import gradio as gr
import pandas as pd
import openpyxl
import datetime
import tempfile
import os
from openpyxl.utils.dataframe import dataframe_to_rows
import openai

# ===================== OpenAI API 클라이언트 설정 =====================
openai.api_key = os.getenv("OPENAI_API_KEY")

def call_api(content, system_message, max_tokens, temperature, top_p):
    """
    ChatGPT API 호출 함수.
    """
    response = openai.ChatCompletion.create(
        model="gpt-4o-mini",
        messages=[
            {"role": "system", "content": system_message},
            {"role": "user", "content": content}
        ],
        max_tokens=max_tokens,
        temperature=temperature,
        top_p=top_p
    )
    return response.choices[0].message['content']

def respond_gemini_qna(question, system_message, max_tokens, temperature, top_p, model_id):
    """
    Gemini Flash 모델을 이용해 질문(question)에 대한 답변을 반환하는 함수.
    """
    try:
        import google.generativeai as genai
    except ModuleNotFoundError:
        return ("오류가 발생했습니다: 'google-generativeai' 모듈을 찾을 수 없습니다. "
                "해결 방법: 'pip install --upgrade google-generativeai' 를 실행하여 설치해주세요.")
    
    gemini_api_key = os.getenv("GEMINI_API_KEY")
    if not gemini_api_key:
        return "Gemini API 토큰이 필요합니다."
    
    genai.configure(api_key=gemini_api_key)
    prompt = f"{system_message}\n\n{question}"
    try:
        model = genai.GenerativeModel(model_name=model_id)
        response = model.generate_content(prompt)
        return response.text
    except Exception as e:
        return f"오류가 발생했습니다: {str(e)}"

def respond_o1mini_qna(question, system_message, max_tokens, temperature):
    """
    o1-mini 모델을 이용해 한 번의 질문(question)에 대한 답변을 반환하는 함수.
    o1-mini에서는 'system' 메시지를 지원하지 않으므로 system_message와 question을 하나의 'user' 메시지로 합쳐 전달합니다.
    또한, o1-mini에서는 'max_tokens' 대신 'max_completion_tokens'를 사용하며, temperature는 고정값 1만 지원합니다.
    """
    openai_token = os.getenv("OPENAI_API_KEY")
    if not openai_token:
        return "OpenAI API 토큰이 필요합니다."
    openai.api_key = openai_token
    combined_message = f"{system_message}\n\n{question}"
    messages = [{"role": "user", "content": combined_message}]
    try:
        response = openai.ChatCompletion.create(
            model="o1-mini",
            messages=messages,
            max_completion_tokens=max_tokens,
            temperature=1,  # 고정된 값 1 사용
        )
        assistant_message = response.choices[0].message['content']
        return assistant_message
    except Exception as e:
        return f"오류가 발생했습니다: {str(e)}"

# ===================== (1) 리뷰옵션분석: 미션 1~9 처리 =====================
def analyze_options(uploaded_file, selected_year, llm_model_choice):
    """
    업로드된 파일로부터 미션 1~9(옵션/평점 집계)를 수행하고,
    임시 엑셀 파일과 선택년도 Top20 옵션 리스트(전체옵션분석 포함)를 반환한다.
    """
    if uploaded_file is None:
        return None, ["전체옵션분석"]
    
    try:
        df_upload = pd.read_excel(uploaded_file)
    except Exception as e:
        return None, ["전체옵션분석"]
    
    template_file = "리뷰분석.ver1.0.xlsx"
    if not os.path.exists(template_file):
        return None, ["전체옵션분석"]
    
    try:
        wb = openpyxl.load_workbook(template_file)
    except Exception as e:
        return None, ["전체옵션분석"]
    
    # (미션1) 원본데이터 시트 생성
    if "원본데이터" in wb.sheetnames:
        ws_source = wb["원본데이터"]
        wb.remove(ws_source)
        ws_source = wb.create_sheet("원본데이터")
    else:
        ws_source = wb.create_sheet("원본데이터")
    for r_idx, row in enumerate(dataframe_to_rows(df_upload, index=False, header=True), start=1):
        for c_idx, value in enumerate(row, start=1):
            ws_source.cell(row=r_idx, column=c_idx, value=value)
    
