app.py

import streamlit as st
import pandas as pd
import requests
from io import BytesIO

# 🖌️ Configurer le mode wide et le titre de la page
st.set_page_config(layout="wide", page_title="Veille Sanitaire SCA - BuSCA")

# 🖌️ Importer Google Fonts et personnaliser l'interface
st.markdown("""
    <style>
    @import url('https://fonts.googleapis.com/css2?family=Roboto:wght@300;400;700&display=swap');
    * { font-family: 'Roboto', sans-serif; }
    [data-testid="stSidebar"] {
        background-color: #2E3B4E;
        color: #FFFFFF;
    }
    .stButton > button {
        background-color: #1E88E5;
        color: white;
        border-radius: 5px;
    }
    .stButton > button:hover {
        background-color: #1565C0;
    }
    </style>
    """, unsafe_allow_html=True)

st.title("🔍 Veille Sanitaire BuSCA")
st.info("Les données sont chargées depuis la Plateforme SCA. Utilisez les filtres dans le menu latéral.")

# 📦 Fonction pour charger les données avec cache
@st.cache_data(ttl=3600) # Mettre en cache les données pendant 1 heure
def load_data():
    # --- MODIFICATION DE L'URL ICI ---
    file_url = "https://www.plateforme-sca.fr/media/398/download"
    
    try:
        # En Python (côté serveur), pas besoin de proxy CORS, mais on garde le User-Agent
        response = requests.get(file_url, headers={'User-Agent': 'Mozilla/5.0'})
        response.raise_for_status()
        
        df = pd.read_excel(BytesIO(response.content), engine='openpyxl')
        
        # Nettoyage des noms de colonnes (minuscules, sans espaces)
        df.columns = df.columns.str.strip().str.lower()
        
        # --- ROBUSTESSE : Renommage pour gérer Singulier/Pluriel ---
        # Si le fichier contient "matrice" au lieu de "matrices", on normalise
        rename_map = {
            'matrice': 'matrices',
            'danger': 'dangers'
        }
        df.rename(columns=rename_map, inplace=True)
        
        return df
    except Exception as e:
        st.error(f"Erreur critique lors du chargement des données : {e}")
        return None

# --- Chargement des données ---
df_full = load_data()

if df_full is None:
    st.error("Impossible de continuer car les données n'ont pas pu être chargées.")
    st.stop()

# --- Définition des noms de colonnes (Normalisés) ---
COL_BUSCA = 'busca'
COL_TITRE = 'titre'
COL_MATRICE = 'matrices' # On utilise le pluriel car on a normalisé ci-dessus
COL_DANGER = 'dangers'   # On utilise le pluriel car on a normalisé ci-dessus
COL_SECTION = 'section'
COL_TEXTE = 'texte'
COL_LIEN1 = 'lien'
COL_LIEN2 = 'lien2'

# --- Vérification de la présence des colonnes essentielles ---
essential_cols = [COL_BUSCA, COL_TITRE, COL_TEXTE, COL_MATRICE, COL_DANGER]
missing_cols = [col for col in essential_cols if col not in df_full.columns]
if missing_cols:
    st.error(f"ERREUR : Les colonnes essentielles suivantes sont manquantes dans le fichier Excel : {', '.join(missing_cols)}")
    st.write("Colonnes trouvées :", df_full.columns.tolist())
    st.stop()

# Nettoyage des données (suppression des lignes sans N° BuSCA)
df_full = df_full.dropna(subset=[COL_BUSCA])
# Conversion du N° BuSCA en entier
df_full[COL_BUSCA] = df_full[COL_BUSCA].astype(int)

