\s+\w+){1,2}\b', text_norm):
        s,e = m.start(), m.end()
        if any(occupied[s:e]): continue
        for i in range(s,e): occupied[i]=True
        res['comp'].append((s,e,slice_original_from_norm_span(orig,map_norm,s,e)))

    # Moins + adjectifs
    for m in re.finditer(r'\bmoins(?:\s+\w+){1,2}\b', text_norm):
        s,e = m.start(), m.end()
        if any(occupied[s:e]): continue
        for i in range(s,e): occupied[i]=True
        res['comp'].append((s,e,slice_original_from_norm_span(orig,map_norm,s,e)))

    # Superlatifs normaux
    for item in norm_comp_int + norm_comp_att:
        for s,e,txt in detect_multiword_with_gaps(text_norm,map_norm,orig,item, max_gaps=1):
            if any(occupied[s:e]): continue
            for i in range(s,e): occupied[i]=True
            res['super'].append((s,e,txt))
    return res

def detect_exclusions(text_norm, map_norm, orig, exclusions_norm, occupied):
    for excl in exclusions_norm:
        if not excl: continue
        for s,e,sub in detect_multiword_with_gaps(text_norm, map_norm, orig, excl, max_gaps=1):
            for i in range(s,e): occupied[i]=True

# -----------------------------
# ANALYSEUR PRINCIPAL
# -----------------------------
def analyse_text(text):
    if not text or not text.strip(): return "Entrez un texte valide."
    orig = text
    text_norm, map_norm = build_norm_map(orig)
    occupied = [False]*max(1,len(text_norm))

    # Exclusions prioritaires
    detect_exclusions(text_norm,map_norm,orig,norm_exclusions,occupied)

    # Phraséologismes
    phras_int = detect_words_general(text_norm,map_norm,orig,norm_phras_int,occupied)
    phras_mod = detect_words_general(text_norm,map_norm,orig,norm_phras_mod,occupied)
    phras_att = detect_words_general(text_norm,map_norm,orig,norm_phras_att,occupied)

    # 'un peu' et 'peu'
    un_peu_matches = detect_un_peu_and_peu(text_norm,map_norm,orig,occupied)

    # 'bien + adj'
    bien_adj_matches = detect_bien_plus_adj(text_norm,map_norm,orig,occupied,norm_adj_int)

    # Préfixes
    prefixed_matches = detect_prefixed_adjectives(text_norm,map_norm,orig,occupied,norm_prefixes_int,norm_adj_int)

    # Comparatifs & superlatifs
    comp_matches = detect_comp_plus_minus_aussi_with_adj(text_norm,map_norm,orig,occupied)

    # Général lexical
    general_intens = detect_words_general(text_norm,map_norm,orig,norm_intens,occupied)
    general_mod = detect_words_general(text_norm,map_norm,orig,norm_mod,occupied)
    general_att = detect_words_general(text_norm,map_norm,orig,norm_att,occupied)

    # Séparation par catégorie
    intens_detect = general_intens + bien_adj_matches + prefixed_matches
    moder_detect = general_mod
    atten_detect = general_att + un_peu_matches
    comp_detect = comp_matches['comp']
    super_detect = comp_matches['super']

    # Highlights
    highlights = []
    for s,e,txt in intens_detect: highlights.append((s,e,'intensifs',txt))
    for s,e,txt in moder_detect: highlights.append((s,e,'moder',txt))
    for s,e,txt in atten_detect: highlights.append((s,e,'atten',txt))
    for s,e,txt in phras_int: highlights.append((s,e,'phras_int',txt))
    for s,e,txt in phras_mod: highlights.append((s,e,'phras_mod',txt))
    for s,e,txt in phras_att: highlights.append((s,e,'phras_att',txt))
    for s,e,txt in comp_detect: highlights.append((s,e,'comp',txt))
    for s,e,txt in super_detect: highlights.append((s,e,'super',txt))
    highlights.sort(key=lambda x:x[0])

    # HTML highlighting
    html_out=""
    last=0
    colors = {
        "intensifs":"background-color:#ff4d4d;",
        "moder":"background-color:#a6e1ff;",
        "atten":"background-color:#d9d9d9;",
        "phras_int":"background-color:#ffb3b3;",
        "phras_mod":"background-color:#cfe9ff;",
        "phras_att":"background-color:#f0f0f0;",
        "comp":"background-color:#ffff99;", # jaune
        "super":"background-color:#ff9933;" # orange
    }
    def esc(s): return s.replace("&","&amp;").replace("<","&lt;").replace(">","&gt;")
    for s_norm,e_norm,cat,orig_sub in highlights:
        try:
            s_o = map_norm[s_norm]
            e_o = map_norm[e_norm-1]+1
            html_out += esc(orig[last:s_o])
            html_out += f"<span style='{colors[cat]} padding:2px 4px; border-radius:4px'>{esc(orig[s_o:e_o])}</span>"
            last=e_o
        except:
            html_out += esc(orig[last:])
            last=len(orig)
            break
    html_out += esc(orig[last:])