    # 리뷰 날짜 처리
    try:
        df_upload['리뷰날짜'] = pd.to_datetime(df_upload.iloc[:, 1], errors='coerce')
        df_upload['리뷰날짜'] = df_upload['리뷰날짜'].apply(
            lambda d: d.replace(tzinfo=None) if pd.notnull(d) and d.tzinfo is not None else d
        )
        df_valid = df_upload.dropna(subset=['리뷰날짜']).copy()
    except Exception as e:
        return None, ["전체옵션분석"]
    
    now = datetime.datetime.now()
    current_year = now.year
    start_year_val = current_year - 2
    end_year_val = current_year
    
    # 대시보드데이터 시트
    if "대시보드데이터" in wb.sheetnames:
        ws_dashboard = wb["대시보드데이터"]
    else:
        ws_dashboard = wb.create_sheet("대시보드데이터")
    
    # (미션2) 최근 3년 '년월' 추이
    ws_dashboard["C2"] = str(current_year)[-2:]
    row_idx = 5
    for year in range(start_year_val, end_year_val + 1):
        for month in range(1, 13):
            count = df_valid[(df_valid['리뷰날짜'].dt.year == year) & (df_valid['리뷰날짜'].dt.month == month)].shape[0]
            ws_dashboard.cell(row=row_idx, column=3, value=count)
            row_idx += 1
    
    # (미션3) 최근 3년 '년도' 추이
    ws_dashboard["E2"] = str(current_year)[-2:]
    row_year = 5
    for y in [current_year, current_year - 1, current_year - 2]:
        count = df_valid[df_valid['리뷰날짜'].dt.year == y].shape[0]
        ws_dashboard.cell(row=row_year, column=6, value=count)
        row_year += 1
    
    # (미션4) 선택된 년도 '월별' 추이
    try:
        selected_year_int = int("20" + selected_year[:2])
    except Exception as e:
        return None, ["전체옵션분석"]
    ws_dashboard["I2"] = selected_year[:2]
    for month in range(1, 13):
        count = df_valid[(df_valid['리뷰날짜'].dt.year == selected_year_int) & (df_valid['리뷰날짜'].dt.month == month)].shape[0]
        ws_dashboard.cell(row=4 + month, column=9, value=count)
    
    # (미션5) 선택된 년도 '월일' 추이
    start_date = datetime.date(selected_year_int, 1, 1)
    end_date = datetime.date(selected_year_int, 12, 31)
    df_selected = df_valid[df_valid['리뷰날짜'].dt.year == selected_year_int].copy()
    df_selected['리뷰날짜_일'] = df_selected['리뷰날짜'].dt.date
    daily_counts = df_selected.groupby('리뷰날짜_일').size().to_dict()
    row_day = 5
    current_day = start_date
    while current_day <= end_date:
        ws_dashboard.cell(row=row_day, column=12, value=daily_counts.get(current_day, 0))
        row_day += 1
        current_day += datetime.timedelta(days=1)
    
    # (미션6) 최근 3년 전체옵션 데이터 입력
    df_recent = df_valid[(df_valid['리뷰날짜'].dt.year >= start_year_val) & (df_valid['리뷰날짜'].dt.year <= end_year_val)].copy()
    if df_recent.shape[1] >= 3:
        df_recent['옵션원본'] = df_recent.iloc[:, 2].astype(str).fillna('')
        def get_first_option(opt_str):
            return opt_str.split(' / ')[0].strip()
        df_recent['옵션1'] = df_recent['옵션원본'].apply(get_first_option)
        option_counts_3y = df_recent['옵션1'].value_counts()
        top20_3y = option_counts_3y.head(20)
        sum_others_3y = option_counts_3y.iloc[20:].sum() if len(option_counts_3y) > 20 else 0
        row_opt = 5
        for opt_name, cnt in top20_3y.items():
            ws_dashboard.cell(row=row_opt, column=14, value=opt_name)
            ws_dashboard.cell(row=row_opt, column=15, value=cnt)
            row_opt += 1
        ws_dashboard.cell(row=25, column=15, value=sum_others_3y)
    else:
        ws_dashboard.cell(row=5, column=14, value="구매옵션 열이 없습니다.")
        ws_dashboard.cell(row=5, column=15, value=0)
    
