import streamlit as st
import os
import sys
import pandas as pd

sys.path.append(os.path.join(os.path.dirname(__file__), 'src'))

try:
    from analyzer import MedicalKnowledgeBase
    db_path = os.path.join("data", "medical_db.json")
    kb = MedicalKnowledgeBase(db_path)
except Exception as e:
    st.error(f"خطا در لود دیتابیس: {e}")
    st.stop()

st.set_page_config(
    page_title="سیستم هوشمند تحلیل آزمایش خون",
    page_icon="🩺",
    layout="wide"
)

st.markdown("""
    <style>
    .big-font { font-size:20px !important; font-weight: bold; color: #FF4B4B; }
    .success-msg { background-color: #d4edda; padding: 15px; border-radius: 10px; border-left: 5px solid #28a745; }
    .main-header { text-align: center; color: #2E86C1; }
    </style>
    """, unsafe_allow_html=True)

st.markdown('<h1 class="main-header">🩺 سیستم هوشمند تحلیل آزمایش خون</h1>', unsafe_allow_html=True)
st.markdown("---")

st.markdown('<p class="big-font">لطفاً تصویر آزمایش خون خود را انتخاب کنید:</p>', unsafe_allow_html=True)

uploaded_file = st.file_uploader("انتخاب عکس (JPG, PNG)", type=["jpg", "jpeg", "png"])

if uploaded_file is not None:
    st.image(uploaded_file, caption="پیش‌نمایش عکس", use_column_width=True)
    
    if st.button("🚀 شروع تحلیل هوشمند", type="primary"):
        temp_dir = "data/uploads"
        os.makedirs(temp_dir, exist_ok=True)
        temp_path = os.path.join(temp_dir, uploaded_file.name)
        
        with open(temp_path, "wb") as f:
            f.write(uploaded_file.getbuffer())
        
        status_placeholder = st.empty()
        
        try:
            # لود مدل‌ها
            status_placeholder.info("⏳ در حال بارگذاری سیستم OCR...")
            from ocr_reader import OCRReader
            from lab_extractor import LabDataExtractor
            from analyzer import BloodAnalyzer
            from ai_doctor import AIDoctor
            
            ocr = OCRReader()
            extractor = LabDataExtractor()
            analyzer = BloodAnalyzer(kb)
            ai_doctor = AIDoctor()
            
            # پردازش
            status_placeholder.info("👁️ در حال خواندن متن از عکس...")
            raw_text = ocr.extract_text(temp_path)
            
            status_placeholder.info("🔍 در حال استخراج اعداد...")
            extracted_data = extractor.extract_all(raw_text)
            
            if not extracted_data:
                st.error("❌ سیستم نتوانست اعداد را پیدا کند.")
            else:
                status_placeholder.info("🧠 در حال تحلیل با هوش مصنوعی...")
                
                # دریافت سن از متن
                patient_age = extractor.get_patient_age(raw_text)
                
                # تحلیل جدولی با ارسال سن
                report = analyzer.generate_full_report(extracted_data, gender="male", age=patient_age)
                
                # دکتر هوشمند با ارسال سن
                doctor_note = ai_doctor.generate_explanation(report, patient_gender="male", patient_age=patient_age)
                
                status_placeholder.empty()
                st.success("✅ تحلیل کامل شد!")
                
                tab1, tab2 = st.tabs(["📊 جدول نتایج", "👨‍⚕️ توضیحات دکتر هوشمند"])
                
                with tab1:
                    df = pd.DataFrame(report)
                    def get_status(status):
                        return "✅ نرمال" if status == "NORMAL" else "⚠️ غیرنرمال"
                    df['وضعیت'] = df['status'].apply(get_status)
                    df_view = df[['name_fa', 'value', 'unit', 'وضعیت', 'message']]
                    df_view.columns = ['نام آزمایش', 'مقدار', 'واحد', 'وضعیت', 'تشخیص']
                    st.dataframe(df_view, use_container_width=True)
                
                with tab2:
                    st.markdown(f"<div class='success-msg'>{doctor_note}</div>", unsafe_allow_html=True)

        except Exception as e:
            status_placeholder.error(f"❌ خطا در فرایند تحلیل: {str(e)}")
            st.exception(e)
else:
    st.warning("⚠️ لطفاً ابتدا یک عکس آپلود کنید.")