import json
from langchain.prompts import PromptTemplate
from langchain.chains import LLMChain
from pydantic import BaseModel, Field
from typing import List, Tuple
from langchain.chat_models import ChatOpenAI
from langchain.output_parsers import PydanticOutputParser


# Modèles Pydantic pour structurer la réponse
class Expression(BaseModel):
    expression: str = Field(..., description="Expression détectée (ex: 'est une étape importante')")
    indice_debut: int = Field(..., description="Indice de début de l'expression")
    indice_fin: int = Field(..., description="Indice de fin de l'expression")

class Phrase(BaseModel):
    texte: str = Field(..., description="Phrase complète contenant l'expression ou les expressions détectées")
    indice_debut: int = Field(..., description="Indice de début de la phrase")
    indice_fin: int = Field(..., description="Indice de fin de la phrase")

class Reformulation(BaseModel):
    texte: str = Field(..., description="Texte de la reformulation")

class PhraseDetectee(BaseModel):
    phrase: Phrase = Field(..., description="Détails de la phrase")
    erreurs: List[Expression] = Field(..., description="Liste des expressions détectées dans la phrase")
    reformulations: List[Reformulation] = Field(..., description="Liste des reformulations proposées")
    justification: str = Field(..., description="Justification des reformulations proposées")

class Summary(BaseModel):
    total_erreurs: int = Field(..., description="Nombre total d'expressions détectées")
    total_phrases: int = Field(..., description="Nombre total de phrases contenant des expressions")
    total_reformulations: int = Field(..., description="Nombre total de reformulations proposées")

class DetectionResult(BaseModel):
    phrases_detectees: List[PhraseDetectee] = Field(..., description="Liste des phrases détectées avec détails")
    summary: Summary = Field(..., description="Résumé de la détection")

    def to_dict(self):
        return {
            "phrases_detectees": [phrase.model_dump() for phrase in self.phrases_detectees],
            "summary": self.summary.model_dump()
        }


def epoque_prompt_template():

    return """En tant que rédacteur web expert, votre mission est d'analyser le texte suivant et d'identifier toutes les occurrences des expressions suivantes et de leurs variantes :

- "Le monde de"
- "L’univers de"
- "À l’ère de"
- "Le domaine de"
- "À l'époque de"
- "Au temps de"
- "À l'aube de"
- "Dans le cadre de"
- "Au cœur de"
- "En matière de"
- "Dans l'univers de"
- "De nos jours"
- "Aujourd'hui"

Exemples d'erreurs à corriger :
"Le monde de la finance est en plein essor", mais on dit "La finance connaît une forte croissance"
"Dans le cadre du projet, des améliorations ont été apportées", mais on dit "Le projet a bénéficié de plusieurs améliorations"
"Aujourd'hui, la science évolue rapidement", mais on dit "La science progresse rapidement"

Incluez également toute autre expression similaire qui introduit un contexte général ou un cadre temporel ou spatial.

Pour chaque phrase où une ou plusieurs occurrences sont trouvées, veuillez :
1. Citer la phrase complète avec ses indices de début et de fin.
2. Identifier l'expression ou les expressions exactes avec leurs indices.
3. Proposer 5 reformulations améliorant le style ou la précision, en supprimant l'expression détectée, tout en évitant impérativement d'utiliser des expressions équivalentes (comme celles énumérées dans la liste ou d'autres similaires).
4. Respecter les règles suivantes lors de la reformulation :
   - Ne pas utiliser : "Crucial", "Essentiel", "Important", "Fondamental", "Le monde de", "Dans l’univers de", "À l’ère de", "Généralement", "Outre", "Cela signifie que", "Ce qui signifie que", "Voici", "Découvrez", "S’avérer être", "Il suffit de", "Permet", "Décision éclairée", "Décision avisée" et leurs variantes.
   - Ne pas utiliser "Look" et ses variantes dans un contexte de décoration.
   - Ne pas commencer une phrase par "Il existe", "Il faut", "Cependant", "De plus", "En revanche", "Néanmoins", "Toutefois", "Imaginez" ou leurs variantes.
   - Ne pas associer "Joue un rôle", "Il est", "Est une étape" à des mots tels que "Important", "Essentiel", "Crucial", "Primordial", "Fondamental", "Indispensable", "Déterminant".
   - Ne pas commencer une phrase par "En plus" ou ses variantes.
5. Justifier les reformulations proposées en expliquant comment elles améliorent le style, la clarté ou la précision, sans redondance ni répétition de mots.

