🛡️ Foodwatch Arnaques Database
Base de données complète avec images des arnaques alimentaires
Version démo avec données réalistes
""", unsafe_allow_html=True)
# Initialisation de l'application
try:
app = FoodwatchAdvancedDB()
except Exception as e:
st.error(f"Erreur initialisation: {e}")
st.stop()
# Sidebar avec informations de la base
st.sidebar.title("📊 État de la Base")
stats = app.get_database_stats()
if stats:
st.sidebar.metric("📦 Produits", stats.get('total_produits', 0))
st.sidebar.metric("📸 Avec images", stats.get('produits_avec_images', 0))
st.sidebar.metric("🏭 Marques", stats.get('total_marques', 0))
st.sidebar.metric("💾 Taille images", f"{stats.get('taille_images_mb', 0)} MB")
if stats.get('derniere_maj'):
try:
derniere_maj = pd.to_datetime(stats['derniere_maj']).strftime('%d/%m/%Y %H:%M')
st.sidebar.info(f"🕒 Dernière MAJ: {derniere_maj}")
except:
st.sidebar.info("🕒 Dernière MAJ: Récente")
st.sidebar.markdown("---")
# Navigation
page = st.sidebar.selectbox(
"🔧 Navigation",
["🏠 Dashboard", "🕷️ Scraping Démo", "📊 Analyses", "🔍 Base de Données"]
)
# PAGE DASHBOARD
if page == "🏠 Dashboard":
st.header("📈 Dashboard de la Base de Données")
if stats:
# Métriques principales
col1, col2, col3, col4 = st.columns(4)
with col1:
st.metric("🏷️ Total Produits", stats['total_produits'])
with col2:
st.metric("📸 Avec Images", stats['produits_avec_images'])
with col3:
st.metric("🏭 Marques", stats['total_marques'])
with col4:
st.metric("🏪 Supermarchés", stats['total_supermarches'])
st.divider()
# Graphiques
col1, col2 = st.columns(2)
with col1:
st.subheader("📊 Types d'Arnaques")
if stats['par_type']:
fig_pie = px.pie(
values=list(stats['par_type'].values()),
names=list(stats['par_type'].keys()),
color_discrete_sequence=px.colors.qualitative.Set3
)
fig_pie.update_layout(height=400)
st.plotly_chart(fig_pie, use_container_width=True)
with col2:
st.subheader("🏭 Top 10 Marques")
if stats['top_marques']:
marques_data = list(stats['top_marques'].items())[:10]
fig_bar = px.bar(
x=[item[1] for item in marques_data],
y=[item[0] for item in marques_data],
orientation='h',
color=[item[1] for item in marques_data],
color_continuous_scale="Reds"
)
fig_bar.update_layout(height=400, yaxis_title="Marques", xaxis_title="Nombre d'arnaques")
st.plotly_chart(fig_bar, use_container_width=True)
# Derniers produits ajoutés
st.subheader("🆕 Derniers Produits Ajoutés")
df_recent = app.load_data_from_db(limit=5)
if not df_recent.empty:
for idx, row in df_recent.iterrows():
with st.expander(f"📦 {row['nom_produit']} - {row.get('marque', 'N/A')}"):
col1, col2 = st.columns([1, 2])
with col1:
if row.get('url_image_original'):
try:
st.image(row['url_image_original'], caption="Image du produit", use_column_width=True)
except:
st.info("📷 Image non disponible")
else:
st.info("📷 Pas d'image")
with col2:
st.write(f"**Marque:** {row.get('marque', 'N/A')}")
st.write(f"**Supermarché:** {row.get('supermarche', 'N/A')}")
st.write(f"**Type:** {row.get('type_arnaque', 'N/A')}")
st.write(f"**Prix:** {row.get('prix', 'N/A')}")
if row.get('ingredients_problematiques'):
st.error(f"⚠️ **Additifs:** {row['ingredients_problematiques']}")
if row.get('description'):
st.write(f"**Description:** {row['description'][:200]}...")
else:
st.info("Aucun produit en base. Lancez un scraping pour commencer.")
else:
st.warning("Base de données vide. Effectuez un premier scraping.")
