app.py

import gradio as gr
import re
from collections import Counter
from datetime import datetime
import emoji

def clean_text(text):
    """Очищает текст от лишних пробелов и переносов строк"""
    return ' '.join(text.split())

def count_emojis(text):
    """Подсчитывает количество эмодзи в тексте"""
    return len([c for c in text if c in emoji.EMOJI_DATA])

def extract_mentions(text):
    """Извлекает упоминания пользователей из текста"""
    return re.findall(r'@[\w\.]+', text)

def analyze_sentiment(text):
    """Простой анализ тональности по эмодзи и ключевым словам"""
    positive_indicators = ['🔥', '❤️', '👍', 'круто', 'супер', 'класс', 'огонь', 'пушка']
    negative_indicators = ['👎', '😢', 'плохо', 'ужас']
    
    text_lower = text.lower()
    positive_count = sum(1 for ind in positive_indicators if ind in text_lower)
    negative_count = sum(1 for ind in negative_indicators if ind in text_lower)
    
    if positive_count > negative_count:
        return 'positive'
    elif negative_count > positive_count:
        return 'negative'
    return 'neutral'

def extract_comment_data(comment_text):
    """
    Извлекает данные из отдельного комментария
    Возвращает (username, comment_text, likes_count, week_number)
    """
    # Извлекаем имя пользователя
    username_match = re.search(r"Фото профиля ([^\n]+)", comment_text)
    if not username_match:
        return None, None, 0, 0
    
    username = username_match.group(1).strip()
    
    # Извлекаем текст комментария (теперь без имени пользователя)
    comment_pattern = fr"{username}\n(.*?)(?:\d+ нед\.)"
    comment_match = re.search(comment_pattern, comment_text, re.DOTALL)
    if comment_match:
        # Очищаем текст комментария от упоминаний пользователя в начале
        comment = clean_text(comment_match.group(1))
        comment = re.sub(fr'^{username}\s*', '', comment)
        comment = re.sub(r'^@[\w\.]+ ', '', comment)  # Удаляем упоминания в начале
    else:
        comment = ""
    
    # Извлекаем количество недель
    week_match = re.search(r'(\d+) нед\.', comment_text)
    weeks = int(week_match.group(1)) if week_match else 0
    
    # Ищем количество лайков
    likes = 0
    likes_patterns = [
        r"(\d+) отметк[аи] \"Нравится\"",
        r"Нравится: (\d+)",
    ]
    
    for pattern in likes_patterns:
        likes_match = re.search(pattern, comment_text)
        if likes_match:
            likes = int(likes_match.group(1))
            break
    
    return username, comment.strip(), likes, weeks

def analyze_post(content_type, link_to_post, post_likes, post_date, description, comment_count, all_comments):
    try:
        # Разделяем комментарии по "Фото профиля"
        comments_blocks = re.split(r'(?=Фото профиля)', all_comments)
        comments_blocks = [block for block in comments_blocks if block.strip()]
        
        # Основные списки для данных
        usernames = []
        comments = []
        likes = []
        weeks = []
        
        # Дополнительные метрики
        total_emojis = 0
        mentions = []
        sentiments = []
        comment_lengths = []
        
        # Обработка каждого комментария
        for block in comments_blocks:
            username, comment, like_count, week_number = extract_comment_data(block)
            if username and comment:
                usernames.append(username)
                comments.append(comment)
                likes.append(str(like_count))
                weeks.append(week_number)
                
                # Сбор дополнительных метрик
                total_emojis += count_emojis(comment)
                mentions.extend(extract_mentions(comment))
                sentiments.append(analyze_sentiment(comment))
                comment_lengths.append(len(comment))
        
