app11.py

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

# Função para carregar e ler a planilha
def load_and_get_data():
    try:
        # Carrega as credenciais a partir da variável de ambiente do Hugging Face Secrets
        cred_json = os.getenv("GOOGLE_APPLICATION_CREDENTIALS")
        creds = service_account.Credentials.from_service_account_info(json.loads(cred_json))
        service = build('drive', 'v3', credentials=creds)
        file_id = '1lNadnIVnDs9Oex5ckNXj1-56nvlEea6p'

        # Baixa o 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 no pandas
        df = pd.read_csv('imoveis_ficticios.csv')
        return df
    except Exception as e:
        return f"Erro ao acessar o arquivo CSV: {e}"

# Função para o agente conversar e filtrar os imóveis
def conversar_e_sugerir(preco_maximo, status_imovel):
    df = load_and_get_data()
    
    # Filtros
    df_filtrado = df[df['valor'] <= preco_maximo]
    if status_imovel:
        df_filtrado = df_filtrado[df_filtrado['status'].isin(status_imovel)]

    # Exibe as opções filtradas
    if df_filtrado.empty:
        return "Desculpe, não encontrei imóveis que atendem aos critérios."

    sugestões = df_filtrado[['nome', 'bairro', 'valor', 'status']].head(5)  # Limita a 5 opções
    resposta = "Aqui estão algumas opções de imóveis para você:\n"
    for _, imovel in sugestões.iterrows():
        resposta += f"{imovel['nome']} - {imovel['bairro']} - R${imovel['valor']} - Status: {imovel['status']}\n"

    return resposta

# Interface do Gradio
def interface():
    return gr.Interface(
        fn=conversar_e_sugerir,
        inputs=[
            gr.Slider(minimum=0, maximum=2000000, label="Preço Máximo Procurado", default=2000000),
            gr.CheckboxGroup(label="Status do Imóvel", choices=["pronto", "em construção", "na planta"], default=["pronto", "em construção"])
        ],
        outputs="text",
        title="Agente Conversacional de Imóveis",
        description="Converse com o agente para encontrar o imóvel ideal! Defina o preço máximo e o status do imóvel."
    )

# Rodar o app
if __name__ == "__main__":
    interface().launch()