    # (미션7) 선택년도 기준 옵션 데이터 (내림차순)
    df_selected_year = df_valid[df_valid['리뷰날짜'].dt.year == selected_year_int].copy()
    if df_selected_year.shape[1] >= 3:
        df_selected_year['옵션원본'] = df_selected_year.iloc[:, 2].astype(str).fillna('')
        def get_first_option(opt_str):
            return opt_str.split(' / ')[0].strip()
        df_selected_year['옵션1'] = df_selected_year['옵션원본'].apply(get_first_option)
        option_counts_selected = df_selected_year['옵션1'].value_counts()
        top20_selected = option_counts_selected.head(20)
        sum_others_selected = option_counts_selected.iloc[20:].sum() if len(option_counts_selected) > 20 else 0
        row_opt = 5
        for opt_name, cnt in top20_selected.items():
            ws_dashboard.cell(row=row_opt, column=18, value=opt_name)
            ws_dashboard.cell(row=row_opt, column=19, value=cnt)
            row_opt += 1
        ws_dashboard.cell(row=25, column=19, value=sum_others_selected)
    else:
        ws_dashboard.cell(row=5, column=18, value="구매옵션 열이 없습니다.")
        ws_dashboard.cell(row=5, column=19, value=0)
    
    # (미션8) 최근3년 평점현황 - top 20 옵션
    df_recent_score = df_valid[(df_valid['리뷰날짜'].dt.year >= start_year_val) & (df_valid['리뷰날짜'].dt.year <= end_year_val)].copy()
    if df_recent_score.shape[1] >= 5:
        df_recent_score['옵션원본'] = df_recent_score.iloc[:, 2].astype(str).fillna('')
        def get_first_option(opt_str):
            return opt_str.split(' / ')[0].strip()
        df_recent_score['옵션1'] = df_recent_score['옵션원본'].apply(get_first_option)
        df_recent_score['평점'] = pd.to_numeric(df_recent_score.iloc[:, 4], errors='coerce')
        df_recent_score = df_recent_score.dropna(subset=['평점'])
        group_8 = df_recent_score.groupby(['옵션1', '평점']).size().unstack(fill_value=0)
        group_8 = group_8.reindex(columns=[5,4,3,2,1], fill_value=0)
        group_8['total_count'] = group_8.sum(axis=1)
        group_8 = group_8.sort_values(by='total_count', ascending=False)
        top20_8 = group_8.head(20).copy()
        others_8 = group_8.iloc[20:].copy()
        sum_others_5 = others_8[5].sum()
        sum_others_4 = others_8[4].sum()
        sum_others_3 = others_8[3].sum()
        sum_others_2 = others_8[2].sum()
        sum_others_1 = others_8[1].sum()
        row_v = 5
        for opt_name, row_data in top20_8.iterrows():
            ws_dashboard.cell(row=row_v, column=22, value=opt_name)
            ws_dashboard.cell(row=row_v, column=24, value=row_data[5])
            ws_dashboard.cell(row=row_v, column=25, value=row_data[4])
            ws_dashboard.cell(row=row_v, column=26, value=row_data[3])
            ws_dashboard.cell(row=row_v, column=27, value=row_data[2])
            ws_dashboard.cell(row=row_v, column=28, value=row_data[1])
            row_v += 1
        ws_dashboard.cell(row=25, column=24, value=sum_others_5)
        ws_dashboard.cell(row=25, column=25, value=sum_others_4)
        ws_dashboard.cell(row=25, column=26, value=sum_others_3)
        ws_dashboard.cell(row=25, column=27, value=sum_others_2)
        ws_dashboard.cell(row=25, column=28, value=sum_others_1)
    else:
        ws_dashboard.cell(row=5, column=22, value="옵션 또는 평점 열이 부족합니다.")
    
