import streamlit as st
import pandas as pd
import requests
from transformers import pipeline, AutoTokenizer, AutoModelForSequenceClassification
import os

# 딥러닝 모델 로드
@st.cache_resource
def load_model():
    model_name = "bucketresearch/politicalBiasBERT"
    tokenizer = AutoTokenizer.from_pretrained(model_name)
    model = AutoModelForSequenceClassification.from_pretrained(model_name)
    return pipeline("text-classification", model=model, tokenizer=tokenizer)

# 네이버 뉴스 API 호출
def fetch_naver_news(query, display=5):
    url = "https://openapi.naver.com/v1/search/news.json"
    headers = {
        "X-Naver-Client-Id": "I_8koTJh3R5l4wLurQbG",  # 여기에 직접 API 클라이언트 ID 입력
        "X-Naver-Client-Secret": "W5oWYlAgur",  # 여기에 직접 API 클라이언트 비밀키 입력
    }

    params = {"query": query, "display": display, "sort": "sim"}
    try:
        response = requests.get(url, headers=headers, params=params)
        response.raise_for_status()  # HTTP 오류 처리
        return response.json()
    except requests.exceptions.RequestException as e:
        st.error(f"API 호출 중 오류 발생: {e}")
        return None  # 뉴스 데이터가 없으면 None 반환

# 정치 성향 분류
def classify_sentiment(text, classifier):
    result = classifier(text, truncation=True, max_length=512)
    label = result[0]['label']
    score = result[0]['score']
    if label in ['LABEL_0', 'LABEL_1']:  # 라벨에 따라 수정 필요
        return "보수", score
    elif label in ['LABEL_4']:  # 라벨에 따라 수정 필요
        return "진보", score
    else:
        return "중립", score

# 뉴스 데이터 분석
def analyze_news(news_items, classifier):
    results = {"진보": 0, "보수": 0, "중립": 0}
    detailed_results = []

    for item in news_items:
        title = item["title"]
        description = item["description"]
        link = item["link"]
        combined_text = f"{title}. {description}"

        # 정치 성향 분류
        orientation, score = classify_sentiment(combined_text, classifier)
        results[orientation] += 1
        detailed_results.append({
            "제목": title,
            "요약": description,
            "링크": link,
            "성향": orientation,
            "점수": score,
        })

    return results, detailed_results

# Streamlit 앱 시작
st.title("정치 성향 분석 대시보드")
st.markdown("### 네이버 뉴스 데이터를 실시간으로 수집하고 정치 성향을 분석합니다.")

# 검색 키워드 입력
query = st.text_input("검색 키워드를 입력하세요", value="정치")

if st.button("분석 시작"):
    with st.spinner("데이터를 분석 중입니다..."):
        try:
            # 네이버 뉴스 데이터 수집
            news_data = fetch_naver_news(query, display=10)
            if news_data is None:
                st.error("뉴스 데이터가 없습니다.")
            else:
                news_items = news_data["items"]

                # 모델 로드
                classifier = load_model()

                # 뉴스 데이터 분석
                results, detailed_results = analyze_news(news_items, classifier)

                # 분석 결과 시각화
                st.subheader("분석 결과 요약")
                st.write(f"진보: {results['진보']}건")
                st.write(f"보수: {results['보수']}건")
                st.write(f"중립: {results['중립']}건")

                # 파이 차트
                st.subheader("성향 분포 차트")
                st.bar_chart(pd.DataFrame.from_dict(results, orient='index', columns=["건수"]))

                # 세부 결과 출력
                st.subheader("세부 결과")
                df = pd.DataFrame(detailed_results)
                st.dataframe(df)

                # 링크 포함한 뉴스 출력
                st.subheader("뉴스 링크")
                for index, row in df.iterrows():
                    st.write(f"- [{row['제목']}]({row['링크']}) (성향: {row['성향']}, 점수: {row['점수']:.2f})")
        except Exception as e:
            st.error(f"오류 발생: {e}")