import gradio as gr
from transformers import AutoTokenizer, AutoModelForQuestionAnswering
import torch
import logging
import warnings
from typing import List, Tuple, Dict, Optional
import random
from datetime import datetime
from dataclasses import dataclass
from enum import Enum
from difflib import SequenceMatcher
import numpy as np
import re

logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)
warnings.filterwarnings('ignore')

class ThemeType(Enum):
    MARRIAGE = "casamento"
    FAMILY = "familia"
    SPIRITUAL = "vida_espiritual"
    WORK = "trabalho"
    RELATIONSHIPS = "relacionamentos"
    GENERAL = "geral"

@dataclass
class BiblicalExample:
    question: str
    passage: str
    text: str
    base_response: str
    application: str
    sentiment: str
    keywords: List[str] = None
    theme: str = ""

    def __post_init__(self):
        if self.keywords is None:
            self.keywords = self.extract_keywords()

    def extract_keywords(self) -> List[str]:
        """Extract meaningful keywords from question and response."""
        text = f"{self.question} {self.base_response}"
        words = text.lower().split()
        # Remove common Portuguese stop words
        stop_words = {'a', 'o', 'e', 'de', 'do', 'da', 'em', 'para', 'com', 'um', 'uma'}
        keywords = [word for word in words if len(word) > 3 and word not in stop_words]
        return list(set(keywords))

class TextProcessor:
    @staticmethod
    def normalize_text(text: str) -> str:
        """Normalize text by removing special characters and extra spaces."""
        text = re.sub(r'[^\w\s]', ' ', text)
        text = ' '.join(text.lower().split())
        return text

    @staticmethod
    def extract_main_concepts(text: str) -> List[str]:
        """Extract main concepts from text using basic NLP techniques."""
        # Remove common words and keep meaningful terms
        stop_words = {'a', 'o', 'e', 'de', 'do', 'da', 'em', 'para', 'com', 'um', 'uma', 'que', 'como'}
        words = TextProcessor.normalize_text(text).split()
        concepts = [word for word in words if word not in stop_words and len(word) > 3]
        return list(set(concepts))

class ResponseValidator:
    def __init__(self):
        self.text_processor = TextProcessor()
        self.similarity_threshold = 0.3
        self.keyword_threshold = 0.2
        self.concept_match_threshold = 0.25

    def calculate_text_similarity(self, text1: str, text2: str) -> float:
        """Calculate text similarity using SequenceMatcher."""
        normalized_text1 = self.text_processor.normalize_text(text1)
        normalized_text2 = self.text_processor.normalize_text(text2)
        return SequenceMatcher(None, normalized_text1, normalized_text2).ratio()

    def calculate_keyword_similarity(self, text1: str, text2: str) -> float:
        """Calculate keyword similarity between texts."""
        keywords1 = set(self.text_processor.extract_main_concepts(text1))
        keywords2 = set(self.text_processor.extract_main_concepts(text2))
        if not keywords1 or not keywords2:
            return 0.0
        return len(keywords1.intersection(keywords2)) / len(keywords1.union(keywords2))

    def calculate_concept_similarity(self, question: str, example: BiblicalExample) -> float:
        """Calculate concept similarity between question and example."""
        question_concepts = set(self.text_processor.extract_main_concepts(question))
        example_concepts = set(example.keywords)
        if not question_concepts or not example_concepts:
            return 0.0
        return len(question_concepts.intersection(example_concepts)) / len(question_concepts.union(example_concepts))

    def validate_response(self, question: str, example: BiblicalExample) -> Tuple[bool, Dict[str, float]]:
        """Validate response relevance using multiple metrics."""
        text_similarity = self.calculate_text_similarity(question, example.question)
        keyword_similarity = self.calculate_keyword_similarity(question, example.question)
        concept_similarity = self.calculate_concept_similarity(question, example)

        # Calculate weighted score
        weights = {'text': 0.4, 'keyword': 0.3, 'concept': 0.3}
        total_score = (
            text_similarity * weights['text'] +
            keyword_similarity * weights['keyword'] +
            concept_similarity * weights['concept']
        )

        metrics = {
            'text_similarity': round(text_similarity, 3),
            'keyword_similarity': round(keyword_similarity, 3),
            'concept_similarity': round(concept_similarity, 3),
            'total_score': round(total_score, 3)
        }

        is_valid = (
            text_similarity >= self.similarity_threshold or
            keyword_similarity >= self.keyword_threshold or
            concept_similarity >= self.concept_match_threshold
        )

