import pandas as pd
import numpy as np
import re
import streamlit as st
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report, accuracy_score

# Streamlit uygulamasının başlığı
st.image("https://miro.medium.com/v2/resize:fit:4800/format:webp/1*g_FtJ2rBkxOSbk2dCj0N4g.jpeg")
st.title("IMDB Comment Analysis")
st.write("Do you want to watch a movie? And are you one of those who look at the reviews before choosing?")
st.write("Write the review and press the button to let us guess the emotion! Let us tell you if it's worth watching!")

# Veri setini yükle
@st.cache_data  # Bu dekoratör verileri önbelleğe alarak performansı artırır
def load_data():
    try:
        df = pd.read_csv("src/IMDB_Dataset.csv")  # "src/" klasörünü kaldırdım, doğrudan dosya adı
        return df
    except FileNotFoundError:
        st.error("IMDB_Dataset.csv not found.")
        return None

df = load_data()
if df is None:
    st.stop()  # Dosya bulunamazsa uygulamayı durdur

# Metin temizleme fonksiyonu
def temizle(temiz_veri):
    temiz_veri = temiz_veri.lower()  # küçük harfe çevir
    temiz_veri = re.sub(r'<.*?>', '', temiz_veri)  # HTML etiketlerini kaldır
    temiz_veri = re.sub(r'\d+', '', temiz_veri)  # sayıları kaldır
    temiz_veri = re.sub(r'\s+', ' ', temiz_veri).strip()  # fazla boşlukları kaldır
    temiz_veri = re.sub(r'http\S+', '', temiz_veri) # URL'leri kaldır
    temiz_veri = re.sub(r'[^\w\s]', '', temiz_veri) # noktalama işaretlerini kaldır
    return temiz_veri

# Modeli eğitmek için fonksiyon
@st.cache_data  # Model eğitimini önbelleğe al
def train_model():
    df["temiz_veri"] = df["review"].apply(temizle)
    X_train, X_test, y_train, y_test = train_test_split(df['temiz_veri'], df['sentiment'], test_size=0.4, random_state=42)
    tfidf = TfidfVectorizer(stop_words='english', ngram_range=(1, 2))  
    X_train_tfidf = tfidf.fit_transform(X_train)
    X_test_tfidf = tfidf.transform(X_test)
    lr = LogisticRegression()
    lr.fit(X_train_tfidf, y_train)
    y_pred_lr = lr.predict(X_test_tfidf)
    accuracy = accuracy_score(y_test, y_pred_lr)
    return lr, tfidf, accuracy

lr, tfidf, accuracy = train_model()
st.write(f"Model Accuracy: %{accuracy}")  # Yüzde formatını düzgün göster

# Kullanıcı etkileşimi
yorum_tahmin = st.text_area("The comment you want to check:")  # text_input yerine text_area kullandım

if st.button("Predict"):
    if not yorum_tahmin.strip():
        st.warning("Nothing to predict :( Make sure to add something")
    else:
        temiz_yorum = temizle(yorum_tahmin)
        X_yeni = tfidf.transform([temiz_yorum])  # Temizlenmiş yorumu kullan
        tahmin = lr.predict(X_yeni)
        
        st.subheader("Result:")
        st.write(f"**Predicted Emotion:** {tahmin[0].capitalize()}")
        
        if tahmin[0] == "positive":
            st.success("You should definitely watch this movie! 🤩")
            st.balloons()  # Küçük bir kutlama efekti
        else:
            st.error("Naah... This movie isn't worth to watch..🥱")