import streamlit as st
import pandas as pd
import time
from datetime import datetime

# NOTE: Since this Streamlit application replaces the command-line interface,
# we need to simulate the import of the processing logic (from main.py, extract_*, scorer.py).
# In a real scenario, you would integrate the content of those files into functions here,
# or ensure they are properly callable.
# We will simulate the 'process_urls' function which takes a list of URLs and returns a DataFrame.

def simulate_data_processing(urls):
    """
    Simule la logique d'extraction et de scoring des profils.
    Dans la version réelle, cette fonction appellerait extract_github.py, extract_so.py, et scorer.py.
    """
    if not urls:
        return pd.DataFrame()

    data = []
    # Simuler un traitement plus long pour montrer l'animation
    progress_bar = st.progress(0)
    status_text = st.empty()

    for i, url in enumerate(urls):
        # Simulation d'extraction et scoring
        score = len(url) % 10 + 5 # Score basé sur la longueur de l'URL pour la simulation
        platform = "GitHub" if "github.com" in url else "StackOverflow"
        
        data.append({
            "ID": i + 1,
            "URL": url,
            "Platforme": platform,
            "Nom_Profil": url.split('/')[-1] if url.split('/')[-1] else "Anonyme",
            "Score_Talent": score,
            "Status": "Qualifié" if score >= 10 else "Nouveau"
        })
        
        # Mettre à jour la barre de progression
        progress = (i + 1) / len(urls)
        progress_bar.progress(progress)
        status_text.text(f"🚀 Analyse en cours : {i+1}/{len(urls)} profils traités...")
        time.sleep(0.1) # Simuler un délai de traitement

    progress_bar.empty()
    status_text.empty()
    return pd.DataFrame(data)

# ---------------- CONFIGURATION ET THÈME PREMIUM ----------------
st.set_page_config(
    page_title="Talent Data Engine | Digisphere LLC",
    page_icon="🧠",
    layout="wide"
)

# Thème foncé (Dark Mode) et styles personnalisés
st.markdown("""
<style>
/* 1. Global Dark Theme */
.stApp {
    background-color: #1e1e1e; /* Fond très sombre */
    color: #f0f0f0; /* Texte clair */
}

/* 2. Custom Header & Branding */
.main-header {
    text-align: center;
    padding: 20px 0 10px 0;
    background: #282828; /* Barre de titre un peu moins sombre */
    border-bottom: 3px solid #4a90e2; /* Accent bleu électrique */
    margin-bottom: 20px;
}
.logo-text {
    font-size: 2.5rem;
    font-weight: 800;
    color: #4a90e2; /* Couleur du logo */
    letter-spacing: 2px;
    display: inline-block;
}
.tagline {
    color: #cccccc;
    font-size: 1rem;
    margin-top: 5px;
    font-weight: 300;
}

/* 3. Button Styling (Action Button) */
.stButton>button {
    background-color: #4a90e2; 
    color: white !important;
    font-weight: bold;
    border-radius: 8px;
    border: none;
    padding: 10px 20px;
    transition: all 0.2s;
}
.stButton>button:hover {
    background-color: #357bd9;
    box-shadow: 0 4px 15px rgba(74, 144, 226, 0.4); /* Ombre au survol */
}

/* 4. Text Area for Input (Key Feature) */
.stTextArea label {
    font-size: 1.1rem;
    color: #f0f0f0;
}
</style>
""", unsafe_allow_html=True)


# ---------------- HEADER ET LOGO ----------------
st.markdown("""
<div class="main-header">
    <span class="logo-text">DIGISPHERE LLC</span>
    <div class="tagline">TALENT DATA ENGINE — AI Sourcing Automation</div>
</div>
""", unsafe_allow_html=True)

# ---------------- MAIN LOGIC ----------------

st.markdown("## 📥 Saisie des URLs Source")
st.markdown("Collez les URLs des profils (GitHub, StackOverflow, etc.) à analyser, une URL par ligne.")

