app.py

import re
import unicodedata
import gradio as gr
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","tellement","plus que jamais","aussi jamais","carrément"
    "bien","furieusement","intensément","tant","à tel point que","à tel point qu'","au point que","au point qu'","largement",
    "complètement","pleinement","violemment","parfaitement","ardemment ","infiniment ","vivement ","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"," plus ou moins"," ni trop longs ni trop courts",
    "quasiment","presque","pas mal","plutôt","léger","légère","légers","légères","relatif","relative","relatifs","relatives",
    "relativement","légèrement","quelque peu","un tantinet","pas mal","pour ainsi dire","mi-"
]
attenuateurs = [
    "peu","à peine","médiocrement","passablement",
    "petitement","un peu","faiblement","un brin","modiquement"
]
adj_intensificateurs = [
    "énorme","énormes","immense","immenses","extrême","extrêmes",
    "suprême","suprêmes","immensurable","immensurables","inouïe","inouï","inouïs","inouïes","exacerbé","exacerbée","exacerbés","exacerbées",
    "profond","profonde","profondes", "profonds","parfait","parfaite", "parfaits", "parfaites","accru","accrue","accrus","accrues",
    "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","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_intensificateurs += [
    "surdoué","surdouée","surdoués","surdouées",
    "surhumain","surhumaine","surhumains","surhumaines",
    "surchargé","surchargée","surchargés","surchargées",
    "surmené","surmenée","surmenés","surmenées",
    "surpuissant","surpuissante","surpuissants","surpuissantes",
    "surqualifié","surqualifiée","surqualifiés","surqualifiées",
    "surproductif","surproductive","surproductifs","surproductives",
    "surabondant","surabondante","surabondants","surabondantes",
    "surintensif","surintensive","surintensifs","surintensives",
    "surdimensionné","surdimensionnée","surdimensionnés","surdimensionnées",
    "suréquipé","suréquipée","suréquipés","suréquipées","survoltée","survolté","survoltés","survoltées"
]
adj_attenuateurs = ["infime","infimes","minime","minimes","minuscules","minuscule","minimale","minimal","minimales","minimaux"]
adj_attenuateurs += [
    "sous-dimensionné","sous-dimensionnée","sous-dimensionnés","sous-dimensionnées",
    "sous-estimé","sous-estimée","sous-estimés","sous-estimées","sous-payé","sous-payée","sous-payés","sous-payées",
    "sous-développé","sous-développée","sous-développés","sous-développées",
    "sous-alimenté","sous-alimentée","sous-alimentés","sous-alimentées",
    "sous-exploité","sous-exploitée","sous-exploités","sous-exploitées",
    "sous-utilisé","sous-utilisée","sous-utilisés","sous-utilisées",
    "sous-évalué","sous-évaluée","sous-évalués","sous-évaluées",
    "sous-qualifié","sous-qualifiée","sous-qualifiés","sous-qualifiées",
    "sous-optimal","sous-optimale","sous-optimaux","sous-optimales"
]
prefixes_intensifs = ["archi", "extra", "super", "hyper", "mega"]
prefixes_attenuateurs = ["hypo", "infra", "mini"]
# -----------------------------
# LISTE D'EXCLUSION
# -----------------------------
exclusions = [
    "plus tard","plus de vingt ans","superbe","miniature ","beaucoup de gens ","beaucoup de choses ","énormément de modalisateurs", "bien que", "bien qu","mini-jupe","mini-jupes","peu à peu","ne plus","au moins","du moins","mais aussi","si tout","se si","extraits","élève",
    "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","si son","si sa","si ses","si leurs","si leur","si mon","si ma","si mes","relatif à","relative à","relatifs à","relatives à","pas mal de","n'est plus","n'était plus","ne plus"
]
# -----------------------------
# PHRASÉOLOGISMES (EXHAUSTIFS, toutes formes)
# -----------------------------
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",
    "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","à fleur de peau","sur les nerfs","à bout de nerfs",
    "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",
    "au plus vite","au plus haut degré", "à l'extrême","se mettre sur son trente et un","être sur son trente et un",
    "trembler de peur","tremble de peur","fort comme un turc","rouge comme une tomate",
    "malade comme un chien","tremblait de peur", "tremblerai de peur","un travail d'Hercule",
    "être transporté de joie","suis transporté de joie", "est transporté de joie","roule sur l'or","rouler sur l'or"
    "sommes transportés de joie", "à verse","un coeur de pierre","rapides comme l'éclair","rapides comme l'éclair",
    "à couper le souffle","à mort","à fond","à pas de géant","plein à craquer","à l'extrême","à l'excès","outre mesure",
    "laid à pleurer","hors de lui","au comble de la joie","au comble de la performance","tiré à quatre épingles","habillé comme un prince","mettre les bouchées doubles",
    "fièvre de cheval","froideur de glace","faim de loup","froid de canard","sur des charbons ardents","à outrance","à la folie","comme jamais",
    "appétit d'orge","patience d'ange", "comme une souche","comme un trou","comme un putois","le cœur en capilotade",
    "avoir le cœur en capilotade", "à bout de force", "à bout de souffle","comme un poisson dans l'eau","pousser comme une mauvaise herbe","pousse comme une mauvaise herbe",
    "se traîner comme une limace","timide comme une souris","froid comme un glaçon","à en mourir","à en crever","à en perdre la raison",
    "d'une lenteur d'escargot","faible comme une plume","avoir les jambes en coton","de plus en plus",
    "mal en point","pluie diluvienne","force herculéenne","froid sibérien","à gorge déployée","à toute allure","à toute vitesse","de toutes forces","de toutes ses oreilles",
    "tout yeux tout oreilles ","tout oreilles","tout ouïe",
]
phras_att = [
    "appétit d'oiseau","de faible envergure","de moins en moins"
]
phras_mod = [
    "dans une certaine mesure","à moitié chemin","à la limite","tant bien que mal","peu ou prou ","vaille que vaille ","à demi","à moitié","moitié moitié"
]
# -----------------------------
# COMPARATIFS & SUPERLATIFS
# -----------------------------
comparatifs = ["plus","moins","autant","aussi", "pire","meilleur","meilleure","meilleures","meilleurs","pires","moins","mieux"]
superlatifs = ["le plus","la plus", "les plus", "le meilleur", "la meilleure","les meilleurs","les meilleures",
               "le mieux", "le pire", "la pire", "les pires","le moins","la moindre", "les moindres"]

