import streamlit as st
import pandas as pd
import pickle
from nltk.tokenize import word_tokenize
from nltk.stem import WordNetLemmatizer
from typing import Dict, Any, List
import nltk 
import os 

# --- NLTK PATH FIX (CRITICAL) ---
# setup.sh, NLTK verilerini 'src/' içine indirir. 
# Uygulamanın da bu klasöre bakması gerektiğini belirtiyoruz.
NLTK_DATA_PATH = os.path.join(os.getcwd(), 'src')

if NLTK_DATA_PATH not in nltk.data.path:
    # 'src/' yolunu NLTK arama yollarına ekliyoruz.
    nltk.data.path.append(NLTK_DATA_PATH)
    
# --- Streamlit Sayfa Ayarları ---
st.set_page_config(
    # Sayfa başlığına bina emojisi (🏢) eklendi
    page_title="🏢 Hotel Recommendation System",
    layout="wide",
    initial_sidebar_state="collapsed"
)

# ----------------------------------------------------
# 1. Veri ve NLP Araçlarını Yükleme
# ----------------------------------------------------

# Verinin her etkileşimde yeniden yüklenmesini engellemek için önbelleğe alma
@st.cache_resource
def load_data():
    """Pickle dosyalarını yükler ve DataFrame ile NLP araçlarını döndürür."""
    
    try:
        # Dosyalar 'src/' içinden okunuyor (Lütfen dosya yollarınızın doğru olduğundan emin olun)
        with open('src/hotel_data.pkl', 'rb') as file:
            df_loaded = pickle.load(file)
        
        with open('src/nlp_tools.pkl', 'rb') as file:
            nlp_tools_loaded = pickle.load(file)
            
        return {
            'df': df_loaded,
            'stop_words': nlp_tools_loaded['stop_words'],
            'lemmatizer': nlp_tools_loaded['lemmatizer']
        }
        
    except FileNotFoundError as e:
        st.error(f"Error: Required file not found: {e.filename}. Please ensure all required files are in the 'src/' directory.")
        return None
    except Exception as e:
        st.error(f"An error occurred during loading: {e}")
        return None

# Load the data bundle and unpack components
data_bundle = load_data()

if data_bundle is not None:
    df = data_bundle['df']
    # NLP araçları global değişkenlere atanır
    STOP_WORDS = data_bundle['stop_words']
    LEMMATIZER = data_bundle['lemmatizer']
else:
    # Veri yüklenemezse uygulamayı durdur
    st.stop()


# ----------------------------------------------------
# 2. Tavsiye Fonksiyonu (Optimize Edilmiş)
# ----------------------------------------------------

def recommend_hotel(location: str, description: str, data_df: pd.DataFrame) -> pd.DataFrame:
    """Kullanıcı açıklamasına göre otel benzerliğini hesaplar ve en iyi 5 öneriyi döndürür."""
    
    if not isinstance(description, str):
        return pd.DataFrame({'Error': ['Description must be a string.']})
        
    # 1. Kullanıcı Açıklamasını İşleme
    # NLTK, ayarlanmış yol sayesinde verileri bulacaktır.
    description_tokens = word_tokenize(description.lower())
    user_processed_set = set()
    
    for word in description_tokens:
        if word not in STOP_WORDS:
            user_processed_set.add(LEMMATIZER.lemmatize(word))
            
    if not user_processed_set:
        return pd.DataFrame({'Error': ['Please enter a more descriptive query.']})

    # 2. Konuma Göre Filtreleme
    country = data_df[data_df['Country'] == location.lower()].copy()
    
    if country.empty:
        return pd.DataFrame({'Error': [f"No hotels found in '{location}'."]})

    # 3. Benzerlik Hesaplama (Küme Kesişimi)
    similarity_scores = country['Processed_Tags'].apply(
        lambda hotel_tags: len(hotel_tags.intersection(user_processed_set)))
    country['similarity'] = similarity_scores

    # 4. Sıralama ve Filtreleme
    country.sort_values(by=['similarity', 'Average_Score'], 
                        ascending=[False, False], 
                        inplace=True)
                        
    country.drop_duplicates(subset='Hotel_Name', keep='first', inplace=True)
    country.reset_index(drop=True, inplace=True)
    
    return country[["Hotel_Name", "Average_Score", "Hotel_Address"]].head(5)


# ----------------------------------------------------
# 3. Streamlit Arayüzü
# ----------------------------------------------------

# Ana başlıkta bina emojisi (🏢)
st.title("🏢 Hotel Recommendation System")
st.markdown("Find the top 5 hotels based on your preferred location and description.")


# --- Kullanıcı Girişleri ---

st.subheader("Find Your Optimal Hotel")

# Mevcut ülke listesini alma
available_countries = sorted(df['Country'].unique().tolist())
default_country = available_countries[0] if available_countries else ""

col1, col2 = st.columns(2)

with col1:
    location = st.selectbox(
        "Select Location (Country)",
        options=available_countries,
        # Hata düzeltildi
        index=available_countries.index(default_country) if default_country else 0
    )

with col2:
    description = st.text_area(
        "Preference Description",
        placeholder="E.g., romantic trip with great breakfast and spa, or: business needs quiet room and gym",
        height=100
    )

# --- Buton ve Çıktı ---

if st.button("Get Recommendations", type="primary"):
    if location and description:
        # Tavsiye fonksiyonunu çağır
        recommendations_df = recommend_hotel(location, description, df)
        
        st.subheader("Top Recommended Hotels")
        
        # Sonuçları görüntüle
        if 'Error' in recommendations_df.columns:
            st.error(recommendations_df.iloc[0]['Error'])
        else:
            # Sütun isimlerini daha okunaklı hale getir
            recommendations_df.columns = ["Hotel Name", "Average Score", "Address"]
            st.dataframe(recommendations_df, use_container_width=True)
    else:
        st.warning("Please enter both location and description.")