import gradio as gr
from transformers import pipeline

# 1. Cargar un modelo de Análisis de Sentimiento/Clasificación de Texto
# Lo usaremos para simular la clasificación de la "calidad" de la descripción.
# Un sentimiento "positivo" alto correlacionará con una descripción de "lujo" o "alta calidad".
try:
    # Usaremos un modelo de análisis de sentimiento
    text_classifier = pipeline("sentiment-analysis", model="finiteautomata/beto-sentiment-analysis")
except Exception:
    print("Usando un modelo de clasificación de texto genérico (inglés).")
    # Fallback a un modelo genérico si el de español no está disponible
    text_classifier = pipeline("sentiment-analysis", model="distilbert-base-uncased-finetuned-sst-2-english")


def analyze_description_value(description):
    """
    Analiza la descripción del piso para extraer un 'índice de lujo/calidad'.
    
    Args:
        description (str): La descripción del anuncio inmobiliario.
        
    Returns:
        tuple: El dictado de la IA y una estimación de precio mejorada (simulación).
    """
    if not description or len(description) < 30:
        return "Introduce una descripción detallada del piso (mínimo 30 caracteres).", "N/A"

    # 2. Análisis del texto con el modelo (obtenemos el score de Sentimiento/Calidad)
    try:
        results = text_classifier(description)
        sentiment = results[0]['label']
        score = results[0]['score']
    except Exception as e:
        return f"Error en el análisis de texto: {e}", "N/A"

    # 3. Mapeo del score a un "Índice de Lujo" y Tasación (Simulación)
    if sentiment == 'POS' or sentiment == 'POSITIVE':
        # El score de positividad lo usamos como un "Factor de Lujo"
        lujo_factor = score * 0.3 + 0.7  # Rango de 0.7 a 1.0
        ai_dictado = f"Análisis de texto: **ALTA CALIDAD/LUJO** ({round(score*100)}% de positividad). Se mencionan características premium."
    else: # NEG o NEUTRAL
        lujo_factor = score * 0.3 + 0.3 # Rango de 0.3 a 0.6
        ai_dictado = f"Análisis de texto: **CALIDAD MEDIA/ESTÁNDAR**. La descripción es funcional o poco detallada."

    # SIMULACIÓN DE LA TASACIÓN FINAL
    # Imaginamos un precio base de 250,000€ para un piso estándar
    # La IA añade o resta valor basado en el "Lujo Factor" extraído del texto
    precio_base = 250000 
    ajuste_por_lujo = precio_base * 0.5 * (lujo_factor - 0.5) # Ajuste entre -25% y +25%
    precio_final_estimado = precio_base + ajuste_por_lujo
    
    precio_formato = f"{precio_final_estimado:,.2f} €" # Formato de moneda
    
    return ai_dictado, precio_formato


# 4. Diseño de la Interfaz de Gradio
with gr.Blocks( title="Tasador Inmobiliario IA") as demo:
    gr.Markdown(
        """
        # 💰 Tasador Inmobiliario Inteligente
        Analiza la descripción del anuncio para medir el **factor de lujo/calidad**
        y mejorar la precisión de la tasación.
        ---
        """
    )
    with gr.Row():
        with gr.Column(scale=2):
            description_input = gr.Textbox(
                label="📝 Descripción del Piso (A destacar: Vistas, materiales, reformas...)",
                lines=10,
                placeholder="Ejemplo: 'Ático de lujo, completamente reformado con materiales de primera calidad (mármol travertino y domótica). Vistas inmejorables a la ciudad.'",
            )
            price_output = gr.Textbox(
                label="💎 Tasación Final Mejorada por la IA (Simulación)", 
                interactive=False, 
                elem_id="price_box"
            )
            
        with gr.Column(scale=1):
            analysis_output = gr.Textbox(
                label="🤖 Dictado del Análisis de Texto", 
                interactive=False, 
                lines=5
            )
            gr.Button("Tasación Rápida con Análisis IA", variant="primary").click(
                fn=analyze_description_value,
                inputs=description_input,
                outputs=[analysis_output, price_output]
            )

    # Estilo CSS para destacar el precio final
    css_style = """
    #price_box textarea {
        font-size: 30px !important;
        font-weight: bold;
        color: #FFFFFF !important;
        background-color: #007bff !important; /* Azul corporativo */
        text-align: center;
        border-radius: 10px;
    }
    """
    demo.css = css_style # Aplicar el estilo CSS al bloque

demo.launch()