import os
import tempfile
import openai
from dotenv import load_dotenv
import PyPDF2
import nltk
from nltk.tokenize import word_tokenize
from nltk.corpus import stopwords
from nltk.stem import SnowballStemmer
import pandas as pd
from fpdf import FPDF
import streamlit as st
import requests
from google.cloud import vision_v1
from google.cloud import texttospeech_v1 as texttospeech
import base64
from PIL import Image
import pytesseract

# Configurar la página primero
st.set_page_config(page_title="Galatea OMARDENT", layout="wide")

nltk.download('punkt', quiet=True)
nltk.download('stopwords', quiet=True)

# Cargar las claves API desde el archivo .env
load_dotenv()
openai_api_key = os.getenv("OPENAI_API_KEY")
brevo_api_key = os.getenv("BREVO_API_KEY")
os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "botidinamix-g.json"

# Verifica que las claves API están configuradas
if not openai_api_key:
    st.error("No API key provided for OpenAI. Please set your API key in the .env file.")
else:
    openai.api_key = openai_api_key

if not brevo_api_key:
    st.error("No API key provided for Brevo. Please set your API key in the .env file.")

def extraer_texto_pdf(archivo):
    texto = ""
    if archivo:
        with tempfile.NamedTemporaryFile(delete=False) as temp_file:
            temp_file.write(archivo.read())
            temp_file_path = temp_file.name
        try:
            with open(temp_file_path, 'rb') as file:
                reader = PyPDF2.PdfReader(file)
                for page in range(len(reader.pages)):
                    texto += reader.pages[page].extract_text()
        except Exception as e:
            st.error(f"Error al extraer texto del PDF: {e}")
        finally:
            os.unlink(temp_file_path)
    return texto

def preprocesar_texto(texto):
    tokens = word_tokenize(texto, language='spanish')
    tokens = [word.lower() for word in tokens if word.isalpha()]
    stopwords_es = set(stopwords.words('spanish'))
    tokens = [word for word in tokens if word not in stopwords_es]
    stemmer = SnowballStemmer('spanish')
    tokens = [stemmer.stem(word) for word in tokens]
    return " ".join(tokens)

def obtener_respuesta(pregunta, texto_preprocesado, modelo, temperatura=0.5, assistant_id="asst_4ZYvBvf4IUVQPjnugSZGLdV2", contexto=""):
    try:
        response = openai.ChatCompletion.create(
            model=modelo,
            messages=[
                {"role": "system", "content": "Actua como Galatea la asistente de la clinica Odontologica OMARDENT y resuelve las inquietudes"},
                {"role": "user", "content": f"{contexto}\n\n{pregunta}\n\nContexto: {texto_preprocesado}"}
            ],
            temperature=temperatura
        )
        respuesta = response.choices[0].message['content'].strip()

        # Configura la solicitud de síntesis de voz
        client = texttospeech.TextToSpeechClient()
        input_text = texttospeech.SynthesisInput(text=respuesta)
        voice = texttospeech.VoiceSelectionParams(
            language_code="es-ES", ssml_gender=texttospeech.SsmlVoiceGender.FEMALE
        )
        audio_config = texttospeech.AudioConfig(
            audio_encoding=texttospeech.AudioEncoding.MP3
        )

        # Realiza la solicitud de síntesis de voz
        response = client.synthesize_speech(
            input=input_text, voice=voice, audio_config=audio_config
        )

        # Reproduce el audio en Streamlit
        st.audio(response.audio_content, format="audio/mp3")
        return respuesta

    except openai.OpenAIError as e:
        st.error(f"Error al comunicarse con OpenAI: {e}")
        return "Lo siento, no puedo procesar tu solicitud en este momento."

    except Exception as e:
        st.error(f"Error al generar la respuesta y el audio: {e}")
        return "Lo siento, ocurrió un error al procesar tu solicitud."

def guardar_en_txt(nombre_archivo, datos):
    carpeta = "datos_guardados"
    os.makedirs(carpeta, exist_ok=True)
    ruta_archivo = os.path.join(carpeta, nombre_archivo)
    try:
        with open(ruta_archivo, 'a', encoding='utf-8') as archivo:
            archivo.write(datos + "\n")
    except Exception as e:
        st.error(f"Error al guardar datos en el archivo: {e}")
    return ruta_archivo

def cargar_desde_txt(nombre_archivo):
    carpeta = "datos_guardados"
    ruta_archivo = os.path.join(carpeta, nombre_archivo)
    try:
        if os.path.exists(ruta_archivo):
            with open(ruta_archivo, 'r', encoding='utf-8') as archivo:
                return archivo.read()
        else:
            st.warning("Archivo no encontrado.")
            return ""
    except Exception as e:
        st.error(f"Error al cargar datos desde el archivo: {e}")
        return ""