# -----------------------------
# NORMALISATION DES LISTES
# -----------------------------
norm_exclusions = [normalize(w) for w in exclusions]
norm_phras_int = [normalize(w) for w in phras_intensifs]
norm_phras_mod = [normalize(w) for w in phras_mod]
norm_phras_att = [normalize(w) for w in phras_att]
norm_intens = [normalize(w) for w in intensificateurs + adj_intensificateurs + prefixes_intensifs]
norm_mod = [normalize(w) for w in moderateurs]
norm_att = [normalize(w) for w in attenuateurs + adj_attenuateurs + prefixes_attenuateurs]
norm_comparatifs = [normalize(w) for w in comparatifs]
norm_superlatifs = [normalize(w) for w in superlatifs]
# -----------------------------
# FONCTIONS DE DÉTECTION
# -----------------------------
def detect_trop_adj(orig, occupied):
    """
    Détecte uniquement 'trop + adjectif' comme intensificateur,
    en ignorant les zones déjà détectées comme modérateurs.
    """
    matches = []

    # Pattern 'trop' suivi d'au moins un mot (adjectif)
    pattern = r'\btrop\s+[a-zA-ZÀ-ÿ\-]+\b'

    for m in re.finditer(pattern, orig, flags=re.IGNORECASE):
        start, end = m.span()

        # Ignorer si chevauchement avec un modérateur
        if any(o_start < end and start < o_end for o_start, o_end in occupied):
            continue