        return is_valid, metrics

class SapienciaBiblica:
    def __init__(self):
        logger.info("Inicializando SapiênciaBíblica...")
        self.device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
        self.model_name = "pierreguillou/bert-base-cased-squad-v1.1-portuguese"
        self.session_history = []
        self.biblical_examples = self.get_default_examples_dict()
        self.validator = ResponseValidator()
        self.setup_model()

    def setup_model(self):
        try:
            self.tokenizer = AutoTokenizer.from_pretrained(self.model_name)
            self.model = AutoModelForQuestionAnswering.from_pretrained(self.model_name)
            self.model.to(self.device)
            logger.info(f"Modelo carregado com sucesso no dispositivo: {self.device}")
        except Exception as e:
            logger.error(f"Erro ao carregar modelo: {str(e)}")
            raise

    def get_default_examples_dict(self) -> Dict[str, List[BiblicalExample]]:
        return {
            "casamento": [
                BiblicalExample(
                    question="Como melhorar a comunicação no casamento?",
                    passage="Efésios 4:29",
                    text="Não saia da vossa boca nenhuma palavra torpe, mas só a que for boa para promover a edificação, para que dê graça aos que a ouvem.",
                    base_response="A comunicação efetiva no casamento requer sabedoria, paciência e amor. A Bíblia nos ensina a usar palavras que edificam e não destroem.",
                    application="Pratique escuta ativa, escolha momentos adequados para conversas importantes, e sempre fale com amor e respeito.",
                    sentiment="supportive",
                    theme="casamento"
                ),
                BiblicalExample(
                    question="Como lidar com conflitos no casamento?",
                    passage="Efésios 4:26-27",
                    text="Irai-vos e não pequeis; não se ponha o sol sobre a vossa ira. Não deis lugar ao diabo.",
                    base_response="Os conflitos são naturais, mas devem ser resolvidos com sabedoria e amor, sem deixar que a raiva tome conta.",
                    application="Resolva os conflitos no mesmo dia, pratique o perdão e busque entender o ponto de vista do cônjuge.",
                    sentiment="instructive",
                    theme="casamento"
                )
            ],
            "familia": [
                BiblicalExample(
                    question="Como educar filhos segundo a Bíblia?",
                    passage="Provérbios 22:6",
                    text="Instrui o menino no caminho em que deve andar, e até quando envelhecer não se desviará dele.",
                    base_response="A educação dos filhos deve ser baseada em princípios bíblicos, com amor, disciplina e exemplo.",
                    application="Estabeleça rotinas de devocional em família, seja exemplo de caráter e aplique disciplina com amor.",
                    sentiment="instructive",
                    theme="familia"
                )
            ],
            # Add more categories and examples as needed
        }

    def find_best_theme(self, question: str) -> str:
        """Find the most relevant theme for the question."""
        question = question.lower()
        theme_keywords = {
            "casamento": ["casamento", "cônjuge", "esposa", "marido", "casal"],
            "familia": ["família", "filhos", "pais", "criação", "lar"],
            "vida_espiritual": ["oração", "jejum", "adoração", "espiritual", "fé"],
            "trabalho": ["trabalho", "emprego", "carreira", "profissão"],
            "relacionamentos": ["amizade", "relacionamento", "conflito", "perdão"],
        }
        
        max_matches = 0
        best_theme = "geral"
        
        for theme, keywords in theme_keywords.items():
            matches = sum(1 for keyword in keywords if keyword in question)
            if matches > max_matches:
                max_matches = matches
                best_theme = theme
        
        return best_theme

    def find_best_example(self, question: str, theme: str) -> Tuple[Optional[BiblicalExample], Dict[str, float]]:
        """Find the most relevant example and return validation metrics."""
        examples = self.biblical_examples.get(theme, self.biblical_examples["geral"])
        best_score = 0
        best_example = None
        best_metrics = {}
        
        for example in examples:
            is_valid, metrics = self.validator.validate_response(question, example)
            
            if is_valid and metrics['total_score'] > best_score:
                best_score = metrics['total_score']
                best_example = example
                best_metrics = metrics
        
        return best_example, best_metrics

    def get_unique_response(self, question: str, theme: str = None) -> Tuple[str, Dict, str]:
        """Get a validated response for the given question."""
        if not question.strip():
            return "Por favor, faça uma pergunta específica.", {}, self.format_history()
            
        if not theme or theme not in self.biblical_examples:
            theme = self.find_best_theme(question)
        
        best_example, validation_metrics = self.find_best_example(question, theme)
        
