import streamlit as st
import numpy as np
from geopy.geocoders import Nominatim
import sqlite3
import pandas as pd
import os
import plotly.express as px
from datetime import datetime, timedelta   
from io import BytesIO
from pathlib import Path
from APIOstin import get_comments, get_group_posts, add_update, export_to_db
from huggingface_hub import HfApi
from huggingface_hub import login
from huggingface_hub import hf_hub_download

hf_hub_download(repo_id="LegendaryLoona/MyDB", filename="test.db", repo_type="dataset", local_dir = 'Test/for_db')
print('file downloaded')
#print(f"Path: {Path('test.db')}")


#con = sqlite3.connect('Test/for_db/test.db')
#mycur = con.cursor() 
#mycur.execute("SELECT name FROM sqlite_master WHERE type='table' ORDER BY name;")
#available_table=(mycur.fetchall())
#print(available_table)



ostin_id = -20367999
# def job_small():
#     print('starting small parse')
#     posts, posts_with_comments = get_group_posts(ostin_id, 50)
#     comments, users = get_comments(ostin_id, posts_with_comments)
#     export_to_db(posts, 'Posts')
#     export_to_db(comments, 'Comments')
#     export_to_db(users, 'Users')
#     add_update()


def job(amount):
    print('starting parse')
    posts, posts_with_comments = get_group_posts(ostin_id, amount)
    comments, users = get_comments(ostin_id, posts_with_comments)
    export_to_db(posts, 'Posts')
    export_to_db(comments, 'Comments')
    export_to_db(users, 'Users')
    add_update()
    print('Uploading...')
    api = HfApi()
    login(token=st.secrets["HF_TOKEN"])
    api.upload_file(
        path_or_fileobj="Test/for_db/test.db",
        path_in_repo="test.db",
        repo_id="LegendaryLoona/MyDB",
        repo_type="dataset",
    )
    print('Done!')
    
ostin_id = -20367999
geolocator = Nominatim(user_agent="MyApp")
end_date_default = datetime.now().date()
start_date_default = end_date_default - timedelta(days=7)



start_date = st.sidebar.date_input("Выберите начальную дату",start_date_default, max_value=end_date_default, min_value=datetime(2023, 2, 1).date())
end_date = st.sidebar.date_input("Выберите конечную дату",end_date_default, max_value=end_date_default, min_value=datetime(2023, 2, 1).date())

start_date_str = start_date.strftime('%Y/%m/%d')
end_date_str = end_date.strftime('%Y/%m/%d')

# Содержимое страницы "Главная"
def main():
    st.title("Главная страница")
    st.write("😁 Здесь вы можете ознакомиться с данными таблиц “Комментарии”, “Посты”, “Комментаторы”, настроив фильтры на панели сбоку, а также выгрузить их в Excel.")
    conn = sqlite3.connect("Test/for_db/test.db")
    
    tables = {
        'Комментарии': pd.read_sql_query("SELECT * FROM Comments WHERE Пользователь != '-20367999';", conn),
        'Посты': pd.read_sql_query("SELECT CAST(ID AS TEXT),* FROM Posts;", conn),
        'Комментаторы': pd.read_sql_query("SELECT * FROM Users;", conn),
    }
    # Выбор таблицы для отображения с помощью selectbox
    selected_table = st.selectbox("Выберите таблицу", list(tables.keys()))
    if selected_table == 'Комментарии':
        filtered_data = tables[selected_table]
        filtered_data['Age'] = pd.to_numeric(filtered_data['Age'], errors='coerce')
        # post_filter_value = st.text_input("Введите ID постов (разделите их запятой)", key='post_ids_input')
        # post_ids = [int(post_id.strip()) for post_id in post_ids_input.split(', ') if post_id.strip()] if post_ids_input else []

