app.py

import tweepy
from transformers import pipeline, GPT2LMHeadModel, GPT2Tokenizer
import os
import streamlit as st
from datetime import datetime

# Verificar variáveis de ambiente
required_vars = [
    'TWITTER_API_KEY',
    'TWITTER_API_SECRET_KEY',
    'TWITTER_ACCESS_TOKEN',
    'TWITTER_ACCESS_TOKEN_SECRET',
    'TWITTER_BEARER_TOKEN'
]

# Verificação inicial das variáveis de ambiente
missing_vars = []
for var in required_vars:
    if os.getenv(var) is None:
        missing_vars.append(var)
        print(f"Erro: A variável de ambiente '{var}' não está definida.")
    else:
        print(f"{var} carregada com sucesso.")

if missing_vars:
    raise ValueError(f"As seguintes variáveis de ambiente são necessárias: {', '.join(missing_vars)}")

# Autenticação com Twitter para leitura
client = tweepy.Client(
    bearer_token=os.getenv('TWITTER_BEARER_TOKEN')
)

# Autenticação com Twitter para postagem
auth = tweepy.OAuth1UserHandler(
    os.getenv('TWITTER_API_KEY'),
    os.getenv('TWITTER_API_SECRET_KEY'),
    os.getenv('TWITTER_ACCESS_TOKEN'),
    os.getenv('TWITTER_ACCESS_TOKEN_SECRET')
)

api = tweepy.API(auth)

# Configuração da query e campos do tweet
query = 'BBB25 -filter:retweets lang:pt -is:reply'
tweet_fields = ['text', 'created_at', 'lang', 'public_metrics']

try:
    # Busca tweets com os campos especificados
    tweets = client.search_recent_tweets(
        query=query,
        max_results=100,
        tweet_fields=tweet_fields
    )
    
    if not tweets.data:
        print("Nenhum tweet encontrado")
        st.error("Nenhum tweet encontrado para análise")
        st.stop()
        
    # Análise de sentimentos
    sentiment_pipeline = pipeline(
        'sentiment-analysis',
        model='cardiffnlp/twitter-xlm-roberta-base-sentiment'
    )
    
    sentiments = []
    for tweet in tweets.data:
        # Verificação adicional para garantir que temos tweets em português
        if hasattr(tweet, 'lang') and tweet.lang == 'pt':
            result = sentiment_pipeline(tweet.text)
            sentiments.append(result[0]['label'])
            
    # Calcular taxas
    if sentiments:
        positive = sentiments.count('positive')
        negative = sentiments.count('negative')
        neutral = sentiments.count('neutral')
        total = len(sentiments)
        
        positive_ratio = positive / total
        negative_ratio = negative / total
        neutral_ratio = neutral / total
        
        # Gerar mensagem com IA
        tokenizer = GPT2Tokenizer.from_pretrained('gpt2')
        model = GPT2LMHeadModel.from_pretrained('gpt2')
        
        if positive_ratio > 0.6:
            prompt = "Write an exciting tweet about BBB25 with a positive tone in Portuguese."
        elif negative_ratio > 0.6:
            prompt = "Write an informative tweet about BBB25 with a neutral tone in Portuguese."
        else:
            prompt = "Write a buzzing tweet about BBB25 with an engaging tone in Portuguese."
        
        # Gerar texto
        input_ids = tokenizer.encode(prompt, return_tensors='pt')
        outputs = model.generate(
            input_ids,
            max_length=25,
            do_sample=True,
            pad_token_id=tokenizer.eos_token_id
        )
        
        generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)
        generated_text = generated_text[:280]  # Limitar a 280 caracteres
        
        try:
            # Postar no Twitter
            api.update_status(status=generated_text)
            print(f"Tweet postado com sucesso: {generated_text}")
            
            # Interface Streamlit
            st.title("Análise de Sentimentos - BBB25")
            
            # Mostrar estatísticas
            col1, col2, col3 = st.columns(3)
            with col1:
                st.metric("Sentimento Positivo", f"{positive_ratio:.1%}")
            with col2:
                st.metric("Sentimento Neutro", f"{neutral_ratio:.1%}")
            with col3:
                st.metric("Sentimento Negativo", f"{negative_ratio:.1%}")
            
            # Mostrar tweet gerado
            st.subheader("Tweet Gerado e Postado")
            st.write(generated_text)
            
            # Logging
            log_entry = {
                'timestamp': datetime.now().strftime('%Y-%m-%d %H:%M:%S'),
                'positive_ratio': positive_ratio,
                'negative_ratio': negative_ratio,
                'neutral_ratio': neutral_ratio,
                'tweet': generated_text
            }
            
            with open('posting_log.txt', 'a') as f:
                f.write(f"{str(log_entry)}\n")
                
        except Exception as e:
            st.error(f"Erro ao postar tweet: {str(e)}")
            print(f"Erro ao postar: {e}")
            
except tweepy.errors.BadRequest as e:
    st.error(f"Erro na requisição ao Twitter: {str(e)}")
    print(f"Erro na requisição: {str(e)}")
except tweepy.errors.TweepyException as e:
    st.error(f"Erro do Tweepy: {str(e)}")
    print(f"Erro do Tweepy: {str(e)}")
except Exception as e:
    st.error(f"Erro inesperado: {str(e)}")
    print(f"Erro inesperado: {str(e)}")

# Footer
st.markdown("---")
st.markdown(
    """
    <div style='text-align: center'>
        <small>Desenvolvido com ❤️ usando Streamlit e Transformers</small>
    </div>
    """,
    unsafe_allow_html=True
)