modules/radar.py

import streamlit as st # type: ignore
import requests # type: ignore
import json
import os
from datetime import datetime
import google.generativeai as genai # type: ignore

# Importujeme náš nový Mozek!
from modules.venegard_brain import get_gemini_model, build_prompt

def render_radar_tab(db, scrape_website, extract_pdf_text, uploaded_file):
    """Vykreslí UI a logiku pro záložku Radar."""
    
    # Načtení jazyka rozhraní (pokud chybí, dáme CZ)
    ui_lang = st.session_state.get("ui_lang", "CZ")
    
    # Překlady pro záložku Radar
    t = {
        "CZ": {
            "title": "Auto-Prospector Engine",
            "subtitle": "Objevujte a prioritizujte reálné firmy, které odpovídají vašemu cílovému profilu, pomocí živého vyhledávání a AI skórování.",
            "profile_lbl": "Cílový profil",
            "profile_ph": "např. Stavební firmy ve Zlíně",
            "count_lbl": "Počet výsledků",
            "btn": "Spustit analýzu trhu",
            "stat_query": "Hledám reálné firmy přes Google SERP API a filtruji katalogy…",
            "err_no_res": "Nebyly nalezeny žádné relevantní firmy (mimo katalogy). Upravte zadání a zkuste to znovu.",
            "stat_found": "Nalezeno {} čistých firemních webů. Spouštím hloubkovou analýzu…",
            "stat_analyzing": "Analyzuji {}/{}: {}...",
            "stat_done": "Skenování trhu dokončeno. Výsledky jsou seřazeny.",
            "toast": "Leady byly uloženy do CRM.",
            "err_title": "Chyba při hledání",
            "err_desc": "Chyba při zpracování:",
            "lbl_open": "Otevřít web",
            "lbl_score": "Skóre webu:",
            "lbl_fit": "Shoda (Potenciál pro Venegard):",
            "lbl_reason": "Analýza:"
        },
        "EN": {
            "title": "Auto-Prospector Engine",
            "subtitle": "Discover and prioritise real companies that match your target profile using live search and AI scoring.",
            "profile_lbl": "Target profile",
            "profile_ph": "e.g. Construction companies in Zlín",
            "count_lbl": "Result count",
            "btn": "Initialize Market Scan",
            "stat_query": "Querying live companies & filtering directories…",
            "err_no_res": "No direct company websites detected. Adjust the query and try again.",
            "stat_found": "Detected {} clean company websites. Running deep-fit analysis…",
            "stat_analyzing": "Analyzing {}/{}: {}...",
            "stat_done": "Market scan completed. Results sorted.",
            "toast": "Leads have been persisted to CRM.",
            "err_title": "Search error",
            "err_desc": "Processing error:",
            "lbl_open": "Open website",
            "lbl_score": "Web Score:",
            "lbl_fit": "Fit (Venegard Potential):",
            "lbl_reason": "Analysis:"
        }
    }[ui_lang]

    st.markdown("<br>", unsafe_allow_html=True)
    st.markdown(
        f"""
        <h2 style="margin-bottom: 0.5rem;">{t['title']}</h2>
        <p style="color:#9CA3AF; font-size:0.9rem; max-width:640px;">
            {t['subtitle']}
        </p>
        """,
        unsafe_allow_html=True,
    )
    st.markdown("<br>", unsafe_allow_html=True)
    
    col_r1, col_r2 = st.columns([3, 1])
    with col_r1:
        target_niche = st.text_input(t['profile_lbl'], placeholder=t['profile_ph'], key="radar_niche")
    with col_r2:
        num_results = st.selectbox(t['count_lbl'], [5, 10, 15], index=0)
        
    submit_radar = st.button(t['btn'], key="btn_radar")

    if submit_radar and target_niche:
        with st.status(t['stat_query'], expanded=True) as status:
            serp_key = os.getenv("SERPAPI_KEY")
            search_url = f"https://serpapi.com/search?q={target_niche}&api_key={serp_key}&engine=google&num=40"
            
            try:
                search_res = requests.get(search_url).json()
                raw_results = search_res.get("organic_results", [])
                
                # --- ANTI-KATALOGOVÝ FILTR ---
                blocked_domains = [
                    'firmy.cz', 'najisto.cz', 'zlatestranky.cz', 'edb.cz', 'kurzy.cz', 
                    'penize.cz', 'justice.cz', 'facebook.com', 'instagram.com', 
                    'linkedin.com', 'twitter.com', 'youtube.com', 'yelp.', 
                    'tripadvisor.', 'foursquare.com', 'katalog', 'rejstrik', 
                    'seznam.cz', 'google.com', 'firmy-cesko.cz', 'detail.cz'
                ]
                
                clean_results = []
                for res in raw_results:
                    link = res.get("link", "").lower()
                    if not any(bad_domain in link for bad_domain in blocked_domains):
                        clean_results.append(res)
                    if len(clean_results) >= num_results:
                        break
                
                results = clean_results
                
                if not results:
                    st.error(t['err_no_res'])
                    st.stop()
                
                status.update(label=t['stat_found'].format(len(results)), state="running")
                
                pdf_context = extract_pdf_text(uploaded_file) if uploaded_file else ""
                model = get_gemini_model()
                
