import os
import base64
from io import BytesIO
from PIL import Image
import gradio as gr
from openai import AzureOpenAI
import json
 
 
from dotenv import load_dotenv, find_dotenv

endpoint = os.getenv("ENDPOINT_URL", "https://lahja-dev-resource.openai.azure.com/openai/deployments/Wasm-V1/chat/completions?api-version=2025-01-01-preview")
deployment = os.getenv("DEPLOYMENT_NAME", "Wasm-V1")
subscription_key ="4AwsIf87cyBIgaJVsy0phWUQdZFcbrJxpQBDQNzL4xjcP2MFzrrYJQQJ99BIACHYHv6XJ3w3AAAAACOGYrzM"
# Configure Azure OpenAI client
client = AzureOpenAI(
    azure_endpoint=endpoint,  # e.g. https://your-resource-name.openai.azure.com/
    api_key=subscription_key,              # your Azure API key
    api_version="2025-01-01-preview"
)

 
def get_completion(prompt):
    """
    Helper function to get model completion from Azure OpenAI.
    """
    response = client.chat.completions.create(
        model=deployment,  # Use the deployment name in Azure
        messages=[{"role": "user", "content": prompt}],
        temperature=0  # Degree of randomness
    )
    return response.choices[0].message.content




AZURE_ENDPOINT1 = "https://lahja-dev-resource.openai.azure.com/openai/deployments/Wasm-V1/chat/completions?api-version=2025-01-01-preview"
AZURE_API_KEY1 = "4AwsIf87cyBIgaJVsy0phWUQdZFcbrJxpQBDQNzL4xjcP2MFzrrYJQQJ99BIACHYHv6XJ3w3AAAAACOGYrzM"
MODEL_NAME1 = "Wasm-Dash"
# Configure Azure OpenAI client
clientdach = AzureOpenAI(
    azure_endpoint=AZURE_ENDPOINT1,  # e.g. https://your-resource-name.openai.azure.com/
    api_key=AZURE_API_KEY1,              # your Azure API key
    api_version="2025-01-01-preview"
)

 
def get_completionDach(prompt):
    """
    Helper function to get model completion from Azure OpenAI.
    """
    response = clientdach.chat.completions.create(
        model=MODEL_NAME1,  # Use the deployment name in Azure
        messages=[{"role": "user", "content": prompt}],
        temperature=0  # Degree of randomness
    )
    return response.choices[0].message.content
# ---------------------------------------------------------
# إعداد عميل Azure OpenAI
# ---------------------------------------------------------
endpoint = os.getenv("ENDPOINT_URL", "https://lahja-dev-resource.openai.azure.com/openai/deployments/Wasm-V1/chat/completions?api-version=2025-01-01-preview")
deployment = os.getenv("DEPLOYMENT_NAME", "Wasm-V1")
subscription_key = "4AwsIf87cyBIgaJVsy0phWUQdZFcbrJxpQBDQNzL4xjcP2MFzrrYJQQJ99BIACHYHv6XJ3w3AAAAACOGYrzM"

client = AzureOpenAI(
    azure_endpoint=endpoint,
    api_key=subscription_key,
    api_version="2025-01-01-preview"
)

# ---------------------------------------------------------
# دالة للحصول على رد النموذج
# ---------------------------------------------------------
def get_completion(prompt):
    response = client.chat.completions.create(
        model=deployment,
        messages=prompt,
        temperature=0
    )
    return response.choices[0].message.content

# ---------------------------------------------------------
# دالة لتحويل JSON إلى HTML
# ---------------------------------------------------------
def render_tree_html(tree_json_str):
    prompt = f"""
أنت خبير في تصميم صفحات HTML جذابة وتفاعلية.
لديك بيانات شجرة في السعودية بصيغة JSON كما يلي:

{tree_json_str}

مهمتك:
1. أنشئ صفحة HTML جذابة تعرض جميع المعلومات بشكل منسق.
2. حول الحقول الرقمية (مثل نسبة إنتاج الأكسجين وامتصاص CO₂) إلى رسوم بيانية بسيطة باستخدام CSS أو SVG.
3. أضف صورة توضيحية للشجرة.
4. اجعل الصفحة تحتوي على عناوين واضحة لكل قسم.
5. أجب فقط بكود HTML كامل جاهز للعرض في المتصفح، بدون أي شروحات إضافية.
"""
     

    html=get_completionDach(prompt)

    return html

# ---------------------------------------------------------
# دالة لمعالجة الصورة أو الفيديو
# ---------------------------------------------------------
def analyze_tree_from_file(file_obj):
    image_message = []
    if file_obj is not None:
        with open(file_obj.name, "rb") as f:
            file_data = base64.b64encode(f.read()).decode("utf-8")

        
    # البرومبت التحليلي
    prompt = f"""
    أنت خبير زراعي متخصص في الأشجار والنباتات في المملكة العربية السعودية.
    مهمتك هي تحليل هذه الشجرة في الصورة وتحديد معلوماتها الزراعية ضمن الظروف السعودية فقط.

    أرجع النتيجة في تنسيق JSON منظم يحتوي على الحقول التالية:
    {{
      "اسم_الشجرة": "",
      "الاسم_العلمي": "",
      " بالميه نسبة_إنتاج_الأكسجين": "",
      "الوصف_العام": "",
      "الفوائد": [],
      "المشاكل_الشائعة": [],
      "من_ايش_تعاني_الشجرة": [],
      "البيئة_المناسبة": "",
      "نوع_التربة_المناسبة": "",
      "الطقس_المناسب": "",
      "فصل_النمو": "",
      "نسبة_امتصاص_ثاني_أكسيد_الكربون": "",
      "استخدامات_زراعية_وصناعية": [],
      "المناطق_المناسبة_لزرعها_في_السعودية": [],
      "ملاحظات": ""
    }}

    استخدم معرفتك العلمية لتقدير البيانات إذا لم تكن واضحة في الصورة.
    أجب فقط بصيغة JSON. لا تضف أي شرح إضافي قبل أو بعد الـ JSON.
    """
    messagesr = [
        {"role": "system", "content": "أنت خبير زراعي في النباتات والأشجار في المملكة العربية السعودية."},
        {"role": "user", "content": [
            {"type": "text", "text": prompt},
            *image_message
           
        ]}
    ]
    messages = [
    {
        "role": "user",
        "content": [
            {"type": "text", "text": prompt},
            {
                "type": "image_url",
                "image_url": {
                    "url": f"data:image/jpeg;base64,{file_data}"
                },
            },
        ],
    }
]

    
    tree_json_str = get_completion(messages)

     

    return render_tree_html(tree_json_str)
iface = gr.Interface(
    fn=analyze_tree_from_file,
    inputs=gr.File(label="رفع صورة الشجرة أو الفيديو"),
    outputs=gr.HTML(),
    title="المحلل الزراعي للأشجار في السعودية",
    description="قم برفع صورة أو فيديو الشجرة لتحليلها واستخراج معلوماتها الزراعية وعرضها."
)

iface.launch(debug=True,share=True)