import requests
import torch
from transformers import pipeline
from deep_translator import GoogleTranslator
import time
import os 

VECTOR_API_URL = os.getenv('API_URL')

# Replace the sentiment analysis model
sentiment_model = pipeline(
    'sentiment-analysis',
    model='distilbert-base-uncased-finetuned-sst-2-english',
    tokenizer='distilbert-base-uncased-finetuned-sst-2-english',
    device=0 if torch.cuda.is_available() else -1
)

classifier = pipeline(
    "zero-shot-classification",
    model="valhalla/distilbart-mnli-12-6",
    device=0 if torch.cuda.is_available() else -1
)

def classify_comment(text):
    if not text:
        print("Received empty text for classification.")
        return "non-interrogative"
    print(f"Classifying comment: {text}")
    try:
        translated_text = GoogleTranslator(source='auto', target="en").translate(text)
        print(f"Translated text: {translated_text}")
    except Exception as e:
        print(f"Translation failed: {e}")
        return "non-interrogative"
    if not translated_text:
        print("Translation returned empty text.")
        return "non-interrogative"
    
    try:
        result = classifier(translated_text, ["interrogative", "non-interrogative"], clean_up_tokenization_spaces=True)
        print(f"Classification result: {result}")
    except Exception as e:
        print(f"Classification failed: {e}")
        return "non-interrogative"
    
    top_class = result['labels'][0]
    print(f"Top class: {top_class}")
    return top_class

def retrieve_from_vdb(query):
    print(f"Отправка запроса к FastAPI сервису: {query}")
    response = requests.post(f"{VECTOR_API_URL}/search/", json={"query": query})
    if response.status_code == 200:
        results = response.json().get("results", [])
        print(f"Получено {len(results)} результатов: {results}")
        return results
    else:
        print(f"Ошибка при поиске: {response.text}")
        return []

from deep_translator import GoogleTranslator
import time

def analyze_sentiment(comments):
    print("Начинаем анализ настроений.")
    results = []
    
    for i in range(0, len(comments), 50):
        batch = comments[i:i + 50]
        print(f"Анализируем батч с {i} по {i + len(batch)} комментарий: {batch}")
        
        translated_batch = []
        valid_comments = []  # Список комментариев с успешным переводом
        
        for comment in batch:
            try:
                translated = GoogleTranslator(source='auto', target="en").translate(comment)
                if translated:
                    translated_batch.append(translated)
                    valid_comments.append(comment)
                else:
                    print(f"Перевод комментария не удался или вернул пустую строку: {comment}")
            except Exception as e:
                print(f"Ошибка при переводе комментария '{comment}': {e}")
        
        if not translated_batch:
            print("Все переводы в этом батче не удались. Пропускаем этот батч.")
            continue  # Переходим к следующему батчу, если перевод не удался
        
        print(f"Переведённый батч: {translated_batch}")
        
        try:
            batch_results = sentiment_model(translated_batch)
            print(f"Результаты батча: {batch_results}")
            results.extend(batch_results)
        except Exception as e:
            print(f"Ошибка при анализе настроений: {e}")
            # Добавляем результат с неопределенным настроением для каждого переведенного комментария
            for _ in translated_batch:
                results.append({'label': 'UNKNOWN', 'score': 0.0})
        
        time.sleep(1)  # Задержка для предотвращения перегрузки API
    
    print(f"Анализ настроений завершен. Общие результаты: {results}")
    return results