        if not best_example:
            response = self.generate_fallback_response(question, theme)
            metadata = {
                "theme": theme,
                "status": "no_matching_example",
                "validation_metrics": validation_metrics
            }
            return response, metadata, self.format_history()
        
        sentiment = self.analyze_sentiment(question)
        response = self.format_response(best_example, sentiment)
        metadata = self.create_metadata(best_example, theme, validation_metrics)
        history = self.save_to_history(question, theme, response, metadata)
        
        return response, metadata, history

    def analyze_sentiment(self, text: str) -> str:
        """Analyze the sentiment of the input text."""
        positive_words = {'alegria', 'esperança', 'paz', 'amor', 'gratidão', 'feliz', 'bem'}
        negative_words = {'tristeza', 'medo', 'ansiedade', 'preocupação', 'angústia', 'mal', 'dor'}
        
        text_words = set(text.lower().split())
        pos_count = len(text_words.intersection(positive_words))
        neg_count = len(text_words.intersection(negative_words))
        
        return 'positive' if pos_count > neg_count else 'negative' if neg_count > pos_count else 'neutral'

    def format_response(self, example: BiblicalExample, sentiment: str) -> str:
        """Format the response with appropriate introduction based on sentiment."""
        intro = {
            'positive': "Que bom que você está buscando orientação! ",
            'negative': "Entendo seu momento e estou aqui para ajudar. ",
            'neutral': "Agradeço sua busca por sabedoria. "
        }
        
        return f"""
🌟 Orientação Personalizada:
{intro[sentiment]}{example.base_response}

📖 Passagem Bíblica:
{example.passage}: {example.text}

✨ Aplicação Prática:
{example.application}

🙏 Observação: 
Esta orientação é baseada em princípios bíblicos. Para questões específicas, 
considere consultar sua liderança espiritual local.
"""

    def generate_fallback_response(self, question: str, theme: str) -> str:
        """Generate a thoughtful fallback response when no good match is found."""
        theme_verses = {
            "casamento": ("Efésios 5:25", "Maridos, amai vossas mulheres, como também Cristo amou a igreja..."),
            "familia": ("Salmos 127:3", "Eis que os filhos são herança do Senhor..."),
            "vida_espiritual": ("Filipenses 4:6", "Não andeis ansiosos por coisa alguma..."),
            "trabalho": ("Colossenses 3:23", "E tudo quanto fizerdes, fazei-o de coração..."),
            "relacionamentos": ("João 13:34", "Um novo mandamento vos dou: Que vos ameis uns aos outros..."),
            "geral": ("Provérbios 3:5-6", "Confia no Senhor de todo o teu coração...")
        }
        
        verse = theme_verses.get(theme, theme_verses["geral"])
        
        return f"""
🤔 Compreendo sua busca por orientação sobre {theme}...

Para melhor atendê-lo, considere reformular sua pergunta de forma mais específica, 
mencionando detalhes da situação que você gostaria de abordar.

📖 Enquanto isso, reflita sobre esta passagem:
{verse[0]}: "{verse[1]}"

🙏 Lembre-se: 
"Porque o SENHOR dá a sabedoria, e da sua boca vem o conhecimento e o entendimento." 
- Provérbios 2:6
"""

    def create_metadata(self, example: BiblicalExample, theme: str, validation_metrics: Dict[str, float]) -> Dict:
        """Create comprehensive metadata for the response."""
        return {
            "theme": theme,
            "passage": example.passage,
            "application": example.application,
            "sentiment": example.sentiment,
            "validation_metrics": validation_metrics,
            "keywords_matched": example.keywords,
            "response_quality": "high" if validation_metrics['total_score'] > 0.6 else "medium" if validation_metrics['total_score'] > 0.4 else "low"
        }

    def save_to_history(self, question: str, theme: str, response: str, metadata: Dict) -> str:
        """Save interaction to history and return formatted history."""
        self.session_history.append({
            "timestamp": datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
            "theme": theme,
            "question": question,
            "response": response,
            "metadata": metadata
        })
        return self.format_history()

    def format_history(self) -> str:
        """Format the session history for display."""
        if not self.session_history:
            return "Nenhuma consulta realizada ainda."
            