        # if post_ids:
        #     query_comments = f"SELECT Пост, Sentiment FROM Comments WHERE Пост IN ({', '.join(map(str, post_ids))})"
        #     filtered_data = pd.read_sql_query(query_comments, conn)
        sentiment_filter = st.sidebar.multiselect("Фильтр по тональности", tables[selected_table]['Sentiment'].unique(), default=[])
        country_filter = st.sidebar.multiselect("Фильтр по стране", tables[selected_table]['Country'].unique(), default=[])
        city_filter = st.sidebar.multiselect("Фильтр по городу", tables[selected_table]['City'].unique(), default=[])
        sex_filter = st.sidebar.multiselect("Фильтр по полу", tables[selected_table]['Sex'].unique(), default=[])
        st.sidebar.subheader("Возраст пользователя")
        check_age = st.sidebar.checkbox("Указать возраст пользователей", key="disabled")
        if check_age:
            age_limits = st.sidebar.slider("Выберите диапазон возраста пользователей", 0, 100, (int(np.min(filtered_data['Age'])), 70))
        # post_filter_value = st.text_area("Поиск всех комментариев к определенным постам (столбец 'Пост')")
       
        # date_type = st.radio("Выберите тип фильтрации по дате", ["Диапазон дат", "Конкретная дата", 'Все'], index=2)
        # if date_type == "Диапазон дат":
        #     start_date_tab = st.date_input("Выберите начальную дату", datetime.now() - timedelta(days=7), key='start_date_tab')
        #     end_date_tab = st.date_input("Выберите конечную дату", datetime.now(),key='end_date_tab')
        #     start_date_tab_str = start_date_tab.strftime('%Y/%m/%d')
        #     end_date_tab_str = end_date_tab.strftime('%Y/%m/%d')
        #     filtered_data = tables[selected_table][(tables[selected_table]['Дата'] >= start_date_tab_str) & (tables[selected_table]['Дата'] <= end_date_tab_str)]
        # elif date_type == "Конкретная дата":
        #     selected_date = st.date_input("Выберите конкретную дату", datetime.now())
        #     selected_date_str = selected_date.strftime('%Y/%m/%d')
        #     filtered_data = tables[selected_table][tables[selected_table]['Дата'] == selected_date_str]
        # else: 
        #     filtered_data = tables[selected_table]
        filtered_data = tables[selected_table][(tables[selected_table]['Дата'] >= start_date_str) & (tables[selected_table]['Дата'] <= end_date_str)]

        if sentiment_filter:
            filtered_data = filtered_data[filtered_data['Sentiment'].isin(sentiment_filter)]
        if city_filter:
            filtered_data = filtered_data[filtered_data['City'].isin(city_filter)]
        if country_filter:
            filtered_data = filtered_data[filtered_data['Country'].isin(country_filter)]
        if sex_filter:
            filtered_data = filtered_data[filtered_data['Sex'].isin(sex_filter)]
        if check_age:
            filtered_data = filtered_data[(filtered_data['Age'] >= age_limits[0]) & (filtered_data['Age'] <= age_limits[1])]
        # post_filter_value = st.number_input("Введите ID постов (столбец 'Пост') (разделите их запятой)",min_value=0)
        # if post_filter_value:
        #     filtered_data = filtered_data[filtered_data['Пост'] == post_filter_value]
        
        post_filter_value = st.text_input("Поиск всех комментариев к определенным постам (столбец 'Пост')", help ='Разделите запятой и пробелом')
        if post_filter_value:
            # Разделение введенных значений по переносу строки или другому разделителю
            post_filter_values_list = [x.strip() for x in post_filter_value.split(', ') if x.strip()]
            # Применение фильтрации по столбцу "Пост" для всех введенных значений
            filtered_data = filtered_data[filtered_data['Пост'].astype(str).isin(post_filter_values_list)]
        
        id_filter_value = st.number_input("Поиск всех комментариев человека по его ID (столбец 'Пользователь')", min_value=0, help ='Разделите запятой и пробелом')
        if id_filter_value:
            # Применение фильтрации по столбцу ID
            filtered_data = filtered_data[filtered_data['Пользователь'] == id_filter_value]

