import gradio as gr
import pandas as pd

from examples.common import NLP
from resources import triples


def process(text: str) -> pd.DataFrame:
    doc = NLP(text)
    tuples_to_list = list()

    tuples = triples.subject_verb_object_triples(doc)
    if tuples:
        tuples_to_list = list(tuples)

    subject = ""
    verb = ""
    object = ""

    if len(tuples_to_list) == 0:
        return pd.DataFrame([["-", "-", "-"]], columns=['Subject', 'Verb', 'Object'])

    for sub_multiple in tuples_to_list[0][0]:
        subject += str(sub_multiple) + ", "
    subject = subject[:-2]
    for verb_multiple in tuples_to_list[0][1]:
        verb += str(verb_multiple) + ", "
    verb = verb[:-2]
    for obj_multiple in tuples_to_list[0][2]:
        object += str(obj_multiple) + ", "
    object = object[:-2]

    relation_list = [[subject, verb, object]]

    return pd.DataFrame(relation_list, columns=['Subject', 'Verb', 'Object'])


EXAMPLES = [
    "Anna éppen most házat épít magának.",
    "Noémi gulyáslevest szeret főzni, ha éhes.",
    "Balázs jéghideg helyi ananászlevet ivott Hawaii fehér homokos partján.",
    "Júliska fagyit árul a nyáron teljes állásban.",
    "Einstein megmutatta a házát építés közben.",
    "Hawking nyilatkozott egy levelet, miszerint a felfedezései az élete legizgalmasabb eseményei voltak."
]

demo = gr.Interface(
    fn=process,
    inputs=gr.Textbox(value=EXAMPLES[0], lines=10, label="Input text", show_label=True),
    outputs=gr.DataFrame(label="Keywords", show_label=False, max_cols=3, max_rows=1),
    examples=EXAMPLES,
    # cache_examples=True,
)