        history_text = "📚 Histórico de Consultas:\n\n"
        for entry in reversed(self.session_history[-5:]):  # Show last 5 entries
            history_text += f"🕒 {entry['timestamp']}\n"
            history_text += f"📌 Tema: {entry['theme']}\n"
            history_text += f"❓ Pergunta: {entry['question']}\n"
            if 'validation_metrics' in entry['metadata']:
                history_text += f"📊 Relevância: {entry['metadata']['validation_metrics']['total_score']:.2f}\n"
            history_text += "─" * 40 + "\n"
        return history_text

    def get_verse_of_day(self) -> str:
        """Get a random verse of the day."""
        verses = [
            ("João 3:16", "Porque Deus amou o mundo de tal maneira que deu o seu Filho unigênito, para que todo aquele que nele crê não pereça, mas tenha a vida eterna."),
            ("Salmos 23:1", "O Senhor é meu pastor e nada me faltará."),
            ("Filipenses 4:13", "Posso todas as coisas em Cristo que me fortalece."),
            ("Jeremias 29:11", "Porque eu bem sei os pensamentos que tenho a vosso respeito, diz o Senhor; pensamentos de paz, e não de mal, para vos dar o fim que esperais."),
            ("Provérbios 3:5-6", "Confia no Senhor de todo o teu coração, e não te estribes no teu próprio entendimento. Reconhece-o em todos os teus caminhos, e ele endireitará as tuas veredas.")
        ]
        verse = random.choice(verses)
        return f"📖 Versículo do Dia:\n{verse[0]}\n\n{verse[1]}"

    def get_daily_prayer_focus(self) -> str:
        """Get a random prayer focus for the day."""
        focuses = [
            ("Gratidão e Louvor", "Agradecer a Deus por suas bênçãos e manifestar louvor"),
            ("Família e Relacionamentos", "Orar pela harmonia e proteção familiar"),
            ("Sabedoria e Direção", "Buscar orientação divina para decisões"),
            ("Paz e Serenidade", "Cultivar a paz interior e confiar em Deus"),
            ("Cura e Restauração", "Buscar a cura emocional e espiritual")
        ]
        focus = random.choice(focuses)
        return f"🙏 Foco de Oração:\n{focus[0]}\n{focus[1]}"

    def get_examples_for_interface(self) -> List[List[str]]:
        """Get formatted examples for the Gradio interface."""
        examples = []
        for theme in self.biblical_examples:
            for example in self.biblical_examples[theme]:
                examples.append([theme, example.question])
        return examples

def create_interface():
    counselor = SapienciaBiblica()

    with gr.Blocks(theme=gr.themes.Soft()) as demo:
        gr.Markdown("""
        # 🕊️ SapiênciaBíblica
        ### Orientação Divina para Vida Moderna
        """)

        with gr.Row():
            with gr.Column():
                verse_of_day = gr.Textbox(
                    label="📖 Versículo do Dia",
                    value=counselor.get_verse_of_day(),
                    lines=4,
                    interactive=False
                )
                
            with gr.Column():
                prayer_focus = gr.Textbox(
                    label="🙏 Foco de Oração",
                    value=counselor.get_daily_prayer_focus(),
                    lines=4,
                    interactive=False
                )

        with gr.Row():
            with gr.Column():
                theme = gr.Dropdown(
                    choices=[t.value for t in ThemeType],
                    label="🎯 Tema (Opcional)",
                    value="geral",
                    info="Selecione um tema ou deixe em automático"
                )
                
                question = gr.Textbox(
                    label="❓ Sua Pergunta",
                    placeholder="Digite sua pergunta sobre qualquer tema bíblico...",
                    lines=3
                )
                
                submit_btn = gr.Button("🙏 Buscar Orientação", variant="primary")

            with gr.Column():
                answer_output = gr.Textbox(
                    label="✨ Orientação",
                    lines=12
                )
                
                with gr.Accordion("📚 Detalhes"):
                    metadata_output = gr.JSON(
                        label="📋 Informações Detalhadas"
                    )
                    
                    history_output = gr.Textbox(
                        label="📚 Histórico",
                        lines=10,
                        interactive=False
                    )

        # Examples for the interface
        gr.Examples(
            examples=counselor.get_examples_for_interface(),
            inputs=[theme, question],
            outputs=[answer_output, metadata_output, history_output],
            fn=counselor.get_unique_response,
            label="📝 Exemplos de Perguntas",
            examples_per_page=5
        )

        submit_btn.click(
            fn=counselor.get_unique_response,
            inputs=[question, theme],
            outputs=[answer_output, metadata_output, history_output]
        )

    return demo

if __name__ == "__main__":
    try:
        logger.info("Iniciando SapiênciaBíblica...")
        demo = create_interface()
        demo.launch(
            server_name="0.0.0.0",
            share=True,
            show_error=True,
            server_port=7860
        )
    except Exception as e:
        logger.error(f"Erro ao iniciar aplicação: {str(e)}")
        raise