        filtered_data['ID'] = filtered_data['ID'].astype(str)
        filtered_data['Пост'] = filtered_data['Пост'].astype(str)
        filtered_data['Пользователь'] = filtered_data['Пользователь'].astype(str)

        filtered_data = filtered_data.reset_index(drop=True)
        
        st.write(filtered_data)
        
        if st.button("Выгрузить в Excel", key = 'button1'):
            excel_file = BytesIO()
            filtered_data.to_excel(excel_file, index=False, engine='openpyxl')
            excel_file.seek(0)
            st.download_button(
                label="Скачать Excel файл",
                data=excel_file,
                file_name=f"{selected_table}.xlsx",
                key="download_button1",
            )
        if not filtered_data.empty:
            color_map = {'Positive': '#00FF7F', 'Negative': '#E32636'}

            
            fig_pie = px.pie(filtered_data, names='Sentiment', title='Анализ тональности комментариев', color_discrete_map=color_map)

            st.plotly_chart(fig_pie)
        else:
            st.write("Нет данных для отображения.")

    if selected_table == "Посты":
        sentiment_filter = st.sidebar.multiselect("Фильтр по тональности", tables[selected_table]['Sentiment'].unique(), default=[])
        # date_type = st.radio("Выберите тип фильтрации по дате", ["Диапазон дат", "Конкретная дата", 'Все'], index=2)
        # if date_type == "Диапазон дат":
        #     start_date_tab = st.date_input("Выберите начальную дату", datetime.now() - timedelta(days=7), key='start_date_tab1')
        #     end_date_tab = st.date_input("Выберите конечную дату", datetime.now(),key='end_date_tab1')
        #     start_date_tab_str = start_date_tab.strftime('%Y/%m/%d')
        #     end_date_tab_str = end_date_tab.strftime('%Y/%m/%d')
        #     filtered_data = tables[selected_table][(tables[selected_table]['Дата'] >= start_date_tab_str) & (tables[selected_table]['Дата'] <= end_date_tab_str)]
        # elif date_type == "Конкретная дата":
        #     selected_date = st.date_input("Выберите конкретную дату", datetime.now())
        #     selected_date_str = selected_date.strftime('%Y/%m/%d')
        #     filtered_data = tables[selected_table][tables[selected_table]['Дата'] == selected_date_str]
        # else: 
        #     filtered_data = tables[selected_table]
        filtered_data = tables[selected_table][(tables[selected_table]['Date'] >= start_date_str) & (tables[selected_table]['Date'] <= end_date_str)]
    
        
        if sentiment_filter:
            filtered_data = filtered_data[filtered_data['Sentiment'].isin(sentiment_filter)]
        else:
            # Если нет фильтра, отображаем все строки
            filtered_data = tables[selected_table][(tables[selected_table]['Date'] >= start_date_str) & (tables[selected_table]['Date'] <= end_date_str)]
         # Сбрасываем индекс и устанавливаем начальное значение в 1
        filtered_data = filtered_data.reset_index(drop=True)
        
        filtered_data['ID'] = filtered_data['ID'].astype(str)
        filtered_data['Views'] = filtered_data['Views'].astype(str)

        st.write(filtered_data)
        if st.button("Выгрузить в Excel", key = 'button2'):
            excel_file = BytesIO()
            filtered_data.to_excel(excel_file, index=False, engine='openpyxl')
            excel_file.seek(0)
            st.download_button(
                label="Скачать Excel файл",
                data=excel_file,
                file_name=f"{selected_table}.xlsx",
                key="download_button2",
            )
        filtered_data['Sentiment'].fillna('Neutral', inplace=True)
        #График, который берет значения столбца "Sentiment" и показывает на круговой диаграмме % появления этих значений 
        if not filtered_data.empty:
            color_map = {'Positive': '#00FF7F', 'Negative': '#E32636'}
            fig_pie = px.pie(filtered_data, names='Sentiment', title='Анализ общей тональности комментариев на постах', color_discrete_map=color_map)

            st.plotly_chart(fig_pie)
        else:
            st.write("Нет данных для отображения.")
    