    # (미션9) 선택년도 평점현황 - top 20 옵션
    df_selected_score = df_valid[df_valid['리뷰날짜'].dt.year == selected_year_int].copy()
    if df_selected_score.shape[1] >= 5:
        df_selected_score['옵션원본'] = df_selected_score.iloc[:, 2].astype(str).fillna('')
        def get_first_option(opt_str):
            return opt_str.split(' / ')[0].strip()
        df_selected_score['옵션1'] = df_selected_score['옵션원본'].apply(get_first_option)
        df_selected_score['평점'] = pd.to_numeric(df_selected_score.iloc[:, 4], errors='coerce')
        df_selected_score = df_selected_score.dropna(subset=['평점'])
        group_9 = df_selected_score.groupby(['옵션1', '평점']).size().unstack(fill_value=0)
        group_9 = group_9.reindex(columns=[5,4,3,2,1], fill_value=0)
        group_9['total_count'] = group_9.sum(axis=1)
        group_9 = group_9.sort_values(by='total_count', ascending=False)
        top20_9 = group_9.head(20).copy()
        others_9 = group_9.iloc[20:].copy()
        sum_others_5 = others_9[5].sum()
        sum_others_4 = others_9[4].sum()
        sum_others_3 = others_9[3].sum()
        sum_others_2 = others_9[2].sum()
        sum_others_1 = others_9[1].sum()
        row_ad = 5
        for opt_name, row_data in top20_9.iterrows():
            ws_dashboard.cell(row=row_ad, column=30, value=opt_name)
            ws_dashboard.cell(row=row_ad, column=32, value=row_data[5])
            ws_dashboard.cell(row=row_ad, column=33, value=row_data[4])
            ws_dashboard.cell(row=row_ad, column=34, value=row_data[3])
            ws_dashboard.cell(row=row_ad, column=35, value=row_data[2])
            ws_dashboard.cell(row=row_ad, column=36, value=row_data[1])
            row_ad += 1
        ws_dashboard.cell(row=25, column=32, value=sum_others_5)
        ws_dashboard.cell(row=25, column=33, value=sum_others_4)
        ws_dashboard.cell(row=25, column=34, value=sum_others_3)
        ws_dashboard.cell(row=25, column=35, value=sum_others_2)
        ws_dashboard.cell(row=25, column=36, value=sum_others_1)
    else:
        ws_dashboard.cell(row=5, column=30, value="옵션 또는 평점 열이 부족합니다.")
    
    # 임시 엑셀 파일 저장
    temp_file = tempfile.NamedTemporaryFile(delete=False, suffix=".xlsx")
    wb.save(temp_file.name)
    temp_file.close()
    
    # 선택년도 Top20 옵션 리스트 생성 (전체옵션분석 포함)
    top20_option_list = ["전체옵션분석"]
    if df_selected_year.shape[1] >= 3:
        option_counts_selected = df_selected_year['옵션1'].value_counts().head(20)
        for opt_name, cnt in option_counts_selected.items():
            top20_option_list.append(f"{opt_name}({cnt})")
    return temp_file.name, top20_option_list

# ===================== (2) 리뷰분석: 미션 10~12 실행 =====================
def analyze_reviews(partial_file, selected_option, llm_model_choice):
    """
    '리뷰옵션분석' 결과 엑셀과 선택 옵션(또는 전체옵션분석)을 바탕으로
    미션 10~12(주요긍정/부정 리뷰 추출 + LLM 분석)를 수행하고,
    최종 엑셀 파일과 텍스트 분석 결과를 반환한다.
    """
    if partial_file is None:
        return None, "", "", "", ""
    try:
        wb = openpyxl.load_workbook(partial_file)
    except Exception as e:
        return None, "", "", "", ""
    if "원본데이터" not in wb.sheetnames:
        return None, "", "", "", ""
    ws_source = wb["원본데이터"]
    data = ws_source.values
    cols = next(data)
    df_upload = pd.DataFrame(data, columns=cols)
    
    # (미션10) 주요 리뷰 내용 시트 생성
    if "주요 리뷰 내용" in wb.sheetnames:
        ws_review = wb["주요 리뷰 내용"]
        wb.remove(ws_review)
        ws_review = wb.create_sheet("주요 리뷰 내용")
    else:
        ws_review = wb.create_sheet("주요 리뷰 내용")
    if df_upload.shape[1] < 5:
        ws_review.cell(row=1, column=1, value="리뷰내용 및 평점 열이 부족합니다.")
        return None, "", "", "", ""
    df_upload['옵션원본'] = df_upload.iloc[:, 2].astype(str).fillna('')
    if selected_option == "전체옵션분석":
        df_filtered = df_upload.copy()
    else:
        selected_opt_name = selected_option.rsplit("(", 1)[0].strip()
        def get_first_option(opt_str):
            return opt_str.split(' / ')[0].strip()
        df_upload['옵션1'] = df_upload['옵션원본'].apply(get_first_option)
        df_filtered = df_upload[df_upload['옵션1'] == selected_opt_name].copy()
    
    # (미션10) 주요 리뷰 내용(평점=3 제외) + 글자수 열 생성 → 내림차순 정렬
    df_review = df_filtered.copy()
    df_review = df_review[df_review.iloc[:,4] != 3]
    df_review['글자수'] = df_review.iloc[:,3].astype(str).apply(len)
    df_review = df_review.sort_values(by='글자수', ascending=False)
    for r_idx, row in enumerate(dataframe_to_rows(df_review, index=False, header=True), start=1):
        for c_idx, value in enumerate(row, start=1):
            ws_review.cell(row=r_idx, column=c_idx, value=value)
    