# Zone de saisie pour les URLs (plus professionnel qu'un fichier)
input_urls_text = st.text_area(
    "Liste d'URLs", 
    placeholder="Exemple:\nhttps://github.com/torvalds\nhttps://stackoverflow.com/users/22656/jon-skeet",
    height=200
)

# Séparation des URLs
urls_to_process = [url.strip() for url in input_urls_text.split('\n') if url.strip()]

st.markdown("---")

# ---------------- PARAMÈTRES D'AUTOMATISATION ----------------
st.markdown("### ⚙️ Paramètres d'Automatisation (Licence Entreprise)")
col_check, col_info = st.columns([1, 2])

with col_check:
    auto_refresh_enabled = st.checkbox("Activer l'Auto-Mise à Jour (toutes les 6h)", value=False)

with col_info:
    if auto_refresh_enabled:
        # Note pour rappeler la nature SaaS de cette fonctionnalité
        st.markdown(
            """
            <div style='background-color: #35424a; padding: 10px; border-radius: 6px; color: #e0e0e0;'>
            ⚙️ **Statut :** L'automatisation est active. Cette fonction nécessite que l'application soit déployée sur un serveur (type CRON ou Worker) pour fonctionner en arrière-plan sans intervention manuelle.
            </div>
            """, 
            unsafe_allow_html=True
        )
    else:
        st.caption("L'automatisation met à jour votre Dataset Premium périodiquement via une configuration serveur dédiée.")


# Bouton de lancement
if st.button("🧠 Lancer l'Analyse du Talent Data Engine"):
    if not urls_to_process:
        st.warning("⚠️ Veuillez entrer au moins une URL à analyser.")
    else:
        st.info(f"Démarrage de l'analyse pour {len(urls_to_process)} profils...")
        
        # Le traitement avec l'animation
        df_results = simulate_data_processing(urls_to_process)
        
        st.success("✅ Analyse complétée ! Dataset Premium généré.")
        st.session_state['results_df'] = df_results
        st.session_state['last_run'] = datetime.now()

# ---------------- AFFICHAGE DES RÉSULTATS ----------------

if 'results_df' in st.session_state and not st.session_state['results_df'].empty:
    df = st.session_state['results_df']
    
    st.markdown("## 📊 Dataset Premium (Profils Classés)")
    st.markdown(f"**Dernière exécution :** {st.session_state['last_run'].strftime('%Y-%m-%d %H:%M:%S')}")
    
    # Affichage des résultats
    st.dataframe(df.sort_values(by="Score_Talent", ascending=False), use_container_width=True, height=350)

    # Bouton de téléchargement
    st.download_button(
        label="⬇️ Télécharger le Dataset CSV",
        data=df.to_csv(index=False).encode("utf-8"),
        file_name=f"digisphere_talent_data_{datetime.now().strftime('%Y%m%d_%H%M')}.csv",
        mime="text/csv",
        key='download_button'
    )
    st.markdown("---")

# ---------------- SECTION À PROPOS ET FOOTER ----------------
with st.expander("ℹ️ À Propos du Talent Data Engine", expanded=False):
    st.markdown("""
    Le **Talent Data Engine** est la solution logicielle phare de **Digisphere LLC**.
    
    Conçu pour les professionnels du recrutement et les dirigeants d'entreprises tech,
    il utilise des algorithmes exclusifs pour :
    * Analyser la profondeur technique et la contribution des profils tech.
    * Attribuer un **Score Talent** (de 1 à 15) pour une qualification rapide.
    * Créer des datasets structurés prêts à l'emploi.

    Pour toute licence entreprise, support ou personnalisation : **contact@digispherellc.com**.
    """, unsafe_allow_html=True)

st.markdown(
    """<div style="text-align: center; color: #888888; padding: 10px; font-size: 0.8rem;">
    © 2025 Digisphere LLC — Software Solution License v1.0
    </div>""",
    unsafe_allow_html=True
)