        # Аналитика
        total_comments = len(comments)
        avg_comment_length = sum(comment_lengths) / total_comments if comment_lengths else 0
        sentiment_distribution = Counter(sentiments)
        most_active_users = Counter(usernames).most_common(5)
        most_mentioned = Counter(mentions).most_common(5)
        avg_likes = sum(map(int, likes)) / len(likes) if likes else 0
        earliest_week = max(weeks) if weeks else 0
        latest_week = min(weeks) if weeks else 0
        
        # Формируем выходные данные
        usernames_output = "\n".join(usernames)
        comments_output = "\n".join(comments)
        likes_chronology_output = "\n".join(likes)
        total_likes_sum = sum(map(int, likes))
        
        # Подробная аналитика
        analytics_summary = (
            f"Content Type: {content_type}\n"
            f"Link to Post: {link_to_post}\n\n"
            f"ОСНОВНАЯ СТАТИСТИКА:\n"
            f"- Всего комментариев: {total_comments}\n"
            f"- Всего лайков на комментариях: {total_likes_sum}\n"
            f"- Среднее количество лайков: {avg_likes:.1f}\n"
            f"- Период активности: {earliest_week}-{latest_week} недель\n\n"
            f"АНАЛИЗ КОНТЕНТА:\n"
            f"- Средняя длина комментария: {avg_comment_length:.1f} символов\n"
            f"- Всего эмодзи использовано: {total_emojis}\n"
            f"- Тональность комментариев:\n"
            f"  * Позитивных: {sentiment_distribution['positive']}\n"
            f"  * Нейтральных: {sentiment_distribution['neutral']}\n"
            f"  * Негативных: {sentiment_distribution['negative']}\n\n"
            f"АКТИВНОСТЬ ПОЛЬЗОВАТЕЛЕЙ:\n"
            f"Самые активные комментаторы:\n"
            + "\n".join([f"- {user}: {count} комментариев" for user, count in most_active_users]) + "\n\n"
            f"Самые упоминаемые пользователи:\n"
            + "\n".join([f"- {user}: {count} упоминаний" for user, count in most_mentioned if user]) + "\n\n"
            f"ВОВЛЕЧЕННОСТЬ:\n"
            f"- Процент комментариев с лайками: {(sum(1 for l in likes if int(l) > 0) / total_comments * 100):.1f}%\n"
            f"- Процент комментариев с эмодзи: {(sum(1 for c in comments if count_emojis(c) > 0) / total_comments * 100):.1f}%\n"
        )
        
        return analytics_summary, usernames_output, comments_output, likes_chronology_output, str(total_likes_sum)
    
    except Exception as e:
        error_message = f"Произошла ошибка при обработке: {str(e)}\n{str(type(e))}"
        return error_message, error_message, error_message, error_message, "0"

# Создаем интерфейс Gradio
iface = gr.Interface(
    fn=analyze_post,
    inputs=[
        gr.Radio(
            choices=["Photo", "Video"],
            label="Content Type",
            value="Photo"
        ),
        gr.Textbox(
            label="Link to Post",
            placeholder="Введите ссылку на пост"
        ),
        gr.Number(
            label="Likes",
            value=0
        ),
        gr.Textbox(
            label="Post Date",
            placeholder="Введите дату публикации"
        ),
        gr.Textbox(
            label="Description",
            placeholder="Введите описание поста",
            lines=3
        ),
        gr.Number(
            label="Total Comment Count",
            value=0
        ),
        gr.Textbox(
            label="All Comments",
            placeholder="Вставьте комментарии",
            lines=10
        )
    ],
    outputs=[
        gr.Textbox(label="Analytics Summary", lines=20),
        gr.Textbox(label="Usernames (Output 1)", lines=5),
        gr.Textbox(label="Comments (Output 2)", lines=5),
        gr.Textbox(label="Likes Chronology (Output 3)", lines=5),
        gr.Textbox(label="Total Likes on Comments (Output 4)")
    ],
    title="Instagram Comment Analyzer Pro",
    description="Расширенный анализатор комментариев Instagram с детальной аналитикой"
)

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