    # (미션11) 긍정/부정 리뷰 추출
    df_positive = df_review[(df_review.iloc[:,4] == 5) & (df_review['글자수'] < 500)].copy()
    if df_positive.shape[0] < 20:
        df_positive_4 = df_review[(df_review.iloc[:,4] == 4) & (df_review['글자수'] < 500)]
        df_positive = pd.concat([df_positive, df_positive_4])
    df_positive = df_positive.head(20)
    positive_reviews = ""
    for idx, row in df_positive.iterrows():
        positive_reviews += f"아이디: {row.iloc[0]}, 점수: {row.iloc[4]}, 글자수: {row['글자수']}\n리뷰: {row.iloc[3]}\n\n"
    
    df_negative = df_review[(df_review.iloc[:,4] == 1) & (df_review['글자수'] < 500)].copy()
    if df_negative.shape[0] < 30:
        df_negative_2 = df_review[(df_review.iloc[:,4] == 2) & (df_review['글자수'] < 500)]
        df_negative = pd.concat([df_negative, df_negative_2])
    df_negative = df_negative.head(30)
    negative_reviews = ""
    for idx, row in df_negative.iterrows():
        negative_reviews += f"아이디: {row.iloc[0]}, 점수: {row.iloc[4]}, 글자수: {row['글자수']}\n리뷰: {row.iloc[3]}\n\n"
    
    # (미션12) LLM을 이용한 리뷰 분석
    positive_system_msg = (
        "📝 긍정리뷰 분석:\n"
        "너는 리뷰 데이터를 분석하는 빅데이터 분석가이다. 고객의 리뷰 데이터를 바탕으로 긍정적인 의견만을 분석해라. 반드시 제공된 리뷰 데이터에서만 분석하며, 너의 생각은 포함하지 말 것.\n"
        "[분석 조건]\n"
        "- 반드시 긍정적인 의견만 분석하고, 부정적인 의견은 제외할 것.\n"
        "- 기능 및 성능, 감성, 실제 사용, 배송, 타겟별 관점으로 분석할 것.\n"
        "- 마케팅에 활용할 수 있는 고객의 실제 리뷰 단어를 반드시 포함할 것.\n"
        "[출력 형태]\n"
        "- 각각의 제목 앞에는 '📝' 이모지를 사용하며, '#'나 '##'은 사용하지 말 것.\n"
        "- 가장 마지막에는 \"🏆종합의견\"이라는 제목으로 종합 의견을 작성하라.\n"
        "   - 종합의견에는 항목별 제목을 제외하고 서술식 문장으로 작성할 것.\n"
        "   - 이어서 '🏹 강점'과 '🏹 기회' 제목으로 SWOT 분석 결과를 제공할 것.\n"
        "- 실제 고객의 리뷰에서 사용된 단어를 반드시 포함할 것."
    )
    positive_user_msg = "다음 리뷰를 분석해 주세요:\n" + positive_reviews
    
    negative_system_msg = (
        "📝 부정리뷰 분석:\n"
        "너는 리뷰 데이터를 분석하는 빅데이터 분석가이다. 고객의 리뷰 데이터를 바탕으로 부정적인 의견만을 분석해라. 반드시 제공된 리뷰 데이터에서만 분석하며, 너의 생각은 포함하지 말 것.\n"
        "[분석 조건]\n"
        "- 부정적인 의견만 분석하고, 긍정적인 의견은 제외할 것.\n"
        "- 기능 및 성능, 감성, 실제 사용, 배송, 고객의 분노 관점으로 분석할 것.\n"
        "- 부정적인 리뷰 분석 결과를 바탕으로 '개선할 점'을 출력할 것.\n"
        "[출력 형태]\n"
        "- 각각의 제목 앞에는 '📝' 이모지를 사용하며, '#'나 '##'은 사용하지 말 것.\n"
        "- 가장 마지막에는 \"📢개선할 점\"이라는 제목으로 개선할 점을 작성하라.\n"
        "   - 개선할 점에는 항목별 제목을 제외하고 서술식 문장으로 작성할 것.\n"
        "   - 이어서 '💉 약점'과 '💉 위협' 제목으로 SWOT 분석 결과를 제공할 것.\n"
        "- 실제 고객의 리뷰에서 사용된 단어를 반드시 포함할 것."
    )
    negative_user_msg = "다음 리뷰를 분석해 주세요:\n" + negative_reviews
    
