import joblib
import gradio as gr
from huggingface_hub import hf_hub_download
import spaces

repo_id = "zico2m/comments-classifiers"

vectorizer_path = hf_hub_download(repo_id=repo_id, filename="tfidf_vectorizer.pkl")
sentiment_path = hf_hub_download(repo_id=repo_id, filename="sentiment_model.pkl")

vectorizer = joblib.load(vectorizer_path)
sentiment_model = joblib.load(sentiment_path)

@spaces.GPU
def classify_comment(text):
    if not text or not text.strip():
        return "الرجاء إدخال نص صالح للتحليل."
    
    text_str = str(text)
    transformed_text = vectorizer.transform([text_str])
    prediction = str(sentiment_model.predict(transformed_text)[0])
    
    # تحويل الرقم إلى نص توضيحي (يمكنك تعديل المسميات حسب مشروعك)
    result_text = "سلبي (Negative)" if prediction == "0" else "إيجابي/آخر (Positive)"
    
    return result_text

demo = gr.Interface(
    fn=classify_comment,
    inputs=gr.Textbox(lines=3, label="اكتب تعليقك هنا بالعربية:"),
    outputs=gr.Textbox(label="نتيجة التحليل"),
    title="تحليل وتصنيف التعليقات العربية",
    description="أدخل أي تعليق وسيقوم النموذج بتحليله وإظهار النتيجة فوراً."
)

if __name__ == "__main__":
    demo.launch()