import streamlit as st
import pandas as pd
import torch
from transformers import AutoTokenizer, AutoModel
import faiss
import numpy as np

@st.cache_data
def load_data(url):
    df = pd.read_csv(url)
    return df

@st.cache_data
def embedding_and_index():
    embeddings_array = np.load('data/embeddings_final.npy')
    index = faiss.read_index('data/desc_faiss_index_final.index')
    return embeddings_array, index

@st.cache_data
def load_model():
    model = AutoModel.from_pretrained("DeepPavlov/rubert-base-cased-sentence")
    return model
    




st.header("Подбор фильмов по описанию ✏️🔍")

# Загрузка данных
tokenizer = AutoTokenizer.from_pretrained("DeepPavlov/rubert-base-cased-sentence")
df = load_data('data/final_data.csv')
embeddings_array, index = embedding_and_index()
model = load_model()

# Пользовательский ввод
user_input = st.text_input("Введите описание фильма:", value="", help="Чем подробнее будет ваше описание, тем точнее мы сможем подобрать для вас фильм 🤗'")

if st.button("Искать🔍🎦"):
    if user_input:
        def encode_description(description, tokenizer, model):
            tokens = tokenizer(description, return_tensors="pt")
            with torch.no_grad():
                outputs = model(**tokens)
            embeddings = outputs.last_hidden_state.mean(dim=1)
            return embeddings.cpu().numpy().astype('float32')
        # Векторизация введенного запроса с использованием переданных tokenizer и model
        input_embedding = encode_description(user_input, tokenizer, model)

        # Поиск с использованием Faiss
        _, sorted_indices = index.search(input_embedding.reshape(1, -1), 5)

        # Используйте индексы для извлечения строк из DataFrame
        recs = df.iloc[sorted_indices[0]].reset_index(drop=True)
        recs.index = recs.index + 1


# Вывод рекомендованных фильмов с изображениями
        st.subheader("Рекомендованные фильмы 🎉:")
        for i in range(5):
            st.markdown(f"<span style='font-size:{20}px; color:purple'>{recs['movie_title'].iloc[i]}</span>", unsafe_allow_html=True)
        # Создаем две колонки: одну для текста, другую для изображения
            col1, col2 = st.columns([2, 1])
    
        # В  колонке отображаем название фильма, описание, роли и ссылку
            col1.info(recs['description'].iloc[i])
            col1.markdown(f"**В ролях:** {recs['actors'].iloc[i]}")
            col1.markdown(f"**Фильм можно посмотреть [здесь]({recs['page_url'].iloc[i]})**")
    
        # В  колонке отображаем изображение
            col2.image(recs['image_url'].iloc[i], caption=recs['movie_title'].iloc[i], width=200)
        with st.sidebar:
            st.info("""
                 #### Мы смогли помочь вам с выбором? 
                """)
            feedback = st.text_input('Поделитесь с нами вашим мнением')
        
            feedback_button = st.button("Отправить отзыв", key="feedback_button")
        
        if feedback_button and feedback:
            feedback_container.success("Спасибо, каждый день мы стараемся быть лучше для вас 💟")
        elif feedback_button:
            feedback_container.warning("Пожалуйста, введите отзыв перед отправкой.")