                # Sem si budeme ukládat analyzované firmy, abychom je mohli seřadit
                analyzed_companies = []
                
                for idx, res in enumerate(results):
                    company_link = res.get("link")
                    company_title = res.get("title")
                    
                    status.update(label=t['stat_analyzing'].format(idx+1, len(results), company_title))
                    real_web_content = scrape_website(company_link)
                    
                    lang_instruction = "Češtině" if ui_lang == "CZ" else "Angličtině (English)"
                    
                    # PŘÍSNÝ PROMPT S VYNUCENOU DÉLKOU ANALÝZY
                    task = f'''Jsi B2B akviziční analytik pro digitální agenturu Venegard (stavíme prémiové weby a AI infrastrukturu).
                    Ohodnoť web tohoto potenciálního klienta podle těchto kritérií:
                    1. "score_celkove" (0-100): Objektivní stav jejich současného webu (100 = prémiový moderní design, 0 = zastaralá hrůza).
                    2. "score_fit" (0-100): Jak moc POTŘEBUJÍ naše služby? (100 = mají peníze/jsou velcí, ale mají tragický web = ideální cíl. 0 = už mají dokonalý web nebo je to konkurence). Buď přísný!
                    3. "duvod": Napiš PŘESNĚ 2 ROZVITÉ VĚTY (zhruba 30 až 40 slov celkem). Musí to vizuálně zabrat zhruba dva plné řádky textu. Co přesně je na webu špatně a proč jim můžeme pomoct. Žádná zbytečná omáčka.

                    Vrať POUZE validní JSON ve formátu (bez markdown bloku). Texty musí být v {lang_instruction}:
                    {{"score_celkove": 40, "score_fit": 95, "duvod": "Web působí velmi zastarale, chybí mu moderní konverzní prvky a nereprezentuje skutečnou velikost firmy. Vzhledem k jejich zjevnému kapitálu je to ideální klient pro komplexní redesign a nasazení AI automatizace, která je okamžitě odliší od konkurence."}}'''
                    
                    prompt = build_prompt(
                        task_specific_prompt=task,
                        target_client_data=f"Reálný web klienta ({company_title}): {real_web_content}",
                        extra_context=pdf_context
                    )
                    
                    try:
                        ai_res = model.generate_content(prompt, generation_config=genai.GenerationConfig(temperature=0.3))
                        clean_json = ai_res.text.replace("```json", "").replace("```", "").strip()
                        data = json.loads(clean_json)
                    except Exception as ai_err:
                        # Pokud AI selže na špatném webu, dáme tam fallback, ať to neshodí celý běh
                        data = {"score_celkove": 50, "score_fit": 50, "duvod": "Web se nepodařilo detailně zanalyzovat. Může se jednat o technickou chybu nebo blokaci na straně klienta."}
                    
                    analyzed_companies.append({
                        "title": company_title,
                        "link": company_link,
                        "score_celkove": data.get("score_celkove", 50),
                        "score_fit": data.get("score_fit", 50),
                        "duvod": data.get("duvod", "")
                    })
                
                # --- ŘAZENÍ OD NEJHORŠÍHO SKÓRE WEBU PO NEJLEPŠÍ ---
                analyzed_companies.sort(key=lambda x: x["score_celkove"])

                # --- VYKRESLENÍ SEŘAZENÝCH A ODDĚLENÝCH VÝSLEDKŮ ---
                for idx, comp in enumerate(analyzed_companies):
                    with st.container():
                        # Čára pro vizuální oddělení (kromě prvního)
                        if idx > 0:
                            st.markdown("<hr style='margin: 2.5rem 0; border-color: #1F2937;'>", unsafe_allow_html=True)
                            
                        st.markdown(f'<div class="result-box">', unsafe_allow_html=True)
                        st.markdown(f"<h4>{comp['title']}</h4>", unsafe_allow_html=True)
                        st.markdown(f"[{t['lbl_open']}]({comp['link']})")
                        rc1, rc2 = st.columns(2)
                        with rc1:
                            st.markdown(f"**{t['lbl_score']}** {comp['score_celkove']}/100")
                            st.progress(comp['score_celkove'] / 100)
                        with rc2:
                            st.markdown(f"**{t['lbl_fit']}** {comp['score_fit']}%")
                            st.progress(comp['score_fit'] / 100)
                        
                        st.markdown(f"**{t['lbl_reason']}** {comp['duvod']}")
                        st.markdown('</div>', unsafe_allow_html=True)
                        
                        # Ukládání do CRM
                        record = {
                            "Autor": st.session_state.get("username", "Jan"),
                            "Datum": datetime.now().strftime("%d.%m.%Y"),
                            "Nástroj": "Radar",
                            "Firma": comp['title'],
                            "URL": comp['link'],
                            "Analýza": comp['duvod']
                        }
                        st.session_state.crm_data.append(record)
                        db.add_record(record)
                
                status.update(label=t['stat_done'], state="complete", expanded=False)
                st.toast(t['toast'])
            except Exception as e:
                status.update(label=t['err_title'], state="error")
                st.error(f"{t['err_desc']} {e}")