import streamlit as st
import joblib
import pandas as pd
import re
import nltk
from nltk.corpus import stopwords
from nltk.stem.porter import PorterStemmer
import os

# --- Cài đặt và tải tài nguyên NLTK (quan trọng cho môi trường Docker) ---
# Tải stopwords vào thư mục con 'nltk_data'
# Điều này giúp Dockerfile dễ dàng sao chép và NLTK tìm thấy chúng
nltk_data_path = os.path.join(os.path.dirname(__file__), 'nltk_data')

# Đảm bảo thư mục tồn tại
os.makedirs(os.path.join(nltk_data_path, 'corpora'), exist_ok=True)
# Thêm đường dẫn này để NLTK tìm kiếm
nltk.data.path.append(nltk_data_path)

# Cố gắng tải stopwords
try:
    if not os.path.exists(os.path.join(nltk_data_path, 'corpora', 'stopwords')):
        nltk.download('stopwords', download_dir=nltk_data_path)
except Exception as e:
    st.error(f"Lỗi khi tải NLTK stopwords: {e}")
    st.stop() # Dừng ứng dụng nếu không tải được

# --- Tải mô hình ---
model = None
try:
    model_path = os.path.join(os.path.dirname(__file__), 'fake_news_model.pkl')
    model = joblib.load(model_path)
    st.success("Mô hình fake_news_model.pkl đã được tải thành công!")
except Exception as e:
    st.error(f"Lỗi khi tải mô hình: {e}. Vui lòng đảm bảo file mô hình nằm cùng thư mục với app.py.")
    st.stop() # Dừng ứng dụng nếu mô hình không tải được

# --- Khởi tạo Stemmer và Stopwords ---
ps = PorterStemmer()
# Đảm bảo NLTK tìm thấy stopwords từ đường dẫn đã chỉ định
try:
    stop_words = set(stopwords.words('english'))
except Exception as e:
    st.error(f"Lỗi khi tải stop words NLTK: {e}. Đảm bảo 'stopwords' đã được tải.")
    st.stop()

# --- Hàm tiền xử lý văn bản (PHẢI GIỐNG VỚI LÚC TRAIN) ---
def preprocess_text(text):
    if not isinstance(text, str):
        return ""
    text = text.lower()
    text = re.sub('[^a-zA-Z]', ' ', text)
    words = text.split()
    words = [ps.stem(word) for word in words if word not in stop_words]
    return ' '.join(words)

# --- Giao diện Streamlit ---
st.set_page_config(page_title="Phân biệt Tin tức Thật/Giả", layout="centered")

st.title("📰 Phân biệt Tin tức Thật/Giả")
st.markdown("Sử dụng mô hình AI để phân tích và xác định liệu một tin tức là thật hay giả.")

# Ô nhập tiêu đề
title_input = st.text_input("Tiêu đề tin tức:", placeholder="Nhập tiêu đề tin tức...")

# Ô nhập nội dung
content_input = st.text_area("Nội dung tin tức:", placeholder="Nhập toàn bộ nội dung tin tức...", height=250)

# Nút Analyze
if st.button("Phân tích"):
    if not title_input and not content_input:
        st.warning("Vui lòng nhập tiêu đề hoặc nội dung tin tức để phân tích.")
    elif model is None:
        st.error("Mô hình chưa sẵn sàng để phân tích. Vui lòng kiểm tra lại lỗi tải mô hình.")
    else:
        with st.spinner("Đang phân tích tin tức..."):
            combined_text = title_input + " " + content_input
            processed_text = preprocess_text(combined_text)

            try:
                # Giả định mô hình của bạn đã được huấn luyện để nhận một danh sách các chuỗi đã tiền xử lý
                # Nếu mô hình của bạn cần một TfidfVectorizer riêng, bạn cần tải nó và chuyển đổi processed_text
                prediction = model.predict([processed_text])[0]
                prediction_proba = model.predict_proba([processed_text])[0]

                # === ĐIỀU CHỈNH LOGIC Ở ĐÂY DỰA TRÊN 1=FAKE, 0=TRUE ===
                if prediction == 1: # Nếu prediction là 1, đó là TIN GIẢ
                    result_label = "Tin tức GIẢ"
                    color = "red"
                else: # Nếu prediction là 0, đó là TIN THẬT
                    result_label = "Tin tức THẬT"
                    color = "green"
                # =======================================================

                # Lấy độ tin cậy của lớp được dự đoán
                # Nếu prediction là 1 (FAKE), lấy xác suất của lớp 1
                # Nếu prediction là 0 (TRUE), lấy xác suất của lớp 0
                confidence = round(prediction_proba[prediction] * 100, 2)


                st.subheader("Kết quả phân tích:")
                st.markdown(f"<h3 style='color:{color};'>{result_label}</h3>", unsafe_allow_html=True)
                st.info(f"Độ tin cậy: **{confidence}%**")

            except Exception as e:
                st.error(f"Đã xảy ra lỗi trong quá trình dự đoán: {e}")

st.markdown("---")
st.markdown("Ứng dụng này được phát triển để mục đích minh họa và học tập.")