# sentiment_analyzer.py
from transformers import pipeline
import torch

class SentimentAnalyzer:
    def __init__(self):
        """
        Initialize the FinBERT Sentiment Analysis pipeline
        """
        print("Initializing FinBERT Sentiment model (project-aps/finbert-finetune)...")
        
        self.device = 0 if torch.cuda.is_available() else -1
        print(f"Using device: {'cuda' if self.device == 0 else 'cpu'}")

        try:
            # FinBERT เป็นโมเดล text-classification
            self.sentiment_pipeline = pipeline(
                "text-classification",
                model="project-aps/finbert-finetune", 
                device=self.device
            )
            print("Model loaded successfully!")

        except Exception as e:
            print(f"Fatal error loading model: {e}")
            self.sentiment_pipeline = None

    def analyze_sentiment(self, text):
        """
        วิเคราะห์ Sentiment ของข้อความ 1 ชิ้น
        """
        if not self.sentiment_pipeline:
            return "N/A", 0.0

        if not text or len(text.strip()) == 0:
            return "N/A", 0.0

        try:
            # โมเดล FinBERT นี้มี label 3 แบบ: 'positive', 'negative', 'neutral'
            result = self.sentiment_pipeline(text[:512])[0]
            return result['label'], result['score']

        except Exception as e:
            print(f"Error in sentiment analysis: {e}")
            return "N/A", 0.0

    def analyze_batch(self, news_list):
        """
        วิเคราะห์ Sentiment ของข่าวหลายรายการ
        """
        results = []
        for news in news_list:
            # เราจะใช้ 'title' และ 'summary' ที่ได้จาก RSS
            combined_text = f"{news.get('title', '')}. {news.get('summary', '')}"
            
            # เรียกใช้การวิเคราะห์
            label, score = self.analyze_sentiment(combined_text)
            
            news['sentiment'] = label
            news['score'] = score
            results.append(news)
            
        return results