app.py

import gradio as gr
from models.space_a import summarize_question
from models.space_b import generate_mentalqa_answer
from models.space_er import extract_entities
from models.space_classify import classifyA, classifyQ

# CSS styling with layout control
css = """
.rtl {
    direction: rtl;
    text-align: right;
}
.sidebar-box {
    background-color: #f2f2f2;
    padding: 16px;
    border-radius: 8px;
}

/* Desktop: move sidebar to right */
@media (min-width: 769px) {
  #main-layout {
    flex-direction: row-reverse !important;
  }
}
"""

with gr.Blocks(css=css) as demo:

    with gr.Row(elem_id="main-layout"):
        # Sidebar
        with gr.Column(scale=1):
            with gr.Group(elem_classes="sidebar-box rtl"):
                gr.Markdown("### القائمة الجانبية", elem_classes="rtl")

                task_type = gr.Radio(
                    choices=[
                        ("تصنيف الأسئلة والأجوبة", "classification"),
                        ("التعرف على الكيانات", "entity_recognition"),
                        ("الإجابة على الأسئلة", "question_answering"),
                        ("تلخيص النصوص", "summarization")
                    ],
                    label="اختر نوع المهمة",
                    elem_classes="rtl"
                )

                with gr.Group(visible=False) as classify_box:
                    classify_type = gr.Radio(
                        choices=["تصنيف سؤال", "تصنيف إجابة"],
                        label="نوع التصنيف",
                        elem_classes="rtl"
                    )

        # Main content
        with gr.Column(scale=3):
            gr.Markdown("### 🧠 تجربة منصة الصحة النفسية", elem_classes="rtl")
            text_input = gr.Textbox(label="أدخل النص هنا لتحليله", lines=7, elem_classes="rtl")
            analyze_btn = gr.Button("ابدأ التحليل", elem_classes="rtl")
            output_table = gr.Dataframe(headers=["النص", "التصنيف"], visible=False)
            output_text = gr.Textbox(label="النتيجة", elem_classes="rtl", visible=True)
            gr.Markdown(
                "**⚠️ تقدم هذه المنصة دعمًا نفسيًا آليًا، لا تُعد بديلاً عن التشخيص، أو العلاج، أو الاستشارة الطبية المتخصصة.**",
                elem_classes="rtl"
            )

    def toggle_classification(task_choice):
        return gr.update(visible=(task_choice == "classification"))

    task_type.change(
        toggle_classification,
        inputs=task_type,
        outputs=classify_box
    )

    def analyze(text, task, classify=None):
        if not text.strip():
            return "❗ الرجاء إدخال نص للتحليل."

        try:
            if task == "summarization":
                return summarize_question(text)

            elif task == "entity_recognition":
                return extract_entities(text)

            elif task == "question_answering":
                return generate_mentalqa_answer(text)

            elif task == "classification":
                if classify == "تصنيف سؤال":
                    result = classifyQ(text)
                    tags = [tag.strip() for tag in result.split(",") if tag.strip()]
                    return "📌 تصنيف السؤال: تم تصنيف السؤال إلى العناصر التالية:\n" + "\n".join([f"- {tag}" for tag in tags]) if tags else "📌 لم يتم تصنيف السؤال إلى أي عنصر واضح."

                elif classify == "تصنيف إجابة":
                    result = classifyA(text)
                    tags = [tag.strip() for tag in result.split(",") if tag.strip()]
                    return "📌 تصنيف الإجابة: تم استخدام الاستراتيجيات التالية:\n" + "\n".join([f"- {tag}" for tag in tags]) if tags else "📌 لم يتم تصنيف أي استراتيجية واضحة في الإجابة."

                else:
                    return "❌ يرجى اختيار نوع التصنيف."

            elif task in ["adverse_drug_reaction", "relation_extraction"]:
                return "❌ هذا النموذج غير متاح حالياً. سيتم إضافته لاحقاً."

            else:
                return "❌ المهمة غير مدعومة حالياً."

        except Exception as e:
            return f"⚠️ حدث خطأ أثناء التحليل: {str(e)}"

    def route_output(text, task, classify):
        result = analyze(text, task, classify)

        if task == "entity_recognition":
            if isinstance(result, list) and len(result) > 0:
                return gr.update(value=result, visible=True), gr.update(visible=False)
            else:
                return gr.update(visible=False), gr.update(value="⚠️ لم يتم التعرف على أي كيان", visible=True)
        else:
            return gr.update(visible=False), gr.update(value=result, visible=True)

    analyze_btn.click(
        route_output,
        inputs=[text_input, task_type, classify_type],
        outputs=[output_table, output_text]  # ✅ ترتيب المخرجات الصحيح
    )

demo.launch()