app.py

import requests
from bs4 import BeautifulSoup
import json
import re
import pandas as pd
from io import BytesIO
from collections import namedtuple
import numpy as np
import streamlit as st
from groq import Groq

def clean_text(text):
    return re.sub(r'\s+', ' ', text).strip()

def formatta_numero(stringa):
    stringa = stringa.split(',')[0]
    stringa = stringa.replace(".", "").replace("da", "").replace("€", "").replace("%","").replace("m²", "").replace("locali", "").strip()
    stringa = stringa.split(' ')[0]
    return stringa

# Estrae le informazioni dagli ANNUNCI
def extract_info(provincia, comune, prezzo_medio_mq, listing):
    info = {}
    superficie = ""
    locali = ""
    info['Provincia'] = provincia
    info['Comune'] = comune
    price_elem = listing.find('div', class_='in-listingCardPrice')
    prezzo = clean_text(price_elem.text) if price_elem else ""
    link_elem = listing.find('a', class_='in-listingCardTitle')
    if link_elem:
        link = link_elem['href']
        titolo = link_elem.text.strip()
    feature_list = listing.find('div', class_='in-listingCardFeatureList')
    if feature_list:
        for item in feature_list.find_all('div', class_='in-listingCardFeatureList__item'):
            use_elem = item.find('use', class_='nd-icon__use')
            if use_elem:
                if use_elem.get('xlink:href') == '#planimetry':
                    locali = item.find('span').text.strip()                  
                elif use_elem.get('xlink:href') == '#size':
                    superficie = item.find('span').text.strip()  
    image_url = ""
    img = listing.find('figure', class_='nd-figure nd-ratio in-photo')
    if img:
        image_url = img.find('img')['src']   
    
    superficie = formatta_numero(superficie)
    locali = formatta_numero(locali)
    prezzo = formatta_numero(prezzo)
    info['Immagine'] = image_url
    info['Titolo'] = titolo
    info['Prezzo'] =  int(prezzo)
    info['Superficie'] = int(superficie)
    try:
        prezzo_numerico = int(prezzo)
        superficie_numerica = int(superficie)
        info['PrezzoMq'] = prezzo_numerico // superficie_numerica 
        prezzo_medio_mq = formatta_numero(prezzo_medio_mq)
        prezzo_medio_mq_numerico = int(prezzo_medio_mq)
        differenza = prezzo_medio_mq_numerico - info['PrezzoMq']
        vantaggio = (differenza / prezzo_medio_mq_numerico) * 100
        vantaggio = max(0, vantaggio)
        vantaggio = int(vantaggio)
    except (ValueError, ZeroDivisionError):
        info['PrezzoMq'] = 0
        vantaggio = 0
    info['Locali'] = int(locali)
    info['Link'] = link
    info['PrezzoMedioMq'] = int(prezzo_medio_mq)
    info['Vantaggio'] = vantaggio
    if info['PrezzoMq']< int(prezzo_medio_mq) and info['PrezzoMq']>0:
        info['Vantaggioso'] = True
    else:
        info['Vantaggioso'] = False
    return info

# Legge gli ANNUNCI (pagina x pagina) sulla base del COMUNE di appartenenza
def scrape_immobiliare(provincia, comune, prezzo_medio_mq, prezzo_minimo, prezzo_massimo, locali_minimo, locali_massimo):
    print(provincia + " " + comune + " " + prezzo_medio_mq)
    comune_url = comune.replace(" ", "-")
    if tipologia_case == "Asta Immobiliare":
        tipologia_url = "aste-immobiliari"
    else: 
        tipologia_url = "vendita-case"
    base_url = f"https://www.immobiliare.it/{tipologia_url}/{comune_url}/?prezzoMinimo={prezzo_minimo}&prezzoMassimo={prezzo_massimo}&localiMinimo={locali_minimo}&localiMassimo={locali_massimo}&random=123456"
    results = []
    page = 1
    url = base_url
    while True:
        print(f'Elaborazione pagina {page}')
        response = requests.get(url)
        soup = BeautifulSoup(response.content, 'html.parser')
        listings = soup.find_all('li', class_='nd-list__item in-searchLayoutListItem')
        if not listings:
            break
        for listing in listings:
            results.append(extract_info(provincia, comune, prezzo_medio_mq, listing))
        pagination = soup.find('div', class_='in-pagination__list')
        if pagination:
            next_page = pagination.find('a', class_='in-pagination__item', string=lambda text: text and text.strip().isdigit())
            if not next_page:
                break
        page += 1
        url = base_url + '&pag=' + str(page)

    return json.dumps(results, ensure_ascii=False, indent=2)

