import gradio as gr
from transformers import pipeline
import numpy as np

class LightAIServices:
    def __init__(self):
        self.sentiment_analyzer = None
        self.text_classifier = None

    def analyze_sentiment(self, text):
        if self.sentiment_analyzer is None:
            self.sentiment_analyzer = pipeline(
                'sentiment-analysis',
                model='nlptown/bert-base-multilingual-uncased-sentiment'
            )
        try:
            result = self.sentiment_analyzer(text)[0]
            return f"Sentimento: {result['label']}, Confiança: {result['score']:.2f}"
        except Exception as e:
            return f"Erro na análise: {str(e)}"

    def classify_text(self, text):
        try:
            if self.text_classifier is None:
                self.text_classifier = pipeline(
                    "text-classification",
                    model="bert-base-uncased"
                )
            
            result = self.text_classifier(text)[0]
            return f"Classificação: {result['label']}\nConfiança: {result['score']:.2f}"
        except Exception as e:
            return f"Erro na classificação: {str(e)}"

    def analyze_text_length(self, text):
        try:
            words = text.split()
            characters = len(text)
            sentences = text.count('.') + text.count('!') + text.count('?')
            
            return f"""📊 Análise do Texto:
            • Palavras: {len(words)}
            • Caracteres: {characters}
            • Sentenças: {sentences}
            • Média de palavras por sentença: {len(words)/max(1,sentences):.1f}"""
        except Exception as e:
            return f"Erro na análise: {str(e)}"

    def analyze_text_stats(self, text):
        try:
            # Contagem básica
            total_chars = len(text)
            total_words = len(text.split())
            
            # Contagem de tipos de caracteres
            uppercase = sum(1 for c in text if c.isupper())
            lowercase = sum(1 for c in text if c.islower())
            digits = sum(1 for c in text if c.isdigit())
            spaces = sum(1 for c in text if c.isspace())
            
            # Palavras únicas
            unique_words = len(set(text.lower().split()))
            
            return f"""📊 Estatísticas Detalhadas:
            
            Contagens Básicas:
            • Total de caracteres: {total_chars}
            • Total de palavras: {total_words}
            • Palavras únicas: {unique_words}
            
            Tipos de Caracteres:
            • Maiúsculas: {uppercase}
            • Minúsculas: {lowercase}
            • Dígitos: {digits}
            • Espaços: {spaces}
            
            Proporções:
            • Diversidade de vocabulário: {unique_words/total_words:.2%}
            • Densidade de caracteres: {total_chars/total_words:.1f} caracteres/palavra"""
        except Exception as e:
            return f"Erro na análise: {str(e)}"

    def text_similarity(self, text1, text2):
        try:
            # Análise básica de similaridade
            words1 = set(text1.lower().split())
            words2 = set(text2.lower().split())
            
            # Intersecção de palavras
            common_words = words1.intersection(words2)
            
            # Métricas de similaridade
            similarity = len(common_words) / max(len(words1), len(words2))
            
            return f"""🔄 Análise de Similaridade:
            
            • Palavras em comum: {len(common_words)}
            • Similaridade: {similarity:.1%}
            • Palavras texto 1: {len(words1)}
            • Palavras texto 2: {len(words2)}
            • Palavras em comum: {', '.join(list(common_words)[:10])}"""
        except Exception as e:
            return f"Erro na análise de similaridade: {str(e)}"

# Instância global dos serviços
services = LightAIServices()

# Interface Gradio
with gr.Blocks(title="Análise de Texto") as demo:
    gr.Markdown("""
    # 📝 Hub de Análise de Texto
    
    Serviços de processamento e análise de texto usando IA.
    """)
    
    # 1. Análise de Sentimentos
    with gr.Tab("Análise de Sentimentos"):
        gr.Markdown("### 😊 Análise de Sentimentos")
        with gr.Row():
            sent_input = gr.Textbox(
                label="Texto para análise",
                placeholder="Digite o texto para analisar o sentimento...",
                lines=3
            )
            sent_output = gr.Textbox(
                label="Resultado da análise",
                lines=2
            )
        sent_button = gr.Button("💭 Analisar Sentimento")
        sent_button.click(
            services.analyze_sentiment,
            inputs=sent_input,
            outputs=sent_output
        )

    # 2. Classificação
    with gr.Tab("Classificação"):
        gr.Markdown("### 📋 Classificação de Texto")
        with gr.Row():
            class_input = gr.Textbox(
                label="Texto para classificar",
                placeholder="Digite o texto para classificar...",
                lines=5
            )
            class_output = gr.Textbox(
                label="Classificação",
                lines=2
            )
        class_button = gr.Button("🏷️ Classificar Texto")
        class_button.click(
            services.classify_text,
            inputs=class_input,
            outputs=class_output
        )

    # 3. Análise de Comprimento
    with gr.Tab("Análise de Comprimento"):
        gr.Markdown("### 📏 Análise de Comprimento do Texto")
        with gr.Row():
            len_input = gr.Textbox(
                label="Texto para análise",
                placeholder="Digite ou cole o texto para analisar...",
                lines=5
            )
            len_output = gr.Textbox(
                label="Estatísticas",
                lines=5
            )
        len_button = gr.Button("📏 Analisar Comprimento")
        len_button.click(
            services.analyze_text_length,
            inputs=len_input,
            outputs=len_output
        )

    # 4. Estatísticas Detalhadas
    with gr.Tab("Estatísticas"):
        gr.Markdown("### 📊 Estatísticas Detalhadas do Texto")
        with gr.Row():
            stats_input = gr.Textbox(
                label="Texto para análise",
                placeholder="Digite ou cole o texto para análise detalhada...",
                lines=5
            )
            stats_output = gr.Textbox(
                label="Estatísticas Detalhadas",
                lines=10
            )
        stats_button = gr.Button("📊 Analisar Estatísticas")
        stats_button.click(
            services.analyze_text_stats,
            inputs=stats_input,
            outputs=stats_output
        )

    # 5. Comparação de Textos
    with gr.Tab("Comparação"):
        gr.Markdown("### 🔄 Comparação de Textos")
        with gr.Row():
            comp_input1 = gr.Textbox(
                label="Primeiro texto",
                placeholder="Digite o primeiro texto...",
                lines=3
            )
            comp_input2 = gr.Textbox(
                label="Segundo texto",
                placeholder="Digite o segundo texto...",
                lines=3
            )
        comp_output = gr.Textbox(
            label="Resultado da comparação",
            lines=6
        )
        comp_button = gr.Button("🔄 Comparar Textos")
        comp_button.click(
            services.text_similarity,
            inputs=[comp_input1, comp_input2],
            outputs=comp_output
        )

    gr.Markdown("""
    ### 📝 Notas:
    - Todos os serviços funcionam localmente
    - Análises rápidas e eficientes
    - Suporte para textos em português e inglês
    """)

if __name__ == "__main__":
    demo.launch()