import sys
import traceback
import streamlit as st

# 우리가 만든 백엔드 파일에서 엔진 함수 수입해오기
from backend import load_all_models, predict_ensemble

# 1. 스트림릿 UI 기본 설정
st.set_page_config(
    page_title="문체 기반 동일인 판별 시스템",
    page_icon="🧠",
    layout="centered"
)

# 2. 리소스를 한 번만 로드하도록 캐싱 세팅
@st.cache_resource(show_spinner=False)
def get_cached_models():
    try:
        return load_all_models()
    except ModuleNotFoundError as e:
        raise ModuleNotFoundError(
            "필수 패키지가 설치되지 않았습니다. requirements.txt를 확인하세요.\n\n"
            f"원본 오류: {e}"
        )

# 3. 메인 화면 레이아웃 그리기
st.title("🧠 문체 기반 동일인 판별 시스템")

st.markdown(
    """
    이 시스템은 **KcBERT, DeBERTa, Multi-Scale Char-CNN 앙상블 모델**을 활용하여  
    두 텍스트의 동일 작성자 가능성을 분석합니다.
    """
)

st.info("두 텍스트를 입력한 뒤 [판별하기] 버튼을 누르면 동일 작성자 가능성을 출력합니다.")

# 입력 텍스트 상자
text_a = st.text_area("텍스트 A", height=180, placeholder="첫 번째 텍스트를 입력하세요.")
text_b = st.text_area("텍스트 B", height=180, placeholder="두 번째 텍스트를 입력하세요.")

col1, col2 = st.columns(2)
with col1:
    analyze_button = st.button("판별하기", use_container_width=True)
with col2:
    clear_button = st.button("입력 초기화 안내", use_container_width=True)

if clear_button:
    st.warning("입력창 내용은 직접 지우거나 브라우저 새로고침을 하면 초기화됩니다.")

# 4. 판별 버튼 클릭 시 백엔드 엔진 구동
if analyze_button:
    if not text_a.strip() or not text_b.strip():
        st.warning("텍스트 A와 텍스트 B를 모두 입력하세요.")
    else:
        try:
            with st.spinner("AI 모델로 분석 중입니다. 처음 실행 시 시간이 다소 걸릴 수 있습니다."):
                # 캐시된 모델 가져오기
                model_bundle = get_cached_models()
                # 백엔드 연산 함수 호출
                result = predict_ensemble(text_a, text_b, model_bundle)

            st.divider()
            st.subheader("분석 결과")

            same_percent = result["same_prob"] * 100
            diff_percent = result["diff_prob"] * 100

            # 결과에 따른 UI 연출
            if result["pred_label"] == 0:
                st.success("판별 결과: 동일 작성자 가능성이 높습니다.")
            else:
                st.error("판별 결과: 동일 작성자 가능성이 낮습니다.")

            metric_col1, metric_col2 = st.columns(2)
            with metric_col1:
                st.metric("동일 작성자 가능성", f"{same_percent:.2f}%")
            with metric_col2:
                st.metric("비동일 작성자 가능성", f"{diff_percent:.2f}%")

            st.progress(min(max(result["same_prob"], 0.0), 1.0))

            # 모델별 디테일 수치 표 출력
            st.subheader("모델별 예측 확률")
            model_table = {
                "모델": ["KcBERT", "Multi-Scale Char-CNN", "DeBERTa"],
                "Same(0)": [
                    f"{result['kc_prob'][0] * 100:.2f}%",
                    f"{result['cnn_prob'][0] * 100:.2f}%",
                    f"{result['deberta_prob'][0] * 100:.2f}%"
                ],
                "Diff(1)": [
                    f"{result['kc_prob'][1] * 100:.2f}%",
                    f"{result['cnn_prob'][1] * 100:.2f}%",
                    f"{result['deberta_prob'][1] * 100:.2f}%"
                ]
            }
            st.table(model_table)

            # 확장 탭 정보
            with st.expander("기술 정보"):
                st.write("실행 장치:", result["device"])
                st.write("Python 실행 경로:")
                st.code(sys.executable)
                st.write("모델 경로:")
                st.code(result["model_dir"])

            st.caption("주의: 본 결과는 AI 모델 기반 추정값이며, 실제 동일인을 단정하는 법적 판단이 아닙니다.")

        except Exception as e:
            st.error("고급 모델 실행 중 오류가 발생했습니다.")
            st.code(str(e))
            with st.expander("상세 오류 보기"):
                st.code(traceback.format_exc())