    if selected_table == 'Комментаторы':
        filtered_data = tables[selected_table]
        filtered_data['Age'] = pd.to_numeric(filtered_data['Age'], errors='coerce')
        country_filter = st.sidebar.multiselect("Фильтр по стране", tables[selected_table]['Country'].unique(), default=[],key = 'user_country')
        city_filter = st.sidebar.multiselect("Фильтр по городу", tables[selected_table]['City'].unique(), default=[],key = 'user_city')
        sex_filter = st.sidebar.multiselect("Фильтр по полу", tables[selected_table]['Sex'].unique(), default=[],key = 'user_sex')
        check_age = st.sidebar.checkbox("Указать возраст пользователей", key="disabled")
        if check_age:
            age_limits = st.sidebar.slider("Выберите диапазон возраста пользователей", 0, 100, (int(np.min(filtered_data['Age'])), 70))
        if st.button('🗺️ Показать карту географии подписчиков'):
            st.write('Карта загружается...')
            cities = tables[selected_table]['City'].unique()
            conn2 = sqlite3.connect('Coordinates.db')
            exist_cities = pd.read_sql_query("SELECT * FROM Cities;", conn2)
            only_names = exist_cities['Город'].values.tolist()
            cities_coord = {'lat':[], 'lon': [], 'Город': []}
            # print(only_names)
            for i in cities:
                if i not in only_names and i != None:
                    # print(i)
                    coord = geolocator.geocode(i)
                    if coord is not None:
                        cities_coord['lat'].append(coord.latitude)
                        cities_coord['lon'].append(coord.longitude)
                        cities_coord['Город'].append(i)
                elif i in only_names and i != None:
                    # print(f'{i} exists')
                    cities_coord['lat'].append(exist_cities[exist_cities['Город']==i]['lat'].values[0])
                    cities_coord['lon'].append(exist_cities[exist_cities['Город']==i]['lon'].values[0])
                    cities_coord['Город'].append(i)
            final_coord = pd.DataFrame(cities_coord)
            # print(cities_coord)
            final_coord.to_sql('Cities', conn2, if_exists='append', index=False)
            st.write('Карта готова!')
            st.map(final_coord)

        
    

        if city_filter:
            filtered_data = filtered_data[filtered_data['City'].isin(city_filter)]
        if country_filter:
            filtered_data = filtered_data[filtered_data['Country'].isin(country_filter)]
        if sex_filter:
            filtered_data = filtered_data[filtered_data['Sex'].isin(sex_filter)]
        if check_age:
            filtered_data = filtered_data[(filtered_data['Age'] >= age_limits[0]) & (filtered_data['Age'] <= age_limits[1])]
        filtered_data = filtered_data.reset_index(drop=True)
        
        filtered_data['ID'] = filtered_data['ID'].astype(str)
        st.write(filtered_data)

    
        if st.button("Выгрузить в Excel", key = 'button3'):
            excel_file = BytesIO()
            filtered_data.to_excel(excel_file, index=False, engine='openpyxl')
            excel_file.seek(0)
            st.download_button(
                label="Скачать Excel файл",
                data=excel_file,
                file_name=f"{selected_table}.xlsx",
                key="download_button3",
            )

        if not filtered_data.empty:
            # Разделение на две колонки
            col1, col2 = st.columns(2)
            
