# app.py
import gradio as gr
import pandas as pd
from yahoo_finance_scraper import YahooFinanceScraper
from sentiment_analyzer import SentimentAnalyzer

# --- 1. โหลดโมเดลและ Scraper ---
try:
    scraper = YahooFinanceScraper()
    analyzer = SentimentAnalyzer()
    print("Scraper and Analyzer are ready.")
except Exception as e:
    print(f"Error loading models: {e}")
    scraper = None
    analyzer = None

# --- 2. ฟังก์ชันหลัก (แก้ไข: กลับไปใช้ search_news) ---
def process_keyword_search(keyword): # <--- เปลี่ยนชื่อกลับ
    """
    ค้นหาข่าวด้วย Keyword -> วิเคราะห์ Sentiment -> สร้าง Markdown 2 ส่วน
    """
    if not scraper or not analyzer:
        return "Models failed to load. Check logs.", "" # คืนค่า 2 ส่วน

    if not keyword:
        return "Please enter a keyword or symbol.", ""

    print(f"Searching for keyword: {keyword}")
    
    # <--- 3. กลับไปใช้ search_news (Google) ที่หาข่าวตรงประเด็น ---
    news_list = scraper.search_news(keyword, max_articles=10) 
    
    if not news_list:
        return f"No recent news found for: {keyword}", "" # คืนค่า 2 ส่วน

    # <--- 4. วิเคราะห์ Sentiment ---
    analyzed_list = analyzer.analyze_batch(news_list)
    
    # --- 5. สร้าง สรุป Sentiment (ส่วนบน) ---
    df = pd.DataFrame(analyzed_list)
    total_articles = len(df)
    summary_lines = ["📊 **Overall Sentiment Summary**", "---"]
    sentiment_counts = df['sentiment'].value_counts()
    for sentiment, count in sentiment_counts.items():
        percentage = (count / total_articles) * 100
        summary_lines.append(f"**{sentiment.capitalize()}**: {percentage:.1f}% ({count}/{total_articles})")
    summary_text = "  \n".join(summary_lines)

    # --- 6. สร้าง ข่าวแต่ละชิ้น (ส่วนล่าง) ---
    markdown_output_lines = [] 
    for item in analyzed_list: 
        try:
            date_str = pd.to_datetime(item['published']).strftime("%Y-%m-%d %H:%M")
        except:
            date_str = "N/A"
            
        markdown_output_lines.append(f"### 📰 {item['title']}") 
        markdown_output_lines.append(f"*(Published: {date_str})*")
        
        # <--- 7. เพิ่ม Sentiment (FinBERT วิเคราะห์จากหัวข้อข่าว) ---
        sentiment_label = item['sentiment'].capitalize()
        sentiment_score = item['score'] * 100
        markdown_output_lines.append(f"\n**Sentiment: {sentiment_label}** ({sentiment_score:.1f}%)")
        
        # --- (เราไม่แสดง item['summary'] เพราะมันคือหัวข้อข่าวซ้ำ) ---
        
        markdown_output_lines.append(f"\n[Read Full Article]({item['link']})") 
        markdown_output_lines.append("\n---") 
        
    main_output_text = "\n".join(markdown_output_lines)
    
    return summary_text, main_output_text

# --- 3. สร้างหน้าเว็บ Gradio (แก้ไข) ---
with gr.Blocks(theme=gr.themes.Soft()) as app:
    
    # <--- แก้ไข: เปลี่ยนคำอธิบาย ---
    gr.Markdown(
        """
        # 📈 Stock News Sentiment Analyzer
        Enter a keyword or stock symbol (e.g., 'AAPL', 'TSLA', 'Inflation') 
        to get recent news and analyze its sentiment using FinBERT.
        """
    )

    # --- ส่วน Input (แก้ไข) ---
    with gr.Row():
        keyword_input = gr.Textbox(
            label="Enter Keyword or Symbol", 
            placeholder="e.g., AAPL, NVIDIA, Inflation...", 
            scale=3
        )
        search_button = gr.Button("Analyze Sentiment", variant="primary", scale=1)

    # --- ส่วน Output (เหมือนเดิม 2 ส่วน) ---
    summary_output = gr.Markdown(
        label="Overall Sentiment Summary"
    )
    output_markdown = gr.Markdown(
        label="News Analysis Results"
    )
    
    # --- 4. เชื่อมปุ่มกับฟังก์ชัน (แก้ไข) ---
    search_button.click(
        fn=process_keyword_search, # <--- เรียกฟังก์ชัน Keyword
        inputs=[keyword_input],
        outputs=[summary_output, output_markdown] # <--- ชี้ไปที่ 2 Output
    )

# --- 5. สั่งรันแอป (เหมือนเดิม) ---
if __name__ == "__main__":
    app.launch()