        # Ajouter comme intensificateur
        matches.append({
            "type": "intensificateur",
            "start": start,
            "end": end,
            "text": orig[start:end]
        })
        occupied.append((start, end))

    return matches
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_prefixed_words(text_norm, map_norm, orig, prefixes, occupied):
    """
    Détecte les mots contenant des préfixes soudés (hyperactif, minuscule, etc.)
    """
    matches = []
    for pref in sorted(prefixes, key=len, reverse=True):
        pattern = rf'\b{re.escape(pref)}[a-z]{{3,}}\b'
        for m in re.finditer(pattern, 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_issime(text_norm, map_norm, orig, occupied):
    matches = []
    for m in re.finditer(r'\b\w+issimes?\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_exclamatives(text_norm, map_norm, orig, occupied):
    matches = []
    start_words = ["que c'est", "comme", "combien", "quel", "quelle", "quels", "quelles"]
    start_words_norm = [normalize(w) for w in start_words]

    for start in start_words_norm:
        start_pattern = re.escape(start).replace(r'\ ', r'\s+').replace(r"\'", r"[’']")
        pattern = rf'\b{start_pattern}\b[^\!]*\!'
        for m in re.finditer(pattern, 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 exclude_aussi_connecteur(text_norm, map_norm, orig, occupied):
    matches = []
    for m in re.finditer(r'(^|[.!?])\s*aussi\b', text_norm):
        s = m.start(0)
        e = m.end(0)
        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
   # -----------------------------
# DETECTION COMPARATIFS ET SUPERLATIFS
# -----------------------------
def detect_comparatifs_superlatifs(text_norm, map_norm, orig, occupied):
    comp_matches = []
    super_matches = []

    articles_super = ["le","la","les","de","mon","ma","mes","ton","ta","tes",
                      "son","sa","ses","notre","nos","votre","vos","leur","leurs"]

    tokens = list(re.finditer(r'\b\w+\b', text_norm))
    i = 0
    while i < len(tokens):
        tok = tokens[i]
        s, e = tok.start(), tok.end()
        word = text_norm[s:e]
        if any(occupied[s:e]):
            i += 1
            continue

        # Vérifie superlatif (précédé d'article ou possessif)
        prev_context_start = max(0, s-15)
        context = text_norm[prev_context_start:s].strip()
        matched_super = None
        for sp in norm_superlatifs:
            sp_parts = sp.split()
            if word == sp_parts[-1]:
                if len(sp_parts) == 1:
                    if any(context.endswith(a) for a in articles_super):
                        matched_super = sp
                        break
                else:
                    start_check = max(0, i - (len(sp_parts)-1))
                    span_words = [tokens[j].group() for j in range(start_check, i+1)]
                    if [w.lower() for w in span_words] == sp_parts:
                        matched_super = sp
                        break
        if matched_super:
            start_idx = tokens[i - len(matched_super.split()) + 1].start() if len(matched_super.split()) > 1 else s
            end_idx = e
            for j in range(start_idx, end_idx):
                occupied[j] = True
            super_matches.append((start_idx, end_idx, slice_original_from_norm_span(orig, map_norm, start_idx, end_idx)))
            i += 1
            continue

        # Comparatif simple
        matched_comp = None
        for cp in norm_comparatifs:
            cp_parts = cp.split()
            if word == cp_parts[0]:
                if len(cp_parts) == 1:
                    matched_comp = cp
                else:
                    if i + len(cp_parts) -1 < len(tokens):
                        span_words = [tokens[i + j].group() for j in range(len(cp_parts))]
                        if [w.lower() for w in span_words] == cp_parts:
                            matched_comp = cp
                if matched_comp:
                    start_idx = s
                    end_idx = tokens[i + len(cp_parts)-1].end() if len(cp_parts) >1 else e
                    for j in range(start_idx, end_idx):
                        occupied[j] = True
                    comp_matches.append((start_idx, end_idx, slice_original_from_norm_span(orig, map_norm, start_idx, end_idx)))
                    break
        i += 1

    return comp_matches, super_matches
# -----------------------------
# 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_words_general(text_norm, map_norm, orig, norm_exclusions, occupied)
    exclude_aussi_connecteur(text_norm, map_norm, orig, 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)
    # Général lexical (formes isolées)
    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)
    # Préfixes soudés (NOUVEAU)
    pref_intens = detect_prefixed_words(
        text_norm, map_norm, orig,
        prefixes=[normalize(p) for p in prefixes_intensifs],
        occupied=occupied
    )

    pref_att = detect_prefixed_words(
        text_norm, map_norm, orig,
        prefixes=[normalize(p) for p in prefixes_attenuateurs],
        occupied=occupied
    )
    issime_detect = detect_issime(text_norm, map_norm, orig, occupied)
    excl_detect = detect_exclamatives(text_norm, map_norm, orig, occupied)
    comp_detect, super_detect = detect_comparatifs_superlatifs(
        text_norm, map_norm, orig, occupied
    )

