import streamlit as st
import requests
from bs4 import BeautifulSoup
import pandas as pd
import plotly.express as px
import base64
import folium
from streamlit_folium import st_folium
from geopy.geocoders import Nominatim
from geopy.exc import GeocoderTimedOut, GeocoderServiceError
import time
from folium.plugins import MarkerCluster  # 新增此行用於標記聚合

# 設定背景圖片的函數
def set_background(png_file):
    with open(png_file, "rb") as f:
        data = f.read()
    encoded = base64.b64encode(data).decode()
    st.markdown(
        f"""
        <style>
        .stApp {{
            background: url(data:image/png;base64,{encoded});
            background-size: cover;
        }}
        </style>
        """,
        unsafe_allow_html=True
    )

# 設定背景圖片
set_background('CAT.png')

# App 的標題
st.title("寵物醫院評分查詢")

# 用戶輸入的最低評分
min_rating = st.slider("請輸入想查詢的最低評分:", 1.0, 5.0, 3.5)

# 要爬取的 URL 列表
urls = [
    "https://www.tw-animal.com/pet/171211/c000196.html",
    "https://www.tw-animal.com/pet/171211/c000186.html",
    # ... 其他 URL ...
]

# 存放提取數據的空列表
data_list = []

# 初始化地理編碼器
geolocator = Nominatim(user_agent="geoapiExercises")
geocode_cache = {}  # 簡單的內存緩存

# 用於地理編碼地址的函數，帶有重試和緩存
def geocode_address(address, retries=5, delay=5):
    if address in geocode_cache:
        return geocode_cache[address]
    
    for i in range(retries):
        try:
            location = geolocator.geocode(address)
            if location:
                geocode_cache[address] = location
                return location
        except (GeocoderTimedOut, GeocoderServiceError) as e:
            st.warning(f"地理編碼錯誤: {e}. 重試中...")
            time.sleep(delay)
    
    st.warning(f"無法地理編碼地址: {address}")
    return None

# 當按下「開始爬取資料」按鈕時執行
if st.button('開始爬取資料'):
    st.write("正在爬取資料，請稍候...")
    
    # 迴圈遍歷每個 URL 並提取數據
    for url in urls:
        response = requests.get(url)
        soup = BeautifulSoup(response.content, 'html.parser')

        # 提取數據
        title = soup.find('h1', class_='t-intro__title').get_text(strip=True)
        phone = soup.find('a', class_='t-font-large').get_text(strip=True)
        address = soup.find('a', class_='t-font-medium').get_text(strip=True)
        rating = float(soup.find('span', class_='t-intro__recommand').get_text(strip=True))

        # 如果評分達到門檻，將數據添加到列表
        if rating >= min_rating:
            location = geocode_address(address)
            if location:
                data_list.append({
                    "標題": title,
                    "手機": phone,
                    "地址": address,
                    "評分": rating,
                    "經度": location.longitude,
                    "緯度": location.latitude
                })

    # 如果成功爬取到數據
    if data_list:
        df1 = pd.DataFrame(data_list)

        # 從地址中提取區域（假設區域是地址的一部分）
        df1['區域'] = df1['地址'].apply(lambda x: x.split()[0])

        # 按區域分組，合併同區域的醫院
        grouped_df = df1.groupby('區域').agg({
            '標題': lambda x: ' | '.join(x),
            '手機': lambda x: ' | '.join(x),
            '地址': lambda x: ' | '.join(x),
            '評分': 'mean'  # 平均評分
        }).reset_index()

        # 顯示數據表格
        st.dataframe(df1)

        # 顯示 Plotly 柱狀圖
        bar_fig = px.bar(grouped_df, x='區域', y='評分', title="各區域寵物醫院統計", labels={'評分':'平均評分', '區域':'區域'})
        st.plotly_chart(bar_fig)

        # 顯示 Plotly 圓餅圖
        pie_fig = px.pie(grouped_df, names='區域', values='評分', title="各區域寵物醫院比例")
        st.plotly_chart(pie_fig)

        # 顯示地圖
        if st.button('顯示地圖'):
            # 創建一個 Folium 地圖，集中在平均位置
            map_center = [df1['緯度'].mean(), df1['經度'].mean()]
            pet_map = folium.Map(location=map_center, zoom_start=12)

            # 創建一個標記聚合器
            marker_cluster = MarkerCluster().add_to(pet_map)

            # 為每家醫院添加標記
            for index, row in df1.iterrows():
                folium.Marker(
                    location=[row['緯度'], row['經度']],
                    popup=f"{row['標題']} (評分: {row['評分']})",
                    tooltip=row['標題']
                ).add_to(marker_cluster)  # 添加到標記聚合器中

            # 使用 streamlit_folium 渲染地圖
            st_folium(pet_map, width=700, height=500)