def listar_archivos_txt():
    carpeta = "datos_guardados"
    try:
        if not os.path.exists(carpeta):
            return []
        archivos = [f for f in os.listdir(carpeta) if f.endswith('.txt')]
        archivos_ordenados = sorted(archivos, key=lambda x: os.path.getctime(os.path.join(carpeta, x)), reverse=True)
        return archivos_ordenados
    except Exception as e:
        st.error(f"Error al listar archivos: {e}")
        return []

def generar_pdf(dataframe, titulo, filename):
    pdf = FPDF()
    pdf.add_page()
    pdf.set_font("Arial", size=12)
    pdf.cell(200, 10, txt=titulo, ln=True, align='C')

    for i, row in dataframe.iterrows():
        row_text = ", ".join(f"{col}: {val}" for col, val in row.items())
        pdf.cell(200, 10, txt=row_text, ln=True)
    
    try:
        with tempfile.NamedTemporaryFile(delete=False, suffix='.pdf') as tmp_file:
            pdf.output(tmp_file.name)
            return tmp_file.name
    except Exception as e:
        st.error(f"Error al generar PDF: {e}")
        return None

def enviar_correo(destinatario, asunto, contenido):
    url = "https://api.brevo.com/v3/smtp/email"
    headers = {
        "accept": "application/json",
        "api-key": brevo_api_key,
        "content-type": "application/json"
    }
    payload = {
        "sender": {"email": "tu_correo@dominio.com"},
        "to": [{"email": destinatario}],
        "subject": asunto,
        "htmlContent": contenido
    }
    try:
        response = requests.post(url, json=payload, headers=headers)
        if response.status_code == 201:
            st.success(f"Correo enviado a {destinatario}")
        else:
            st.error(f"Error al enviar el correo: {response.text}")
    except Exception as e:
        st.error(f"Error al enviar el correo: {e}")

def enviar_whatsapp(numero, mensaje):
    url = "https://api.brevo.com/v3/whatsapp/send"
    headers = {
        "accept": "application/json",
        "api-key": brevo_api_key,
        "content-type": "application/json"
    }
    payload = {
        "recipient": {"number": numero},
        "sender": {"number": "tu_numero_whatsapp"},
        "content": mensaje
    }
    try:
        response = requests.post(url, json=payload, headers=headers)
        if response.status_code == 201:
            st.success(f"Mensaje de WhatsApp enviado a {numero}")
        else:
            st.error(f"Error al enviar el mensaje de WhatsApp: {response.text}")
    except Exception as e:
        st.error(f"Error al enviar el mensaje de WhatsApp: {e}")

def analizar_disponibilidad(imagen):
    client = vision_v1.ImageAnnotatorClient()
    content = imagen.read()
    image = vision_v1.Image(content=content)
    response = client.text_detection(image=image)

    if response.error.message:
        st.error(f"Error en la interpretación de la imagen: {response.error.message}")
        return None

    texto = response.full_text_annotation.text
    return texto

def asignar_cita(disponibilidad, fecha, hora, paciente, doctor):
    # Aquí se debería implementar la lógica de asignación
    # que verifique la disponibilidad y asigna la cita si es posible.
    # Esta es una implementación simplificada.
    if disponibilidad:
        if "disponible" in disponibilidad.lower():
            return f"Cita asignada para {paciente} con {doctor} el {fecha} a las {hora}."
        else:
            return "No hay disponibilidad en ese horario. Por favor, elija otro."
    else:
        return "No se pudo verificar la disponibilidad."

def flujo_agendamiento():
    st.title("📅 Asistente de Agendamiento")

    if 'disponibilidad' not in st.session_state:
        st.session_state.disponibilidad = ""

    imagen = st.file_uploader("Sube una imagen de la agenda para analizar disponibilidad", type=['png', 'jpg', 'jpeg'])
    if imagen:
        disponibilidad = analizar_disponibilidad(imagen)
        st.session_state.disponibilidad = disponibilidad
        st.write("### Disponibilidad Analizada:")
        st.write(disponibilidad)

    with st.form("asignar_cita_form"):
        fecha = st.date_input("Fecha de la cita:")
        hora = st.time_input("Hora de la cita:")
        paciente = st.text_input("Nombre del Paciente:")
        doctor = st.selectbox("Doctor:", ["Dr. Jose Daniel C", "Dr. Jose Omar C"])

        submitted = st.form_submit_button("Asignar Cita")

        if submitted:
            respuesta = asignar_cita(st.session_state.disponibilidad, fecha, hora, paciente, doctor)
            st.write(respuesta)