# Restituisce l'elenco dei COMUNI di una Provincia e il PREZZO MEDIO
def get_elenco_comuni(provincia):
    base_url = f"https://www.immobiliare.it/mercato-immobiliare/lombardia/{provincia}-provincia/"
    results = []
    print(f'Lettura Comuni e Prezzo Medio al Mq')
    response = requests.get(base_url)
    soup = BeautifulSoup(response.content, 'html.parser')
    rows = soup.find_all('tr', class_='nd-table__row')
    results = []
    for row in rows:
        cells = row.find_all('td', class_='nd-table__cell')
        if len(cells) >= 2:
            comune = cells[0].get_text(strip=True)
            prezzo_vendita = cells[1].get_text(strip=True)
            results.append({
                'provincia': provincia,
                'comune': comune,
                'prezzo': prezzo_vendita
            })
    return results 

st.set_page_config(layout="wide")
st.title('🏠 Immobiliare A.I. ')
st.write("##### Il tuo assistente di intelligenza artificiale per la ricerca di occasioni immobiliari")
with st.expander("Informazioni"):
    st.write("Immobiliare A.I. è la webapp che semplifica la ricerca di immobili, grazie a algoritmi avanzati che calcolano il vantaggio di ogni offerta. Trova le migliori occasioni sul mercato con analisi precise e personalizzate. Scopri l’immobile giusto per te con facilità e sicurezza!")
    
cerca_premuto = False
comuni_provincia = {}

with st.sidebar: 
    if "numero_immobili_validi" not in st.session_state:
        st.numero_immobili_validi = 0
    comuni_provincia_Brescia = get_elenco_comuni('Brescia')
    comuni_provincia_Bergamo = get_elenco_comuni('Bergamo')
    comuni_provincia = comuni_provincia_Brescia + comuni_provincia_Bergamo
    st.title("Filtri")
    
    tipologia_case = st.selectbox("Tipologia", ("Acquisto Immobile", "Asta Immobiliare"))    
    elenco = [d['comune'] for d in comuni_provincia]
    comune_input = st.multiselect(
        "Comuni",
        elenco
    )
    prezzo_minimo = st.sidebar.slider("Prezzo Minimo", min_value=0, max_value=1000, value=200)
    prezzo_massimo = st.sidebar.slider("Prezzo Massimo", min_value=0, max_value=1000, value=230)
    locali = list(range(1, 21))  # Intervallo da 1 a 10
    locali_range = st.sidebar.select_slider(
        "Locali",
        options=locali,
        value=(locali[2], locali[4])  # Valore iniziale, da 1 a 5 locali
    )
    mostra_grafici = st.toggle("Mostra grafici", value = True)
    analisi_ai = st.toggle("Analizza i dati tramite l'A.I.", value = True)

    locali_minimo, locali_massimo = locali_range
    prezzo_minimo = prezzo_minimo*1000
    prezzo_massimo = prezzo_massimo*1000
    cerca_premuto = st.button("Cerca", use_container_width=True, type='primary')

def scrivi_dataframe(output, riepilogo):
    if len(output) > 0: 
        st.numero_immobili_validi = st.numero_immobili_validi + 1
        if not riepilogo:
            st.write(f"### {comune_provincia['comune']}")
        df = pd.DataFrame(output)
        df_originale = df.sort_values(by=["Vantaggio", "PrezzoMq"], ascending=[False, True])
        if not riepilogo:
            columns_to_display = ["Vantaggioso", "Vantaggio", "Immagine", "Titolo", "PrezzoMq", "Prezzo", "Superficie", "Locali", "PrezzoMedioMq", "Link"]
        else:
            columns_to_display = ["Vantaggioso", "Vantaggio", "Immagine", "Comune", "Titolo", "PrezzoMq", "Prezzo", "Superficie", "Locali", "PrezzoMedioMq", "Link"]
            
        df = df_originale[columns_to_display]
        df = df.style.format(thousands='.') 
        vantaggioso_count = df_originale["Vantaggioso"].sum()
        total_rows = df_originale.shape[0]

        if mostra_grafici: 
            col1, col2, col3 = st.columns(3)
            with col1: 
                vantaggioso_count = df_originale["Vantaggioso"].sum()
                total_rows = df_originale.shape[0]
                st.metric("Numero Immobili", int(total_rows), int(vantaggioso_count))
                st.write('Prezzo Totale')
                chart_data = df_originale["Prezzo"]
                st.line_chart(chart_data, color = "#FF4B4B", height=110)

            with col2:
                vantaggioso_count = df_originale["Vantaggioso"].sum()
                total_rows = df_originale.shape[0]
                st.metric("% Immobili Vantaggiosi", int((vantaggioso_count/total_rows)* 100), 100-int((vantaggioso_count/total_rows)* 100))
                st.write('Locali')
                immobili_per_locali = df_originale.sort_values(by=["Locali"], ascending=[True]).groupby("Locali").size()
                st.bar_chart(immobili_per_locali, color = "#ffb7b7", height=110)
                
            with col3: 
                superficie_count = df_originale["Superficie"].sum()
                total_rows = df_originale.shape[0]
                st.metric("Media Superficie", int(superficie_count//total_rows), int(superficie_count))
                st.write('Prezzo Medio al Metro Quadro')
                chart_data = df_originale["PrezzoMq"]
                st.area_chart(chart_data, color = "#FF4B4B", height=110)
                        
