app.py

import os
import time
import hmac
import hashlib
import base64
import requests
import pandas as pd
import tempfile
import gradio as gr

# --- 네이버 광고 API: 서명 생성 및 헤더 구성 ---
def generate_signature(timestamp, method, uri, secret_key):
    message = f"{timestamp}.{method}.{uri}"
    digest = hmac.new(secret_key.encode("utf-8"), message.encode("utf-8"), hashlib.sha256).digest()
    return base64.b64encode(digest).decode()

def get_header(method, uri, api_key, secret_key, customer_id):
    timestamp = str(round(time.time() * 1000))
    signature = generate_signature(timestamp, method, uri, secret_key)
    return {
        "Content-Type": "application/json; charset=UTF-8",
        "X-Timestamp": timestamp,
        "X-API-KEY": api_key,
        "X-Customer": str(customer_id),
        "X-Signature": signature
    }

# --- 네이버 광고 API: 연관검색어 및 검색량 조회 ---
def fetch_related_keywords(keyword):
    API_KEY = os.environ["NAVER_API_KEY"]
    SECRET_KEY = os.environ["NAVER_SECRET_KEY"]
    CUSTOMER_ID = os.environ["NAVER_CUSTOMER_ID"]
    
    BASE_URL = "https://api.naver.com"
    uri = "/keywordstool"
    method = "GET"
    headers = get_header(method, uri, API_KEY, SECRET_KEY, CUSTOMER_ID)
    params = {
        "hintKeywords": [keyword],
        "showDetail": "1"
    }
    response = requests.get(BASE_URL + uri, params=params, headers=headers)
    data = response.json()
    if "keywordList" not in data:
        return pd.DataFrame()
    df = pd.DataFrame(data["keywordList"])
    if len(df) > 100:
        df = df.head(100)
    
    def parse_count(x):
        try:
            return int(str(x).replace(",", ""))
        except:
            return 0

    df["PC월검색량"] = df["monthlyPcQcCnt"].apply(parse_count)
    df["모바일월검색량"] = df["monthlyMobileQcCnt"].apply(parse_count)
    df["토탈월검색량"] = df["PC월검색량"] + df["모바일월검색량"]
    df.rename(columns={"relKeyword": "정보키워드"}, inplace=True)
    result_df = df[["정보키워드", "PC월검색량", "모바일월검색량", "토탈월검색량"]]
    return result_df

# --- 네이버 검색 API: 블로그 문서수 조회 ---
def fetch_blog_count(keyword):
    client_id = os.environ["NAVER_SEARCH_CLIENT_ID"]
    client_secret = os.environ["NAVER_SEARCH_CLIENT_SECRET"]
    url = "https://openapi.naver.com/v1/search/blog.json"
    headers = {
        "X-Naver-Client-Id": client_id,
        "X-Naver-Client-Secret": client_secret
    }
    params = {"query": keyword, "display": 1}
    response = requests.get(url, headers=headers, params=params)
    if response.status_code == 200:
        data = response.json()
        return data.get("total", 0)
    else:
        return 0

# --- 임시 엑셀 파일 생성 ---
def create_excel_file(df):
    with tempfile.NamedTemporaryFile(suffix=".xlsx", delete=False) as tmp:
        excel_path = tmp.name
    df.to_excel(excel_path, index=False)
    return excel_path

# --- 입력 키워드 처리 함수 ---
def process_keyword(keywords: str, include_related: bool):
    """
    1. 여러 키워드를 엔터로 구분하여 리스트로 만듭니다.
    2. 각 키워드에 대해 네이버 광고 API로 검색량 정보를 조회하고, 
       첫 번째 키워드에 대해 옵션(연관검색어 포함)이 True인 경우 연관검색어도 추가합니다.
    3. 최종 결과 DataFrame에 각 "정보키워드"마다 네이버 검색 API로 블로그 문서수를 조회하여 "블로그문서수" 컬럼을 추가합니다.
    """
    input_keywords = [k.strip() for k in keywords.splitlines() if k.strip()]
    result_dfs = []
    
    for idx, kw in enumerate(input_keywords):
        df_kw = fetch_related_keywords(kw)
        if df_kw.empty:
            continue
        # 입력 키워드에 해당하는 결과 포함
        row_kw = df_kw[df_kw["정보키워드"] == kw]
        if not row_kw.empty:
            result_dfs.append(row_kw)
        else:
            result_dfs.append(df_kw.head(1))
        # 첫 번째 키워드의 연관검색어 추가 (입력 키워드 제외)
        if include_related and idx == 0:
            df_related = df_kw[df_kw["정보키워드"] != kw]
            if not df_related.empty:
                result_dfs.append(df_related)
    
    if result_dfs:
        result_df = pd.concat(result_dfs, ignore_index=True)
        result_df.drop_duplicates(subset=["정보키워드"], inplace=True)
    else:
        result_df = pd.DataFrame(columns=["정보키워드", "PC월검색량", "모바일월검색량", "토탈월검색량"])
    
    # 각 정보키워드에 대해 블로그 문서수 조회
    result_df["블로그문서수"] = result_df["정보키워드"].apply(fetch_blog_count)
    result_df.sort_values(by="토탈월검색량", ascending=False, inplace=True)
    
    return result_df, create_excel_file(result_df)

# --- Gradio UI 구성 ---
with gr.Blocks(css=".gradio-container { max-width: 960px; margin: auto; }") as demo:
    gr.Markdown("# 네이버 연관검색어, 검색량 및 블로그 문서수 조회")
    gr.Markdown(
        "여러 키워드를 **엔터**로 구분하여 입력하세요. 각 키워드에 대한 검색량 정보를 조회하며, "
        "첫 번째 키워드에 대해 '연관검색어 포함' 옵션을 선택하면 연관검색어 결과도 함께 조회됩니다. \n\n"
        "또한, 각 정보키워드에 대한 네이버 블로그 문서수도 함께 출력됩니다."
    )
    
    with gr.Row():
        with gr.Column(scale=1):
            keyword_input = gr.Textbox(
                label="키워드 입력 (여러 개일 경우 엔터로 구분)", 
                lines=6, 
                placeholder="예:\n강원도풀빌라\n자바스크립트"
            )
            include_checkbox = gr.Checkbox(label="연관검색어 포함 (첫번째 키워드에 한함)", value=False)
            search_button = gr.Button("검색", variant="primary")
        with gr.Column(scale=1):
            gr.Markdown("### 검색 결과")
            df_output = gr.Dataframe(label="결과 테이블")
            excel_output = gr.File(label="엑셀 다운로드")
    
    search_button.click(
        fn=process_keyword, 
        inputs=[keyword_input, include_checkbox], 
        outputs=[df_output, excel_output]
    )

# 앱 실행 (Hugging Face Spaces 배포 가능)
demo.launch()