            # Respuesta por voz
            client = texttospeech.TextToSpeechClient()
            synthesis_input = texttospeech.SynthesisInput(text=respuesta)
            voice = texttospeech.VoiceSelectionParams(language_code="es-ES", ssml_gender=texttospeech.SsmlVoiceGender.FEMALE)
            audio_config = texttospeech.AudioConfig(audio_encoding=texttospeech.AudioEncoding.MP3)
            response = client.synthesize_speech(input=synthesis_input, voice=voice, audio_config=audio_config)
            
            st.audio(response.audio_content, format="audio/mp3")

def main():
    if 'modelo' not in st.session_state:
        st.session_state['modelo'] = "gpt-3.5-turbo"
    if 'temperatura' not in st.session_state:
        st.session_state['temperatura'] = 0.5
    if 'mensajes_chat' not in st.session_state:
        st.session_state['mensajes_chat'] = []
    if 'transcripcion_voz' not in st.session_state:
        st.session_state['transcripcion_voz'] = ""
    if 'imagen_asistente' not in st.session_state:
        st.session_state['imagen_asistente'] = None
    if 'video_estado' not in st.session_state:
        st.session_state['video_estado'] = 'paused'
    if 'assistant_id' not in st.session_state:
        st.session_state['assistant_id'] = 'asst_4ZYvBvf4IUVQPjnugSZGLdV2'
    if 'presupuesto_texto' not in st.session_state:
        st.session_state['presupuesto_texto'] = ''
    if 'mostrar_chat' not in st.session_state:
        st.session_state['mostrar_chat'] = False
    if 'memoria' not in st.session_state:
        st.session_state['memoria'] = {}

    with open("assets/assets_instrucciones.pdf", "rb") as file:
        texto_pdf = extraer_texto_pdf(file)
        st.session_state['texto_preprocesado_pdf'] = preprocesar_texto(texto_pdf)

    ruta_logo = os.path.join("assets", "assets_Logo Omardent.png")
    if os.path.exists(ruta_logo):
        st.sidebar.image(ruta_logo, use_column_width=True)
    else:
        st.sidebar.warning(f"Error: No se pudo encontrar la imagen en la ruta: {ruta_logo}")

    st.sidebar.title("🤖 Galatea OMARDENT")
    st.sidebar.markdown("---")
    st.sidebar.subheader("🧠 Configuración del Modelo")
    st.session_state['modelo'] = st.sidebar.selectbox(
        "Selecciona el modelo:",
        ["gpt-3.5-turbo", "gpt-4", "gpt-4-32k", "gpt-4o"],
        index=0,
        key='modelo_selectbox'
    )
    st.sidebar.markdown("---")
    st.session_state['temperatura'] = st.sidebar.slider(
        "🌡️ Temperatura",
        min_value=0.0, max_value=1.0,
        value=st.session_state['temperatura'],
        step=0.1,
        key='temperatura_slider'
    )
    assistant_id = st.sidebar.text_input("Assistant ID", key="assistant_id", help="Introduce el Assistant ID del playground de OpenAI")
    
    st.sidebar.markdown("---")
    st.sidebar.subheader("🌟 Navegación")
    lateral_page = st.sidebar.radio("Ir a", ["Página Principal", "Gestión de Trabajos", "Gestión de Insumos", "Registro de Radiografías", "Buscar Datos", "Notificaciones", "Recomendaciones", "Asistente de Presupuestos", "Comunicación", "Asistente de Agendamiento", "Interpretación de Imágenes"])

    top_page = st.selectbox("Navegación Superior", ["Página Principal", "Galatea-Asistente"])

    if top_page == "Galatea-Asistente":
        mostrar_galatea_asistente()
    else:
        if lateral_page == "Página Principal":
            mostrar_pagina_principal()
        elif lateral_page == "Gestión de Trabajos":
            flujo_laboratorio()
        elif lateral_page == "Gestión de Insumos":
            flujo_insumos()
        elif lateral_page == "Registro de Radiografías":
            flujo_radiografias()
        elif lateral_page == "Buscar Datos":
            buscar_datos_guardados()
        elif lateral_page == "Notificaciones":
            generar_notificaciones_pendientes()
        elif lateral_page == "Recomendaciones":
            mostrar_recomendaciones()
        elif lateral_page == "Asistente de Presupuestos":
            flujo_presupuestos()
        elif lateral_page == "Comunicación":
            st.write("Página de Comunicación")
        elif lateral_page == "Asistente de Agendamiento":
            flujo_agendamiento()
        elif lateral_page == "Interpretación de Imágenes":
            mostrar_interpretacion_imagen()

if __name__ == "__main__":
    main()