        
            with col1:
                color_map_sex = {'Male': '#FF69B4', 'Female': '#1f77b4'}
                fig_pie_sex = px.pie(filtered_data, names='Sex', title='Пол комментаторов', color_discrete_map=color_map_sex)
                fig_pie_sex.update_layout(legend=dict(orientation='h'))
                st.plotly_chart(fig_pie_sex, use_container_width=True, height=400)
            # График круговой диаграммы для 'Subscriber'
            with col2:
                # Подсчет частоты значений '1' и '0' в столбце 'Subscriber'
                subscriber_count = filtered_data['Subscriber'].value_counts()
                subscriber_count.index = subscriber_count.index.map({1: 'Комментаторы, которые подписаны', 0: 'Комментаторы, которые не подписаны'})
                # Создание круговой диаграммы
                fig_pie_subscriber = px.pie(subscriber_count, values=subscriber_count.values, names=subscriber_count.index, 
                                            title='Анализ подписчиков')
                fig_pie_subscriber.update_traces(textinfo='percent')
                fig_pie_subscriber.update_layout(legend=dict(orientation='h'))
                st.plotly_chart(fig_pie_subscriber, width=200, height=400)
        else:
            st.write("Нет данных для отображения.")

def statistics():
    
    conn = sqlite3.connect('Test/for_db/test.db')
    st.header('Динамика показателей')
    st.write('📊 Здесь вы можете ознакомиться с диаграммами, которые отражают динамику и анализ различных показателей за определенный период (выберите в меню сбоку).')
    st.write('🔗 Для того, чтобы посмотреть конкретную публикацию, кликните по ссылке на ID поста.')
    st.subheader('Динамика просмотров')
    query_views = f"SELECT Date, Views, ID FROM Posts WHERE Date BETWEEN '{start_date_str}' AND '{end_date_str}';"
    data_views = pd.read_sql_query(query_views, conn)


    if not data_views.empty:
        data_views['ID'] = data_views['ID'].apply(lambda x: f'<a href="https://vk.com/ostin?w=wall-20367999_{x}" target="_blank">{x}</a>')

        fig = px.line(data_views, x='ID', y='Views', title='Динамика просмотров в выбранном временном периоде')

        fig.update_layout(
            xaxis=dict(title='ID постов', type='category'),
            yaxis=dict(title='Просмотры'),
            title='Динамика просмотров постов в выбранном временном периоде'
        )

        st.plotly_chart(fig)
    else:
        st.write("Нет данных для отображения.")



    st.subheader('Общий анализ тональности комментариев')
    
    post_ids_input = st.text_input("Введите ID постов (разделите их запятой и пробелом)", key='post_ids_input', help = 'Фильтр будет применен к последующим 3 графикам')
    post_ids = [int(post_id.strip()) for post_id in post_ids_input.split(', ') if post_id.strip()] if post_ids_input else []

    if post_ids:
        query_comments = f"SELECT Пост, Sentiment FROM Comments WHERE Пост IN ({', '.join(map(str, post_ids))})"
    else: 
        query_comments = f"SELECT Пост, Sentiment FROM Comments WHERE Пост IN (SELECT ID FROM Posts WHERE Date BETWEEN '{start_date_str}' AND '{end_date_str}');"
    data_comments = pd.read_sql_query(query_comments, conn)


    if not data_comments.empty:
        color_map = {'Positive': '#00FF7F','Negative': '#E32636'}
        fig_pie = px.pie(data_comments, names='Sentiment', title='Анализ тональности комментариев', color_discrete_map = color_map)

        st.plotly_chart(fig_pie)
    else:
        st.write("Нет данных для отображения.")


    st.subheader('Активность на постах')
    if post_ids:
        query_posts = f"SELECT ID, Comments, Likes, Reposts FROM Posts WHERE ID IN ({', '.join(map(str, post_ids))})"
    else:
        query_posts = f"SELECT ID, Comments, Likes, Reposts FROM Posts WHERE Date BETWEEN '{start_date_str}' AND '{end_date_str}'"
    
    data_posts = pd.read_sql_query(query_posts, conn)

    data_posts['ID'] = data_posts['ID'].apply(lambda x: f'<a href="https://vk.com/ostin?w=wall-20367999_{x}" target="_blank">{x}</a>')

    if not data_posts.empty:

        fig = px.bar(data_posts, x='ID', y=['Comments', 'Likes', 'Reposts'], barmode='group')

        
        fig.update_layout(
            xaxis=dict(title='ID'),
            yaxis=dict(title='Значения'),
            title='Анализ реакций на посты'
        )

        st.plotly_chart(fig)
    else:
        st.write("Нет данных для отображения.")