        st.dataframe(df, hide_index=True, use_container_width=True, 
                    column_config ={
                        "Vantaggioso": st.column_config.CheckboxColumn("Vantaggioso"), 
                        "Vantaggio": st.column_config.ProgressColumn(
                            "Punteggio",
                            help="Vantaggio in %",
                            format='%f',
                            min_value=0,
                            max_value=100,
                        ),
                        "Immagine": st.column_config.ImageColumn("Anteprima", help="Anteprima", width="small"),
                        "PrezzoMq": "€/Mq",
                        "PrezzoMedioMq": "Media €/Mq",
                        "Prezzo": st.column_config.NumberColumn(
                                    "Prezzo Totale",
                                    help="Il prezzo totale dell'immobile in EURO",
                                    step=1,
                                    format="%d €",
                                ),
                        "Superficie": "Superficie",
                        "Locali": "Locali",
                        "Link": st.column_config.LinkColumn("App URL")
                    })    
        st.write(f"Riepilogando nel comune {comune_provincia['comune']} sono presenti **{vantaggioso_count} Immobili vantaggiosi** rispetto ai {total_rows} totali")
        st.divider()


def  analizza_dati_ai(output):
    Ak = "XXXXgsk_COQPhsuaXqvuCkKPryiQWGdyb3FYCHBSIcn30wk3ZZay8WYC6tpIXXXX"
    client = Groq(api_key=Ak)
    prompt_messages = [
        {
            "role": "system",
            "content": "Sei un'assistente virtuale specializzata nel supporto agli investitori immobiliari. Il tuo compito è analizzare i dati di un file CSV contenente un elenco di immobili e fornire consigli, idee e analisi dettagliate per massimizzare il profitto attraverso la riqualificazione e rivendita degli stessi. Devi considerare vari fattori come la posizione degli immobili, il prezzo di acquisto, il potenziale valore di mercato post-riqualificazione, i costi stimati per la ristrutturazione e altri dati pertinenti. Il tuo obiettivo è offrire suggerimenti strategici basati sui dati, evidenziare le migliori opportunità di investimento, identificare eventuali rischi, e fornire consigli pratici per ottimizzare i profitti. Rispondi in modo chiaro, conciso e professionale."
        },
        {
            "role": "user",
            "content": f"Ho un file CSV con un elenco di immobili che sto considerando per un investimento. Vorrei che tu analizzassi i dati e mi fornissi consigli dettagliati su come posso massimizzare il mio profitto attraverso la riqualificazione e la rivendita di questi immobili. Per ogni immobile, per favore prendi in considerazione i seguenti aspetti:\n\n1. Valore attuale: Quanto vale l'immobile al momento dell'acquisto?\n2. Costi di riqualificazione stimati: Quanto potrebbe costare la ristrutturazione o la riqualificazione?\n3. Valore di mercato potenziale: Quanto potrebbe valere l'immobile una volta riqualificato?\n4. Rendimento potenziale: Qual è il margine di profitto previsto, tenendo conto dei costi totali?\n5. Tempistica di rivendita: In quanto tempo è probabile che l'immobile venga venduto una volta riqualificato?\n6. Analisi del mercato locale: Qual è la situazione del mercato immobiliare nella zona specifica? Ci sono trend emergenti?\n7. Rischi potenziali: Quali sono i possibili rischi o svantaggi legati a ciascun immobile?\nInfine, suggeriscimi le migliori opportunità di investimento tra gli immobili elencati, con una breve spiegazione del motivo per cui questi immobili sono i più promettenti.\n\n{output}"  
        }
    ]
    response_area = st.empty()
    completion = client.chat.completions.create(
        model="llama-3.1-70b-versatile",
        messages=prompt_messages,
        temperature=1,
        max_tokens=1024,
        top_p=1,
        stream=True,
        stop=None,
    )
    response_text = ""
    for chunk in completion:
        response_text += chunk.choices[0].delta.content or ""
        response_area.text(response_text)    

if cerca_premuto: 
    if len(comune_input)>0:
        comuni_selezionati = comune_input
        comuni_selezionati = [comune.upper() for comune in comuni_selezionati]
        output = []
        output_singolo = []
        for comune_provincia in comuni_provincia:
            if comune_provincia['comune'].upper() in comuni_selezionati:
                with st.spinner(f"Ricerca Immobili Comune: {comune_provincia['comune']}"):
                    output_singolo = json.loads(scrape_immobiliare(comune_provincia['provincia'], 
                                                                    comune_provincia['comune'], 
                                                                    comune_provincia['prezzo'], 
                                                                    prezzo_minimo, 
                                                                    prezzo_massimo, 
                                                                    locali_minimo, 
                                                                    locali_massimo))
                    scrivi_dataframe(output_singolo, False)
                    output += output_singolo
        if len(comuni_selezionati)>1 and st.numero_immobili_validi>1:
            st.write(f"### Comuni Selezionati")
            scrivi_dataframe(output, True)
        if st.numero_immobili_validi > 0 and analisi_ai:  
            analizza_dati_ai(output)        
        st.success("Elaborazione Completata")
    else:
        st.error("Per favore, inserisci il nome di un comune.")