import os
import sys
import json
import tempfile
import pandas as pd
import gradio as gr

# 1) Ajuste de path ANTES de importar smi_ted_light
BASE_DIR = os.path.dirname(os.path.abspath(__file__))
INFERENCE_PATH = os.path.join(BASE_DIR, "smi-ted", "inference")
sys.path.insert(0, INFERENCE_PATH)

from smi_ted_light.load import load_smi_ted

# 2) Carrega o modelo
MODEL_DIR = os.path.join(INFERENCE_PATH, "smi_ted_light")
model = load_smi_ted(
    folder=MODEL_DIR,
    ckpt_filename="smi-ted-Light_40.pt",
    vocab_filename="bert_vocab_curated.txt",
)

# 3) Função que retorna STRING JSON + gr.update para o CSV
def gerar_embedding_e_csv(smiles: str):
    smiles = smiles.strip()
    if not smiles:
        erro = {"erro": "digite uma sequência SMILES primeiro"}
        return json.dumps(erro), gr.update(visible=False)

    try:
        vetor = model.encode(smiles, return_torch=True)[0].tolist()
        # monta CSV
        df = pd.DataFrame([vetor])
        tmp = tempfile.NamedTemporaryFile(suffix=".csv", delete=False)
        df.to_csv(tmp.name, index=False)
        tmp.close()
        # retorna JSON-string e torna o link visível
        return json.dumps(vetor), gr.update(value=tmp.name, visible=True)
    except Exception as e:
        erro = {"erro": str(e)}
        return json.dumps(erro), gr.update(visible=False)

# 4) Interface Blocks
with gr.Blocks() as demo:
    gr.Markdown(
        """
        ## SMI-TED Embedding Generator  
        Cole uma sequência SMILES e receba:
        1. Uma **string JSON** com o vetor (Textbox)  
        2. Um link para **baixar o CSV** (File)  
        """
    )

    with gr.Row():
        inp_smiles = gr.Textbox(label="SMILES", placeholder="Ex.: CCO")
        btn = gr.Button("Gerar Embedding")
    with gr.Row():
        out_text = gr.Textbox(
            label="Embedding (JSON)", 
            interactive=False, 
            lines=4, 
            placeholder='Vai aparecer aqui o vetor como JSON...'
        )
        out_file = gr.File(label="Download do CSV", visible=False)

    btn.click(
        fn=gerar_embedding_e_csv,
        inputs=inp_smiles,
        outputs=[out_text, out_file]
    )

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