    st.markdown("")
    st.markdown("")


    st.subheader('Тональность отзывов')
    if post_ids:
        query_comments = f"SELECT Пост, Sentiment FROM Comments WHERE Пост IN ({', '.join(map(str, post_ids))})"
    else:
        query_comments = f"SELECT Пост, Sentiment FROM Comments WHERE Пост IN (SELECT ID FROM Posts WHERE Date BETWEEN '{start_date_str}' AND '{end_date_str}');"
    data_comments = pd.read_sql_query(query_comments, conn)

    if not data_comments.empty:

        grouped = data_comments.groupby(['Пост', 'Sentiment']).size().reset_index(name='Частота')
        grouped['Пост'] = grouped['Пост'].apply(lambda x: f'<a href="https://vk.com/ostin?w=wall-20367999_{x}" target="_blank">{x}</a>')
    
        color_map = {'Positive': 'lightgreen'}
        fig = px.bar(grouped, x='Пост', y='Частота', color='Sentiment', 
                    title='Анализ тональности комментариев',
                    labels={'Посты': 'Посты', 'Частота': 'Количество'}, color_discrete_map=color_map)

        # Настройка осей и подписей
        fig.update_layout(xaxis_type='category', xaxis_title='Посты', yaxis_title='Количество')

        st.plotly_chart(fig)
    else:
        st.write("Нет данных для отображения.")

    conn.close()

def tops():
    conn = sqlite3.connect('Test/for_db/test.db')
    
    st.title('Топ постов')
    st.write('🔝 На этой странице вы можете отфильтровать посты по комментариям, лайкам, просмотрам и репостам, а также комментарии по лайкам.')
    filter_options = ['Comments', 'Likes', 'Views', 'Reposts']
    selected_filter = st.selectbox('Выберите фильтр для сортировки', filter_options)
    
    num_to_display = st.number_input("Введите количество постов и комментариев для отображения", min_value=1, value=10)
    
    st.subheader(f"**Топ {num_to_display} постов, отсортированных по {selected_filter}:**")

    query = f"SELECT * FROM Posts WHERE Date BETWEEN '{start_date_str}' AND '{end_date_str}' ORDER BY {selected_filter} DESC LIMIT {num_to_display};"
    data = pd.read_sql_query(query, conn)
    
    if not data.empty:
        data.index += 1  
        if 'ID' in data.columns:
            data['ID'] = data['ID'].apply(lambda x: f'<a href="https://vk.com/ostin?w=wall-20367999_{x}">{x}</a>')
        
        st.write(data.to_html(escape=False), unsafe_allow_html=True)
    else:
        st.write("Нет данных для отображения.")
    st.write("")
    if st.button("Выгрузить в Excel", key = 'button3'):
        excel_file = BytesIO()
        data.to_excel(excel_file, index=False, engine='openpyxl')
        excel_file.seek(0)
        st.download_button(
            label="Скачать Excel файл",
            data=excel_file,
            file_name="Топ постов.xlsx",
            key="download_button3",
        )
    st.markdown("")
    st.markdown("")
    st.subheader(f"Топ {num_to_display} комментариев, отсортированных по Лайкам:")
    
    
    query_comments = f"SELECT ID, Дата, Комментарий, Лайки, Sentiment FROM Comments WHERE Дата BETWEEN '{start_date_str}' AND '{end_date_str}' ORDER BY Лайки DESC LIMIT {num_to_display};"
    data_comments = pd.read_sql_query(query_comments, conn)


    if not data_comments.empty:
        