# Tri des données
df_full = df_full.sort_values(by=COL_BUSCA, ascending=False)

# 🌟 Menu latéral
with st.sidebar:
    st.header("🛠️ Filtres")
    
    if st.button("🔄 Rafraîchir les données"):
        st.cache_data.clear()
        st.rerun() # Utilisation de st.rerun() au lieu de experimental_rerun

    with st.expander("📌 Plage de numéros de BuSCA", expanded=True):
        min_val = int(df_full[COL_BUSCA].min())
        max_val = int(df_full[COL_BUSCA].max())
        busca_range = st.slider("Numéros de BuSCA", min_val, max_val, (max_val - 20, max_val))

    with st.expander("🌍 Matrices"):
        # Conversion en string pour éviter les erreurs de tri si données mixtes
        unique_matrices = sorted(df_full[COL_MATRICE].fillna('Non spécifié').astype(str).unique())
        matrices = st.multiselect("Sélectionner les matrices", options=unique_matrices)

    with st.expander("⚠️ Dangers"):
        unique_dangers = sorted(df_full[COL_DANGER].fillna('Non spécifié').astype(str).unique())
        dangers = st.multiselect("Sélectionner les dangers", options=unique_dangers)

    # --- FILTRE TEXTE LIBRE ---
    with st.expander("🔎 Recherche par mots-clés"):
        keywords = st.text_area("Mots-clés (séparés par des virgules)", placeholder="ex: listeria, lait, rappel...")

    apply_filter = st.button("Appliquer les filtres", use_container_width=True)

# Logique de filtrage
df_display = df_full.copy()

# Note: Streamlit relance le script à chaque interaction, donc si on n'appuie pas sur le bouton
# on affiche quand même les données filtrées par défaut (tout ou dernière action).
# Si vous voulez que rien ne change tant qu'on ne clique pas, il faut gérer le state, 
# mais ici on applique la logique standard :
if apply_filter or True: # 'or True' permet un affichage dynamique réactif immédiat (optionnel selon préférence UX)
    # Filtre par plage de BuSCA
    df_display = df_display[
        (df_display[COL_BUSCA] >= busca_range[0]) & 
        (df_display[COL_BUSCA] <= busca_range[1])
    ]
    # Filtre par listes
    if matrices:
        df_display = df_display[df_display[COL_MATRICE].astype(str).isin(matrices)]
    if dangers:
        df_display = df_display[df_display[COL_DANGER].astype(str).isin(dangers)]

    # --- LOGIQUE DE FILTRAGE PAR MOTS-CLÉS ---
    if keywords:
        # Prépare la liste de mots-clés : minuscule, sans espaces superflus
        keyword_list = [kw.strip().lower() for kw in keywords.split(',') if kw.strip()]
        
        # Applique le filtre si des mots-clés ont été saisis
        if keyword_list:
            df_display = df_display[df_display.apply(
                lambda row: any(
                    kw in str(row[COL_TITRE]).lower() or 
                    kw in str(row[COL_TEXTE]).lower() or
                    kw in str(row[COL_DANGER]).lower() or
                    kw in str(row[COL_MATRICE]).lower()
                    for kw in keyword_list
                ),
                axis=1
            )]

# Affichage des résultats
st.markdown(f"### 📑 Affichage de {len(df_display)} résultats")
if df_display.empty:
    st.warning("Aucun bulletin ne correspond à vos critères de recherche.")
else:
    for index, row in df_display.iterrows():
        titre = row.get(COL_TITRE, 'Titre manquant')
        busca_num = row.get(COL_BUSCA, 'N/A')
        
        with st.expander(f"📄 **{titre}** (BuSCA n°{busca_num})"):
            danger_val = row.get(COL_DANGER, 'N/A')
            matrice_val = row.get(COL_MATRICE, 'N/A')
            
            st.markdown(f"**Danger :** `{danger_val}` | **Matrice :** `{matrice_val}`")
            st.markdown("---")
            # Remplacement des sauts de ligne pour un affichage propre
            texte_content = str(row.get(COL_TEXTE, 'Texte manquant')).replace('\n', '  \n')
            st.markdown(texte_content)
            
            st.markdown("---")
            col1, col2 = st.columns(2)
            with col1:
                if pd.notna(row.get(COL_LIEN1)):
                    st.link_button("🔗 Lien Principal", row[COL_LIEN1])
            with col2:
                if pd.notna(row.get(COL_LIEN2)):
                    st.link_button("🔗 Lien Secondaire", row[COL_LIEN2])