import gradio as gr
import pandas as pd
from transformers import pipeline

# Configurar el clasificador de sentimientos multilingüe
classifier = pipeline(task="zero-shot-classification", model="facebook/bart-large-mnli")

# Función para analizar los sentimientos de una lista de textos
def analyze_sentiments(texts):
    if not texts:
        return 0.0, 0.0, 0.0  # Manejar el caso donde no hay textos para analizar

    positive, negative, neutral = 0, 0, 0
    for text in texts:
        results = classifier(text, ["positive", "negative", "neutral"], multi_label=True)
        mx = max(results['scores'])
        ind = results['scores'].index(mx)
        result = results['labels'][ind]
        if result == "positive":
            positive += 1
        elif result == "negative":
            negative += 1
        else:
            neutral += 1
    total = len(texts)
    positive_percent = (positive / total) * 100
    negative_percent = (negative / total) * 100
    neutral_percent = (neutral / total) * 100
    return positive_percent, negative_percent, neutral_percent

# Función para cargar el archivo CSV y analizar los primeros 100 comentarios
def analyze_sentiment_from_csv():
    try:
        # Intentar leer el archivo CSV con diferentes opciones para manejar errores de formato
        df = pd.read_csv('SHAREit_BD.csv', delimiter=',')
        print(df.head())  # Imprimir las primeras filas del DataFrame para verificar su contenido
        if 'content' not in df.columns:
            raise ValueError("El archivo CSV no contiene una columna 'content'")
        texts = df['content'].head(100).tolist()  # Tomar solo los primeros 100 comentarios
        return analyze_sentiments(texts)
    except pd.errors.ParserError as e:
        print(f"Error al analizar el archivo CSV: {e}")
        return "Error al analizar el archivo CSV", "", ""
    except Exception as e:
        print(f"Error inesperado: {e}")
        return str(e), "", ""

# Configurar la interfaz de Gradio
demo = gr.Interface(
    fn=analyze_sentiment_from_csv, 
    inputs=[],  # No hay necesidad de entradas porque los datos están incrustados
    outputs=[gr.Textbox(label="Positive Percentage"), gr.Textbox(label="Negative Percentage"), gr.Textbox(label="Neutral Percentage")],  # Mostrar los porcentajes como salidas
    title="Analizador de Sentimientos Multilingüe",
    description="Porcentaje de comentarios positivos, negativos y neutrales"
)

demo.launch()