        data_comments.index += 1
        data_comments['ID'] = data_comments['ID'].apply(lambda x: f'<a href="https://vk.com/ostin?w=wall-20367999_{x}">{x}</a>')
        st.write(data_comments.to_html(escape=False), unsafe_allow_html=True)
    else:
        st.write("Нет данных для отображения в таблице Comments.")
    st.write("") 
    if st.button("Выгрузить в Excel", key = 'button4'):
        excel_file = BytesIO()
        data_comments.to_excel(excel_file, index=False, engine='openpyxl')
        excel_file.seek(0)
        st.download_button(
            label="Скачать Excel файл",
            data=excel_file,
            file_name="Топ комментариев.xlsx",
            key="download_button4",
        )
    
    conn.close()
def update():
    amount = st.number_input('Сколько постов просмотреть?', min_value=1)
    if st.button('Обновить данные'):
        job(amount)
        st.text('Данные обновлены')
# def audience():
    # st.header('Анализ аудитории')
    # conn = sqlite3.connect('test.db')
    # query_users = "SELECT Sex FROM Users;"
    # data_users = pd.read_sql_query(query_users, conn)

    # if not data_users.empty:
    #     fig_pie = px.pie(data_users, names='Sex', title='Пол комментаторов')
    #     fig_pie.update_traces(marker=dict(colors=['#FF69B4', '#1f77b4']))
    #     st.plotly_chart(fig_pie)
    # else:
    #     st.write("Нет данных для отображения.")
   
    # # Загрузка данных из таблицы Users
    # query = "SELECT Subscriber FROM Users;"
    # data = pd.read_sql_query(query, conn)

    # # Подсчет частоты значений '1' и '0' в столбце 'Subscriber'
    # subscriber_count = data['Subscriber'].value_counts()

    # subscriber_count.index = subscriber_count.index.map({1: 'Комментаторы, которые подписаны', 0: 'Комментаторы, которые не подписаны'})

    # # Создание круговой диаграммы
    # fig = px.pie(subscriber_count, values=subscriber_count.values, names=subscriber_count.index, 
    #             title='Анализ подписчиков')

    # # Настройка подписей
    # fig.update_traces(textinfo='percent')

    # # Отображение диаграммы
    # st.plotly_chart(fig)

    # conn.close()

def faq():
    st.subheader('Как увеличить количество отображаемых комментариев?')
    st.write("Изменить начальную и конечную дату в левой части экрана.")
    st.image('1.png')
    st.subheader('Как отсортировать данные?')
    st.write("Выбрать нужные фильтры в левой части экрана. Отображаемые фильтры зависят от выбранных данных.")
    st.image('2.png')
    st.subheader('Как загрузить данные в Excel?')
    st.write('Выбрать нужные данные и нажать кнопку "Выгрузить в Excel", после этого появится кнопка по которой вы сможете скачать файл.')
    st.image('3.png')
    st.subheader('Где найти ID в ссылке поста в ВК?')
    st.write('В окне ссылки в браузере ID идет после знака "_".')
    st.subheader('Что значит “None” в базе данных?')
    st.write("Данные отсутствуют (в случае информации о комментаторах это значит, что пользователь не указал эти данные, а в случае анализа тональности, это означает что у поста нет комментариев, по которым можно было бы определить тональность).")
    st.subheader('Что означает анализ тональности?')
    st.write("Это процесс анализа цифрового текста для определения того, является ли эмоциональный тон сообщения положительным, отрицательным или нейтральным. Для этого могут использоваться различные библиотеки, в нашем мы используем библиотеку “Transformers”. На основе большого количества проанализированного материала ранее, библиотека с определенной степенью точности позволяет определить, какая эмоциональная окраска у текста преобладает: позитивная, негативная или нейтральная.")
    st.subheader('Как работает обновление базы?')
    st.write('Данные собираются с последних постов. Количество постов зависит от введённого значения на странице "Обновление".')

# Опции для навигации между страницами
pages = {
    "Главная": main,
    "Анализ статистики": statistics,
    'Топ': tops,
    'Обновление': update,
    'Раздел FAQ': faq
    # 'Анализ аудитории': audience
}

# Боковая панель для выбора страниц
selection = st.sidebar.radio("Выберите страницу", list(pages.keys()))

# Отображение выбранной страницы
pages[selection]()