    if llm_model_choice == "ChatGPT (gpt-4o-mini)":
        positive_analysis = call_api(
            positive_user_msg, positive_system_msg,
            max_tokens=15000, temperature=0.3, top_p=0.95
        )
        negative_analysis = call_api(
            negative_user_msg, negative_system_msg,
            max_tokens=15000, temperature=0.3, top_p=0.95
        )
    elif llm_model_choice == "Gemini Flash (gemini-2.0-flash)":
        positive_analysis = respond_gemini_qna(
            positive_user_msg, positive_system_msg,
            max_tokens=15000, temperature=0.3, top_p=0.95,
            model_id="gemini-2.0-flash"
        )
        negative_analysis = respond_gemini_qna(
            negative_user_msg, negative_system_msg,
            max_tokens=15000, temperature=0.3, top_p=0.95,
            model_id="gemini-2.0-flash"
        )
    elif llm_model_choice == "o1-mini":
        positive_analysis = respond_o1mini_qna(
            positive_user_msg, positive_system_msg,
            max_tokens=15000, temperature=1
        )
        negative_analysis = respond_o1mini_qna(
            negative_user_msg, negative_system_msg,
            max_tokens=15000, temperature=1
        )
    else:
        positive_analysis = "LLM 모델 선택 오류"
        negative_analysis = "LLM 모델 선택 오류"
    
    if "대시보드데이터" in wb.sheetnames:
        ws_dashboard = wb["대시보드데이터"]
        ws_dashboard["AL5"] = positive_analysis
        ws_dashboard["AM5"] = negative_analysis
    
    final_file = tempfile.NamedTemporaryFile(delete=False, suffix=".xlsx")
    wb.save(final_file.name)
    final_file.close()
    
    return final_file.name, positive_reviews, negative_reviews, positive_analysis, negative_analysis

# ===================== Gradio UI 구성 (HTML/CSS 커스터마이징 적용) =====================
custom_css = """
body {
    background: #f7f7f7;
    font-family: 'Arial', sans-serif;
}
.gradio-container {
    padding: 20px;
}
.custom-header {
    text-align: center;
    font-size: 36px;
    font-weight: bold;
    margin-bottom: 20px;
    color: #333;
}
.custom-frame {
    border: 2px solid #ccc;
    border-radius: 20px;
    padding: 20px;
    margin: 10px 0;
    background-color: #fff;
}
.custom-button {
    border-radius: 20px !important;
    background: #4caf50 !important;
    color: white !important;
    font-size: 20px !important;
    padding: 10px 20px !important;
}
.custom-title {
    font-size: 28px;
    font-weight: bold;
    margin-bottom: 10px;
    color: #555;
}
.custom-subtitle {
    font-size: 22px;
    font-weight: bold;
    margin-bottom: 8px;
    color: #666;
}
.instructions {
    background-color: #e0f7fa;
    border: 2px dashed #00796b;
    border-radius: 15px;
    padding: 15px;
    font-size: 18px;
    color: #004d40;
    margin-bottom: 20px;
    text-align: left;
}
"""

# 간단하고 좌측 정렬된 단계별 사용설명서 (먼저 정의)
usage_instructions = """
<div class="instructions">
  <p style="font-size:24px; font-weight:bold;">📖 사용설명서</p>
  <p style="font-size:16px;">
    1단계: 좌측 "📑 데이터 입력"에서 파일 업로드와 분석년도 선택 후, 리뷰옵션분석 버튼 클릭<br>
    2단계: 하단 "📑 리뷰분석 옵션선택"에서 LLM 모델과 아이템옵션 선택 후, 리뷰분석 옵션선택 버튼 클릭<br>
    3단계: 우측 "📑분석보고서 다운로드"에서 보고서를 다운로드하고 결과 확인<br>
  </p>
</div>
"""

with gr.Blocks(css=custom_css, title="리뷰 분석 서비스") as demo:
    gr.HTML("<div class='custom-header'>🌟 고객 리뷰 분석 서비스 🌟</div>")
    gr.HTML(usage_instructions)