    # Listes uniques
    def uniq(seq):
        seen=set()
        out=[]
        for s,e,txt in seq:
            if txt not in seen:
                seen.add(txt)
                out.append(txt)
        return out
    intens_list=uniq(intens_detect)
    moder_list=uniq(moder_detect)
    atten_list=uniq(atten_detect)
    phras_int_list=[t[2] for t in phras_int]
    phras_mod_list=[t[2] for t in phras_mod]
    phras_att_list=[t[2] for t in phras_att]
    comp_list=uniq(comp_detect)
    super_list=uniq(super_detect)

    # Notes traduction
    translate_notes=[]
    for idi in phras_int_list:
        translate_notes.append(f"- « {idi} » (intensificateur) — traduire avec précaution pour préserver la force expressive.")
    for idi in phras_mod_list:
        translate_notes.append(f"- « {idi} » (modérateur) — vérifier la nuance; une traduction littérale peut altérer le ton.")
    for idi in phras_att_list:
        translate_notes.append(f"- « {idi} » (atténuateur) — adapter selon le registre cible pour conserver l'effet atténuateur.")

    # Degré de modalisation
    total_occurrences = len(intens_list)+len(moder_list)+len(atten_list)+len(phras_int_list)+len(phras_mod_list)+len(phras_att_list)+len(comp_list)+len(super_list)
    if total_occurrences <=3: deg_modal="faible"
    elif total_occurrences <=6: deg_modal="moyen"
    else: deg_modal="fort"

    # Rapport Markdown HTML
    report_md = f"""
🎯 **RAPPORT D'ANALYSE — MODALISATION**
Aperçu (occurrences surlignées) 🔬 :

<div style="padding:10px;border:1px solid #ddd;border-radius:6px;font-size:14px">{html_out}</div>

---

💥 **Intensificateurs détectés ({len(intens_list)}):**  
{', '.join(intens_list) if intens_list else 'Aucun'}

⚖️ **Modérateurs détectés ({len(moder_list)}):**  
{', '.join(moder_list) if moder_list else 'Aucun'}

🌫️ **Atténuateurs détectés ({len(atten_list)}):**  
{', '.join(atten_list) if atten_list else 'Aucun'}

🔶 **Comparatifs détectés ({len(comp_list)}):**  
{', '.join(comp_list) if comp_list else 'Aucun'}

🟠 **Superlatifs détectés ({len(super_list)}):**  
{', '.join(super_list) if super_list else 'Aucun'}

---

🔎 **Phraséologismes (séparés par sens):**  
🔥 Intensificateurs ({len(phras_int_list)}): {', '.join(phras_int_list) if phras_int_list else 'Aucun'}  
🌱 Modérateurs ({len(phras_mod_list)}): {', '.join(phras_mod_list) if phras_mod_list else 'Aucun'}  
🌧️ Atténuateurs ({len(phras_att_list)}): {', '.join(phras_att_list) if phras_att_list else 'Aucun'}

---

📝 **Notes et conseils de traduction**  
{chr(10).join(translate_notes) if translate_notes else 'Aucun phraséologisme détecté.'}

---

📊 **Degré de la modalisation intensive du texte :** {deg_modal} (total occurrences : {total_occurrences})

---

🛠️ **Note technique**  
Détection agile : comparatifs (jaune) et superlatifs (orange) intégrés, préfixes traités (ex. hyper-), distinctions 'bien + adj' / 'bien que' et 'un peu' / 'peu' gérées.
"""

    return report_md

# -----------------------------
# INTERFACE GRADIO
# -----------------------------
iface = gr.Interface(
    fn=analyse_text,
    inputs=gr.Textbox(label="Entrez le texte à analyser🖊️", lines=15, placeholder="Collez votre texte ici..."),
    outputs=gr.Markdown(label="Rapport"),
    title="Analyseur de modalisateurs et d'intensité textuelle🌡️",
    description=("Cette application détecte et surligne les modalisateurs (intensificateurs, modérateurs et atténuateurs) "
                 "ainsi que les phraséologismes. Elle calcule ensuite le degré de la modalisation intensive du texte saisi et fournit "
                 "des notes et conseils pour l'équivalence traductive.")
)

if __name__ == "__main__":
    iface.launch()