    # Séparation par catégorie
    intens_detect = general_intens + pref_intens + issime_detect + excl_detect 
    moder_detect = general_mod
    atten_detect = general_att + pref_att
    # Préparation des 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 comp_detect:
        highlights.append((s, e, 'comp', txt))
    for s, e, txt in super_detect:
        highlights.append((s, e, 'super', 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))

    highlights.sort(key=lambda x: x[0])

    # HTML surbrillance simple
    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 2px; border-radius:3px'>{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 réorganisées
    translate_notes_html = ""
    if phras_int_list:
        translate_notes_html += "<strong>Intensificateurs :</strong><br>"
        translate_notes_html += "<br>".join([f"- « {idi} » — traduire avec précaution pour préserver la force expressive." for idi in phras_int_list])
        translate_notes_html += "<br><br>"
    if phras_mod_list:
        translate_notes_html += "<strong>Modérateurs :</strong><br>"
        translate_notes_html += "<br>".join([f"- « {idi} » — vérifier la nuance; une traduction littérale peut altérer le ton." for idi in phras_mod_list])
        translate_notes_html += "<br><br>"
    if phras_att_list:
        translate_notes_html += "<strong>Atténuateurs :</strong><br>"
        translate_notes_html += "<br>".join([f"- « {idi} » — adapter selon le registre cible pour conserver l'effet atténuateur." for idi in phras_att_list])
        translate_notes_html += "<br>"

    # 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 final avec tous les titres foncés
    report_md = f"""
<strong>🎯 RAPPORT D'ANALYSE — MODALISATION</strong>
Aperçu (occurrences surlignées) 🔬 :
<div style="padding:10px;border:1px solid #ddd;border-radius:6px;font-size:14px;font-family:Arial,sans-serif">{html_out}</div>
<hr>
<strong>💥 Intensificateurs détectés ({len(intens_list)}):</strong>  
{', '.join(intens_list) if intens_list else 'Aucun'}

<strong>⚖️ Modérateurs détectés ({len(moder_list)}):</strong>  
{', '.join(moder_list) if moder_list else 'Aucun'}

<strong>🌫️ Atténuateurs détectés ({len(atten_list)}):</strong>  
{', '.join(atten_list) if atten_list else 'Aucun'}

<strong>⭐ Comparatifs détectés ({len(comp_list)}):</strong>  
{', '.join(comp_list) if comp_list else 'Aucun'}

<strong>🟠 Superlatifs détectés ({len(super_list)}):</strong>  
{', '.join(super_list) if super_list else 'Aucun'}

<hr>
<strong>🔎 Phraséologismes (séparés par type):</strong>

<strong>🔥 Intensificateurs ({len(phras_int_list)}):</strong>  
{', '.join(phras_int_list) if phras_int_list else 'Aucun'}

<strong>🌱 Modérateurs ({len(phras_mod_list)}):</strong>  
{', '.join(phras_mod_list) if phras_mod_list else 'Aucun'}

<strong>🌧️ Atténuateurs ({len(phras_att_list)}):</strong>  
{', '.join(phras_att_list) if phras_att_list else 'Aucun'}

<hr>
<strong>📝 Notes et conseils de traduction</strong><br>
{translate_notes_html if translate_notes_html else 'Aucun phraséologisme détecté.'}

<hr>
<strong>📊 Degré de la modalisation intensive du texte :</strong> {deg_modal} (total occurrences : {total_occurrences})

<hr>
<strong>🛠️ Note technique:</strong>  
Les mots sont surlignés par catégorie : intensificateurs en rouge, modérateurs en bleu, atténuateurs en gris, comparatifs en jaune et superlatifs en orange.
Les phraséologismes héritent d'une teinte plus claire que celle de leur catégorie principale pour les distinguer visuellement des mots isolés et faciliter l'analyse.
"""
    return report_md
# -----------------------------
# INTERFACE GRADIO
# -----------------------------
iface = gr.Interface(
    fn=analyse_text,
    inputs=gr.Textbox(label="Entrez le texte à analyser🖊️", lines=40, 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(share=True)