app10.py

import os
import pandas as pd
import openai
from google.oauth2 import service_account
from googleapiclient.discovery import build
from googleapiclient.http import MediaIoBaseDownload
import io
import json

# Função para carregar e testar a leitura do arquivo CSV
def load_and_test_csv():
    try:
        # Carrega as credenciais a partir da variável de ambiente do Hugging Face Secrets
        cred_json = os.getenv("GOOGLE_APPLICATION_CREDENTIALS")
        
        # Utiliza google.oauth2.service_account para carregar as credenciais corretamente
        creds = service_account.Credentials.from_service_account_info(json.loads(cred_json))

        # Autentica com o Google API
        service = build('drive', 'v3', credentials=creds)

        # ID do arquivo no Google Drive (substituído pelo ID real fornecido)
        file_id = '1lNadnIVnDs9Oex5ckNXj1-56nvlEea6p'

        # Solicita o download do arquivo CSV
        request = service.files().get_media(fileId=file_id)
        fh = io.FileIO('imoveis_ficticios.csv', 'wb')
        downloader = MediaIoBaseDownload(fh, request)

        done = False
        while done is False:
            status, done = downloader.next_chunk()

        # Carrega o CSV usando pandas
        df = pd.read_csv('imoveis_ficticios.csv')

        # Verifica se as colunas necessárias estão presentes
        required_columns = ['nome', 'bairro', 'valor', 'aluguel', 'rentabilidade', 'status']
        missing_columns = [col for col in required_columns if col not in df.columns]

        if missing_columns:
            # Retorna um erro claro sem tentar abrir esse erro como arquivo
            return f"Erro: Colunas ausentes no CSV: {', '.join(missing_columns)}"
        
        return df
    
    except Exception as e:
        return f"Erro ao acessar o arquivo CSV: {e}"

# Função para buscar imóveis na planilha
def buscar_imoveis(bairro=None, status=None, preco_maximo=2000000):
    try:
        # Carrega os dados da planilha
        df = load_and_test_csv()

        if isinstance(df, str):
            return df  # Se houve erro na leitura, retorna o erro
        
        # Verifica se a coluna 'valor' existe antes de fazer qualquer operação
        if 'valor' not in df.columns:
            return "Erro: A coluna 'valor' não foi encontrada no arquivo CSV."

        # Converte a coluna 'valor' para numérico, caso seja necessário
        df['valor'] = pd.to_numeric(df['valor'], errors='coerce')

        # Filtra os imóveis com base nos critérios fornecidos
        if bairro:
            df = df[df['bairro'].str.contains(bairro, case=False, na=False)]
        
        if status:
            df = df[df['status'].isin(status)]  # Filtra com base nos status selecionados
        
        # Filtra pelo preço máximo
        df = df[df['valor'] <= preco_maximo]  # Filtra pelo preço máximo

        # Exibe os resultados
        if df.empty:
            return "Nenhum imóvel encontrado com os critérios informados."
        else:
            return df[['nome', 'bairro', 'valor', 'aluguel', 'rentabilidade', 'status']].head(5)  # Exibe os primeiros 5 resultados
    
    except Exception as e:
        return f"Erro na busca: {e}"

# Função para interagir com o modelo GPT
def conversacao_openai(prompt):
    openai.api_key = os.getenv("OPENAI_API_KEY")
    
    try:
        response = openai.Completion.create(
            model="text-davinci-003",  # Ou o modelo GPT adequado
            prompt=prompt,
            max_tokens=150
        )
        return response.choices[0].text.strip()
    except Exception as e:
        return f"Erro ao interagir com o OpenAI: {e}"

# Função principal de interação
def interagir_com_usuario():
    print("Olá! Eu sou seu assistente para ajudar na busca de imóveis. Como posso te ajudar hoje?")
    
    while True:
        user_input = input("Você: ")
        
        # Se o usuário quiser parar a conversa
        if user_input.lower() in ['sair', 'tchau', 'adeus']:
            print("Até logo!")
            break
        
        # Definir parâmetros para a busca com base na entrada do usuário
        bairro = None
        status = None
        preco_maximo = 2000000  # Preço padrão, pode ser alterado pela interação
        
        # Aqui, podemos usar o OpenAI para interpretar as intenções do usuário.
        prompt = f"Usuário quer buscar imóveis com as seguintes palavras: {user_input}. Interpretar isso como bairros, status e preços de imóveis."
        
        gpt_response = conversacao_openai(prompt)
        print(f"Assistente: {gpt_response}")
        
        # Parse do GPT para obter os parâmetros de busca (simplificado)
        if "bairro" in gpt_response:
            bairro = gpt_response.split("bairro:")[1].strip().split()[0]  # Apenas para ilustrar, ajustar conforme necessário
        if "status" in gpt_response:
            status = gpt_response.split("status:")[1].strip().split()[0]  # Ajuste conforme resposta do GPT
        if "preço" in gpt_response:
            preco_maximo = int(gpt_response.split("preço:")[1].strip().split()[0])  # Ajuste conforme resposta do GPT

        # Realizar a busca com base na interpretação do GPT
        resultado = buscar_imoveis(bairro=bairro, status=status, preco_maximo=preco_maximo)
        print(f"Assistente: {resultado}")

if __name__ == "__main__":
    interagir_com_usuario()