Ton analyse doit être retournée en JSON avec la structure suivante :
    {{
      "phrases_detectees": [
        {{
          "phrase": {{
            "texte": "Phrase complète contenant l'expression ou les expressions détectées",
            "indice_debut": x,
            "indice_fin": y
          }},
          "erreurs": [
            {{
              "expression": "Expression détectée (ex: 'est une étape importante')",
              "indice_debut": a,
              "indice_fin": b
            }}
          ],
          "reformulations": [
            {{ "texte": "Reformulation 1" }},
            {{ "texte": "Reformulation 2" }},
            {{ "texte": "Reformulation 3" }},
            {{ "texte": "Reformulation 4" }},
            {{ "texte": "Reformulation 5" }}
          ],
          "justification": "Justification des reformulations proposées en s'il est disponible l'adjectif qualificatif à laquelle c'est associés."
        }}
      ],
      "summary": {{
        "total_erreurs": nombre_total_d_expressions_detectées,
        "total_phrases": nombre_total_de_phrases_contenant_des_expressions,
        "total_reformulations": nombre_total_de_reformulations_proposées
      }}
    }}


    Texte à analyser :
    {text}

    Assurez-vous que les indices correspondent aux positions exactes dans le texte original et que le JSON est correctement formaté.
    {format_instruction}
"""

# def epoque_prompt_template():
#     return """
#     Analyse le texte suivant et identifie toutes les occurrences des expressions suivantes et de leurs variantes :
#     "Le monde de", "L’univers de", "À l’ère de", "Le domaine de", "À l'époque de", "Au temps de", "À l'aube de",
#     "Dans le cadre de", "Au cœur de", "En matière de", "Dans l'univers de".

#     Incluez également toute autre expression similaire qui introduit un contexte général ou un cadre temporel ou spatial.

#     Pour chaque occurrence trouvée, veuillez :
    
#     - Citer la phrase complète où l'expression apparaît.
#     - Indiquer l'expression exacte utilisée dans le texte.
#     - Proposer deux reformulations de la phrase, de sorte à remplacer l'expression détectée par une formulation plus précise ou stylistiquement améliorée, sans utiliser d'expressions équivalentes.
#     - Justifiez brièvement chaque reformulation en expliquant comment elle améliore le style ou la clarté.

#     Assurez-vous de respecter également les règles suivantes :
#     1. Les expressions comme "crucial", "essentiel", "important", "fondamental", et d'autres ne doivent être utilisées qu'une fois dans l'introduction (premier paragraphe).
#     2. Les expressions comme "Il existe", "Il faut", "cependant", "De plus", "en revanche", "Néanmoins", "toutefois", "imaginez" ne doivent pas être utilisées en début de phrase.
#     3. "Joue un rôle", "il est", ou "est une étape" ne doivent pas être associés à des mots tels que "important", "essentiel", etc.
#     4. "En plus" (et ses variantes) ne doit pas être seul en début de phrase.

#     Votre analyse doit être retournée en JSON avec les éléments suivants :
    
#     Pour chaque pattern détecté :
#     - "pattern": "mot ou expression détectée",
#     - "indices": [[index de début, index de fin pour chaque occurrence]],
#     - "sentence": "phrase où l'expression est utilisée",
#     - "alternative_suggestions": ["suggestion 1", "suggestion 2"] (si applicable)
    
#     Si aucun pattern n'est trouvé, renvoyez :
#     - "pattern0": "",
#     - "occurrences": 0,

#     À la fin, ajoutez un résumé avec :
#     - "total_patterns_detected": nombre total de patterns détectés,
#     - "alternative_suggestions_provided": nombre de suggestions fournies,
#     - "occurrences": nombre d'occurrences.

#     Voici le texte à analyser :
#     ```{text}```
    
#     \n{format_instruction}
#     """


def epoque(text):
    # Créer le template avec la variable text intégrée directement
    prompt_template = epoque_prompt_template()

    output_parser = PydanticOutputParser(pydantic_object=DetectionResult)

    # Créer le prompt avec le texte intégré
    gen_prompt_template = PromptTemplate(
        input_variables=["text"],
        template=prompt_template,
        partial_variables={'format_instruction': output_parser.get_format_instructions()}
    )

    # Créer une instance du modèle de langage
    llm = ChatOpenAI(model='gpt-4o', temperature=0.5, api_key="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")

    # Exécuter la chaîne avec le LLM
    llm_chain = gen_prompt_template | llm | output_parser  # LLMChain(prompt=prompt, llm=llm, verbose=True)
    
    # Appel du modèle avec le texte fourni
    result_dict = llm_chain.invoke({"text": text}).to_dict()

    # Parsing de la réponse JSON
    json_result = json.dumps(result_dict, indent=8, ensure_ascii=False)

    # Générer le prompt final
    final_prompt = gen_prompt_template.format(text=text)

    # Retourne les suggestions ou les erreurs de parsing
    return {
        "result": json_result,
        "prompt": final_prompt
    }