import streamlit as st
import requests
import pandas as pd
import io
import re
from io import StringIO

def queryMistral(payload):
	response = requests.post(API_URLMistral, headers=headersMistral, json=payload)
	return response.json()
    
def queryGemma(payload):
    return requests.post(API_URLGemma, headers=headersGemma, json=payload).json()	#post and get
    
#Upload csv
uploaded_file = st.file_uploader("Choose a file")
if uploaded_file is not None:
    # To read file as bytes:
    bytes_data = uploaded_file.getvalue()
    #st.write(bytes_data)

    my_df = pd.read_csv(uploaded_file)
    st.write(my_df)


    
    token = st.secrets["HF_TOKEN"]
    modello1 = "Gemma-1.1-7b-it"

    API_URLGemma = "https://api-inference.huggingface.co/models/google/gemma-1.1-7b-it"
    headersGemma = {"Authorization": "Bearer " + token }
    
    #accesso a Mistral tramite Token realizzare dataset_semplice csv:( nome del campo, descrizione)
    modello2 = "Mistral-7B-Instruct-v0.2"
    
    API_URLMistral = "https://api-inference.huggingface.co/models/mistralai/Mistral-7B-Instruct-v0.2"
    headersMistral = {"Authorization": "Bearer " + token }





    #Stampa delle colonne del cvs ( my df) ti da una lista delle colonne
    colonne = ""
    for col in my_df.columns:
        colonne =colonne + col + ","
        print(col)
    #colonne.pop()
    print(colonne)
    
    
    
    contesto = "dati di impianti industriali."
    
    
    
    
    
    # Dividi la stringa in righe
    righe = colonne.strip().split(',') #--> questo ritorna una lista
    # Estrai i valori e crea il DataFrame
    df = pd.DataFrame(righe, columns=['campo'])
    print(df.shape)
    print("===========================")
    print(df["campo"][1])
    
    
    try:
    
      df.insert(1,"descrizioneGemma","")
    except:
      pass
    
    try:
    
      df.insert(1,"descrizioneMistral","")
    except:
      pass
    
    
    "Descrivi il campo di una tabella che contiene dati di un impianto industriale. Il nome del campo è id_plant. Il formato desiderato è descrizione: <<risposta>>"
    
    
    for i in range(0,4):
    
    	rispostaGemma = queryGemma({
    			"inputs":  "Descrivi il campo di una tabella che contiene" + contesto+ ". Il nome del campo è " + df["campo"][i] + " Il formato desiderato è descrizione: <<risposta>>",
        })
    	df["descrizioneGemma"][i] = rispostaGemma[0]["generated_text"]
    	rispostaMistral = queryMistral({
    			"inputs":  "Descrivi il campo di una tabella che contiene" + contesto+ ". Il nome del campo è " + df["campo"][i] + " Il formato desiderato è descrizione: <<risposta>>",
    
    	})
    	df["descrizioneMistral"][i] = rispostaMistral[0]["generated_text"]
    
    
    #TASK 23/MAGG/ per prossima sett inizio giugno 
    #FARE UN ALTRA REGEX ( SISTEMARLA IN MODO CHE RITORNI LA RISPOSTA, OVVERO LA DESCRIZIONE PULITA)
    #CICLARLO SU TUTTI I CAMPI, ANCHE PER MISTRAL 
    # + UNA TERZA AI GRATUTITA
    #OBBIETTIVO: OTENERE UN DATAFRAME CON SCRITTE PULITE ALL INTERNO
    #COME PASSARE UNA VARIABILE (CONTESTO) INVECE CHE SCRUBVERLA COME OGGETTO DI STREAMLIT , la scriviamo a mano quando runiamo il programma
    
    print("!!!!!!!!!!!")
    print(rispostaGemma[0]["generated_text"])
    print("!!!!!!!!!!!")
    
        #PULIZIA STRINGA
    # La stringa fornita
    #for i in df.shape()[0]:
    input_string = df["descrizioneGemma"][0]
        
        # Utilizzo di un'espressione regolare per estrarre la descrizione
    description_pattern = r'<<(.*?)>>'
        
    # Cerca la descrizione nella stringa
    match = re.search(description_pattern, input_string)
    if match:
        description = match.group(1)
        print(description)
        df["descrizioneGemma"][0] = description
    else:
        print("Descrizione non trovata.")
    
    print("RISPOSTA DOPO REGEX:" + df["descrizioneGemma"][0])
    



    
    ## le letterea a caso sono le descrizioni dei campi che DEVE generare l AI
    print("============")
    
    
    
    #caricamento descrizioni Gemma
    
    risposteGemma = []
    for col in my_df.columns:
      risposteGemma = queryGemma({
    			"inputs":  "Descrivi il seguente camo industriale: " + col # + ".Esempio formato-risposta: 'il campo contiene dati di ' .Il nome del campo è " + df["campo"][i],
    			})
    
      #Aggiungo alla liste delle stringhe pulite.
      risposteGemma.append(rispostaMistral[0]["generated_text"])
    
    print(risposteGemma)
    
    df['descrizioneMistral'] = [rispostaMistral[0]["generated_text"] ,"bb","cc","dd","ee","ff"]
    print(df)
    
    
    
    st.table(df)
      #stringa = "To create a schema for a table in an industrial plant, I'd suggest the following:\n\n1. Product_Table\n\nThis table keeps records of all the products manufactured or processed within the industrial plant.\n\n| Field         | Data Type | Description                                      |\n| ------------- | --------- | ------------------------------------------------ |\n| id            | INT       | Unique identifier for each product record       |\n| product_name  | VARCHAR "
      #print(stringa)