import gradio as gr
import requests
from bs4 import BeautifulSoup
import random
import time
import re

def obtener_user_agent():
    user_agents = [
        "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.3",
        "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36",
        "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.128 Safari/537.36",
        # Más user-agents según sea necesario
    ]
    return random.choice(user_agents)

def dividir_en_grupos(urls, tamano_grupo=10):
    for i in range(0, len(urls), tamano_grupo):
        yield urls[i:i+tamano_grupo]

def comprobar_indexacion(input_text):
    urls = input_text.splitlines()  # Asume que las URLs se ingresan una por línea
    if not urls:
        return "No se proporcionaron URLs válidas."

    indexadas = []
    no_indexadas = []

    try:
        for grupo_urls in dividir_en_grupos(urls):
            if len(grupo_urls) == 1:
                query = f"site:{re.sub(r'https?://', '', grupo_urls[0])}"
            else:
                query = " OR ".join([f"site:{re.sub(r'https?://', '', url)}" for url in grupo_urls])
            headers = {"User-Agent": obtener_user_agent()}
            response = requests.get(f"https://www.google.com/search?q={query}", headers=headers, timeout=10)
            soup = BeautifulSoup(response.text, 'html.parser')
            search_results = soup.find_all('div', class_='tF2Cxc')

            for url in grupo_urls:
                exact_url = re.sub(r'https?://', '', url)  # Quitamos http o https
                found = any(result.find('a', href=True)['href'].split('?')[0].split('#')[0] == exact_url for result in search_results)
                if found:
                    indexadas.append(url)
                else:
                    no_indexadas.append(url)

            time.sleep(random.uniform(1, 2))  # Un retraso más corto para el ejemplo
    except Exception as e:
        return f"Error al realizar la búsqueda en Google: {str(e)}"

    total_indexadas = len(indexadas)
    total_no_indexadas = len(no_indexadas)
    total_urls = total_indexadas + total_no_indexadas

    if total_urls == 1:
        if total_indexadas == 1:
            resultado = "Url indexada en Google 🙂"
        else:
            resultado = "La url no está indexada en Google 😔"
    elif total_indexadas == 0:
        resultado = "Ninguna url indexada en Google😔"
    elif total_no_indexadas == 0:
        resultado = "Todas las urls indexadas en Google🙂"
    else:
        resultado = f"URLs Indexadas: {total_indexadas}\n" + "\n".join(indexadas) + f"\n\nURLs No Indexadas: {total_no_indexadas}\n" + "\n".join(no_indexadas)

    return resultado

iface = gr.Interface(
    fn=comprobar_indexacion,
    inputs="text",
    outputs="text",
    title="<div style='margin:0 auto;text-align:center'><div style='margin:0 auto;text-align:center'><img style='width:100px;display: inline-table;margin-bottom:-10px' src='https://artxeweb.com/media/files/google-index-bulk.jpg'><p>Bulk Index Google</p></div>",
    description="<p style='margin-bottom:10px;text-align:center;background: #ffffff; padding: 8px; border-radius: 8px; border-width: 1px; border: solid 1px #e5e7eb;'>Introduce las URLs que quieres comprobar si están indexadas por Google, separadas por saltos de línea. El sistema realizará una búsqueda para verificar si están indexadas.</p>",
    article="<div style='margin-top:10px'><p style='text-align: center !important; background: #ffffff; padding: 5px 30px; border-radius: 8px; border-width: 1px; border: solid 1px #e5e7eb; width: fit-content; margin: auto;'>Desarrollada por <a style='text-decoration: none !important; color: #e12a31 !important;' href='https://artxeweb.com/'>© Artxe Web</a></p></div>"
)

iface.launch()