import streamlit as st
import numpy as np
from sentence_transformers import SentenceTransformer, util
import openai
from datetime import datetime

# --- НАСТРОЙКИ СТРАНИЦЫ ---
st.set_page_config(layout="wide", page_title="SEO Intent Analyzer Pro")

# --- КЭШИРОВАНИЕ МОДЕЛИ (Чтобы не загружать 400мб каждый раз) ---
@st.cache_resource
def load_model():
    return SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2')

try:
    model = load_model()
except Exception as e:
    st.error(f"Ошибка загрузки модели: {e}")

# --- ИНТЕРФЕЙС: БОКОВАЯ ПАНЕЛЬ ---
st.sidebar.title("⚙️ Настройки")

language = st.sidebar.selectbox(
    "Язык анализа",
    ["English", "Hindi", "Spanish", "Bengali"]
)

api_key = st.sidebar.text_input("OpenAI API Key (для рекомендаций)", type="password")
target_keyword = st.sidebar.text_input("Целевой Интент / Ключ", "online casino guide")

st.sidebar.markdown("---")
st.sidebar.info("Загрузите тексты конкурентов и свой текст, затем нажмите 'Анализировать'.")

# --- ИНТЕРФЕЙС: ОСНОВНАЯ ЧАСТЬ ---
st.title("🚀 Анализатор Интента (SBERT + AI)")

col1, col2 = st.columns(2)

with col1:
    st.subheader("📝 Ваш Текст")
    user_text = st.text_area("Вставьте ваш контент сюда", height=400)

with col2:
    st.subheader("🕵️ Конкуренты")
    # Используем табы для конкурентов, чтобы не загромождать экран
    tabs = st.tabs([f"Конкурент {i+1}" for i in range(5)]) 
    competitors = []
    
    for i, tab in enumerate(tabs):
        with tab:
            comp_text = st.text_area(f"Текст конкурента {i+1}", height=320, key=f"comp_{i}")
            if len(comp_text) > 50:
                competitors.append(comp_text)

# --- ЛОГИКА АНАЛИЗА ---
if st.button("🚀 ЗАПУСТИТЬ АНАЛИЗ", type="primary"):
    if not user_text:
        st.warning("Пожалуйста, введите ваш текст.")
    elif not competitors:
        st.warning("Пожалуйста, добавьте хотя бы одного конкурента.")
    else:
        with st.spinner('Загрузка нейросети и сравнение векторов...'):
            # 1. Анализ SBERT
            user_emb = model.encode(user_text, convert_to_tensor=True)
            comp_embs = [model.encode(c, convert_to_tensor=True) for c in competitors]
            
            # Средний вектор конкурентов
            avg_comp_emb = np.mean([c.cpu().numpy() for c in comp_embs], axis=0)
            
            # Сходство
            similarity = util.cos_sim(user_emb, avg_comp_emb).item() * 100
            
            # 2. Поиск упущенных аспектов (Gap Analysis)
            user_sentences = user_text.split('.')
            # Собираем все предложения конкурентов в кучу
            comp_sentences_flat = []
            for c in competitors:
                comp_sentences_flat.extend([s for s in c.split('.') if len(s) > 30])
            
            # Кодируем предложения
            user_sent_embs = model.encode(user_sentences, convert_to_tensor=True)
            comp_sent_embs = model.encode(comp_sentences_flat, convert_to_tensor=True)
            
            # Матрица схожести
            cos_scores = util.cos_sim(comp_sent_embs, user_sent_embs)
            
            missing_aspects = []
            # Если предложение конкурента не похоже ни на одно наше (score < 0.45)
            for idx, scores in enumerate(cos_scores):
                if scores.max() < 0.45:
                    missing_aspects.append(comp_sentences_flat[idx].strip())
            
            # Убираем дубли и берем топ-5
            missing_aspects = list(set(missing_aspects))[:5]
            
            # 3. AI Рекомендации
            recommendations = []
            if api_key and missing_aspects:
                openai.api_key = api_key
                status_text = st.empty()
                status_text.text("Генерация рекомендаций через GPT...")
                
                for aspect in missing_aspects:
                    prompt = f"""
                    Role: Expert SEO Copywriter.
                    Language: {language}.
                    Task: My competitors mention: "{aspect}", but I missed it.
                    Action: Write a paragraph (HTML format) to insert into my article to cover this topic.
                    """
                    try:
                        response = openai.ChatCompletion.create(
                            model="gpt-3.5-turbo",
                            messages=[{"role": "user", "content": prompt}],
                            max_tokens=300
                        )
                        recommendations.append(response.choices[0].message.content)
                    except Exception as e:
                        st.error(f"AI Error: {e}")
                status_text.empty()

            # --- ВЫВОД РЕЗУЛЬТАТОВ ---
            st.divider()
            st.header("📊 Результаты Анализа")
            
            # Метрики
            m1, m2, m3 = st.columns(3)
            m1.metric("Сходство с Топом", f"{similarity:.1f}%")
            m2.metric("Длина вашего текста", f"{len(user_text.split())} слов")
            m3.metric("Среднее у конкурентов", f"{int(np.mean([len(c.split()) for c in competitors]))} слов")
            
            # Визуализация прогресса
            st.write("Шкала раскрытия интента:")
            st.progress(min(int(similarity), 100))
            
            # Таблица сравнения
            col_res1, col_res2 = st.columns(2)
            
            with col_res1:
                st.subheader("⚠️ Упущенные аспекты (Gaps)")
                if missing_aspects:
                    for gap in missing_aspects:
                        st.error(f"У конкурентов: \"{gap}\"")
                else:
                    st.success("Явных пробелов в интенте не найдено!")
            
            with col_res2:
                st.subheader("💡 Рекомендации к внедрению")
                if recommendations:
                    for rec in recommendations:
                        st.code(rec, language="html")
                        st.caption("Скопируйте код выше и вставьте в статью")
                elif not api_key:
                    st.info("Введите API Key слева, чтобы получить готовый текст исправлений.")
                else:
                    st.info("Рекомендации не требуются.")

            # Экспорт
            report_text = f"""
            <h1>SEO Report - {target_keyword}</h1>
            <p>Date: {datetime.now()}</p>
            <p>Similarity: {similarity:.2f}%</p>
            <h2>Missing Aspects:</h2>
            <ul>{''.join([f'<li>{m}</li>' for m in missing_aspects])}</ul>
            <h2>AI Recommendations:</h2>
            {''.join(recommendations)}
            """
            st.download_button(
                label="📥 Скачать HTML отчет",
                data=report_text,
                file_name="seo_report.html",
                mime="text/html"
            )