    # [데이터 입력 및 분석보고서 다운로드 프레임] (좌/우 배치)
    with gr.Row():
         with gr.Column(elem_classes="custom-frame"):
              gr.HTML("<div class='custom-title'>📑 데이터 입력</div>")
              file_input = gr.File(label="원본 엑셀 파일 업로드", file_types=[".xlsx"])
              year_radio = gr.Radio(
                  choices=[f"{str(y)[-2:]}년" for y in range(datetime.datetime.now().year, datetime.datetime.now().year-5, -1)],
                  label="분석년도 선택",
                  value=f"{str(datetime.datetime.now().year)[-2:]}년"
              )
              analyze_button = gr.Button("리뷰옵션분석", elem_classes="custom-button")
         with gr.Column(elem_classes="custom-frame"):
              gr.HTML("<div class='custom-title'>📑분석보고서 다운로드</div>")
              download_final_output = gr.File(label="보고서 다운로드")
    
    # [리뷰분석 프레임] (데이터 입력 프레임과 별도; 초기에는 숨김)
    with gr.Column(elem_classes="custom-frame", visible=False) as review_analysis_frame:
         gr.HTML("<div class='custom-title'>리뷰분석 옵션선택</div>")
         llm_model_radio = gr.Radio(
             choices=["ChatGPT (gpt-4o-mini)", "Gemini Flash (gemini-2.0-flash)", "o1-mini"],
             label="LLM 모델 선택",
             value="ChatGPT (gpt-4o-mini)"
         )
         top20_dropdown = gr.Dropdown(
             label="아이템옵션 분석",
             choices=["전체옵션분석"],
             value="전체옵션분석"
         )
         review_button = gr.Button("📑 리뷰분석 옵션선택", elem_classes="custom-button")
    
    # [분석 결과 프레임] - 상단 제목 추가: "📑 옵션별 리뷰분석"
    with gr.Column(elem_classes="custom-frame"):
         gr.HTML("<div class='custom-title'>📑 옵션별 리뷰분석</div>")
         with gr.Row():
              with gr.Column(elem_classes="custom-frame"):
                   gr.HTML("<div class='custom-subtitle'>✨ 주요긍정리뷰</div>")
                   positive_output = gr.Textbox(label="긍정리뷰리스트(20개)", lines=10)
              with gr.Column(elem_classes="custom-frame"):
                   gr.HTML("<div class='custom-subtitle'>✨ 주요부정리뷰</div>")
                   negative_output = gr.Textbox(label="부정리뷰리스트(30개)", lines=10)
         with gr.Row():
              with gr.Column(elem_classes="custom-frame"):
                   gr.HTML("<div class='custom-subtitle'>📢 긍정리뷰 분석</div>")
                   positive_analysis_output = gr.Textbox(label="긍정리뷰 분석", lines=8)
              with gr.Column(elem_classes="custom-frame"):
                   gr.HTML("<div class='custom-subtitle'>📢 부정리뷰 분석</div>")
                   negative_analysis_output = gr.Textbox(label="부정리뷰 분석", lines=8)
    
    # hidden state: 리뷰옵션분석 결과 엑셀 파일 저장
    partial_file_state = gr.State()

    # [데이터 입력] - 리뷰옵션분석 버튼 클릭 시 실행:
    # 리뷰옵션분석 결과를 저장하고, 리뷰분석 프레임을 보이게 하며 아이템옵션 분석 드롭다운 업데이트
    def on_click_analyze_options(uploaded_file, selected_year):
         partial_file, top20_list = analyze_options(uploaded_file, selected_year, "ChatGPT (gpt-4o-mini)")
         return partial_file, gr.update(visible=True), gr.update(choices=top20_list, value="전체옵션분석")
    
    analyze_button.click(
         fn=on_click_analyze_options,
         inputs=[file_input, year_radio],
         outputs=[partial_file_state, review_analysis_frame, top20_dropdown]
    )
    
    # [리뷰분석] - 리뷰분석 버튼 클릭 시 실행
    def on_click_analyze_reviews(partial_file, selected_option, llm_model):
         final_file, pos_reviews, neg_reviews, pos_analysis, neg_analysis = analyze_reviews(
             partial_file, selected_option, llm_model
         )
         return final_file, pos_reviews, neg_reviews, pos_analysis, neg_analysis
    
    review_button.click(
         fn=on_click_analyze_reviews,
         inputs=[partial_file_state, top20_dropdown, llm_model_radio],
         outputs=[download_final_output, positive_output, negative_output, positive_analysis_output, negative_analysis_output]
    )

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