# PAGE SCRAPING DÉMO
elif page == "🕷️ Scraping Démo":
st.header("🕷️ Scraping de Démonstration")
# Status de la base
st.markdown(f"""
{product['type_arnaque']}
""", unsafe_allow_html=True)
except:
st.error("Erreur chargement image")
else:
st.info("Aucune image disponible.")
# PAGE BASE DE DONNÉES
elif page == "🔍 Base de Données":
st.header("🔍 Exploration de la Base de Données")
df = app.load_data_from_db()
if df.empty:
st.warning("⚠️ Base de données vide.")
return
st.success(f"📊 **{len(df)} produits** en base de données")
# Filtres
st.subheader("🔎 Filtres de Recherche")
col1, col2 = st.columns(2)
with col1:
marques_filter = st.multiselect(
"Filtrer par marque",
options=sorted(df['marque'].dropna().unique())
)
types_filter = st.multiselect(
"Filtrer par type d'arnaque",
options=sorted(df['type_arnaque'].dropna().unique())
)
with col2:
super_filter = st.multiselect(
"Filtrer par supermarché",
options=sorted(df['supermarche'].dropna().unique())
)
avec_additifs = st.checkbox("Seulement produits avec additifs")
# Recherche textuelle
search = st.text_input("🔍 Recherche textuelle")
# Application des filtres
df_filtered = df.copy()
if marques_filter:
df_filtered = df_filtered[df_filtered['marque'].isin(marques_filter)]
if types_filter:
df_filtered = df_filtered[df_filtered['type_arnaque'].isin(types_filter)]
if super_filter:
df_filtered = df_filtered[df_filtered['supermarche'].isin(super_filter)]
if avec_additifs:
df_filtered = df_filtered[df_filtered['ingredients_problematiques'].notna() & (df_filtered['ingredients_problematiques'] != '')]
if search:
df_filtered = df_filtered[
df_filtered['nom_produit'].str.contains(search, case=False, na=False) |
df_filtered['description'].str.contains(search, case=False, na=False)
]
st.divider()
# Résultats
col1, col2 = st.columns([3, 1])
with col1:
st.subheader(f"📋 Résultats ({len(df_filtered)} produits)")
with col2:
if not df_filtered.empty:
csv_buffer = io.StringIO()
df_filtered.to_csv(csv_buffer, index=False)
st.download_button(
"📥 Export CSV",
csv_buffer.getvalue(),
f"foodwatch_export_{datetime.now().strftime('%Y%m%d_%H%M')}.csv",
"text/csv",
use_container_width=True
)
if not df_filtered.empty:
# Tableau
cols_display = ['nom_produit', 'marque', 'supermarche', 'type_arnaque', 'prix']
cols_labels = ['Produit', 'Marque', 'Supermarché', 'Type arnaque', 'Prix']
df_display = df_filtered[cols_display].copy()
df_display.columns = cols_labels
st.dataframe(df_display, use_container_width=True, height=400)
# Détail d'un produit
if len(df_filtered) > 0:
st.subheader("🔍 Détail d'un produit")
idx = st.selectbox(
"Sélectionner un produit",
range(len(df_filtered)),
format_func=lambda x: f"{df_filtered.iloc[x]['nom_produit']} - {df_filtered.iloc[x].get('marque', 'N/A')}"
)
if idx is not None:
product = df_filtered.iloc[idx]
col1, col2 = st.columns([1, 2])
with col1:
if product.get('url_image_original'):
try:
st.image(product['url_image_original'], caption="Image du produit", use_column_width=True)
except:
st.info("📷 Image non disponible")
else:
st.info("📷 Pas d'image")
with col2:
st.markdown(f"**🏷️ {product['nom_produit']}**")
st.write(f"**Marque:** {product.get('marque', 'N/A')}")
st.write(f"**Supermarché:** {product.get('supermarche', 'N/A')}")
st.write(f"**Type:** {product.get('type_arnaque', 'N/A')}")
st.write(f"**Prix:** {product.get('prix', 'N/A')}")
if product.get('ingredients_problematiques'):
st.error(f"⚠️ **Additifs:** {product['ingredients_problematiques']}")
else:
st.success("✅ Aucun additif problématique")
if product.get('description'):
with st.expander("📝 Description complète"):
st.write(product['description'])
else:
st.info("🔍 Aucun résultat pour ces filtres.")
# Footer
st.markdown("---")
st.markdown("""