"""
Google Ads Generator - Interface Streamlit

Aplicação que extrai conteúdo de Landing Pages e gera automaticamente
ativos de campanha para Google Ads usando IA (OpenAI ou Gemini).
"""

import os
import re
import streamlit as st
from dotenv import load_dotenv

from src.scraper import scrape_landing_page
from src.ai_generator import generate_google_ads_assets, MODELS
from src.exporter import (
    create_keywords_df,
    create_negative_keywords_df,
    create_ads_df,
    create_sitelinks_df,
    create_callouts_df,
    export_all_to_excel,
)

# ─── Carregar variáveis de ambiente ───────────────────────────────
load_dotenv()


def _highlight_keywords(text: str, keywords: list[str]) -> str:
    """Destaca em negrito as palavras-chave encontradas no texto."""
    result = text
    for kw in keywords:
        pattern = re.compile(re.escape(kw), re.IGNORECASE)
        match = pattern.search(result)
        if match:
            result = result[:match.start()] + f"**{match.group()}**" + result[match.end():]
            break  # Destacar apenas a primeira keyword encontrada
    return result

# ─── Configuração da Página ───────────────────────────────────────
st.set_page_config(
    page_title="Google Ads Generator",
    page_icon="📊",
    layout="wide",
)

# ─── CSS Customizado ──────────────────────────────────────────────
st.markdown("""
<style>
    .main-header {
        font-size: 2.2rem;
        font-weight: 700;
        color: #1a73e8;
        margin-bottom: 0.2rem;
    }
    .sub-header {
        font-size: 1.1rem;
        color: #5f6368;
        margin-bottom: 2rem;
    }
    .metric-card {
        background: #f8f9fa;
        border-radius: 12px;
        padding: 1.2rem;
        text-align: center;
        border: 1px solid #e8eaed;
    }
    .metric-number {
        font-size: 2rem;
        font-weight: 700;
        color: #1a73e8;
    }
    .metric-label {
        font-size: 0.85rem;
        color: #5f6368;
    }
    .stTabs [data-baseweb="tab-list"] {
        gap: 8px;
    }
    .stTabs [data-baseweb="tab"] {
        padding: 10px 20px;
        border-radius: 8px 8px 0 0;
    }
</style>
""", unsafe_allow_html=True)

# ─── Header ───────────────────────────────────────────────────────
st.markdown('<p class="main-header">Google Ads Generator</p>', unsafe_allow_html=True)
st.markdown(
    '<p class="sub-header">Gere ativos de campanha automaticamente a partir da sua Landing Page</p>',
    unsafe_allow_html=True,
)

# ─── Sidebar ──────────────────────────────────────────────────────
with st.sidebar:
    st.header("Configurações")

    provider = st.selectbox(
        "Provider de IA",
        ["OpenAI", "Gemini"],
        index=0,
        help="Escolha o provider de IA. As chaves devem estar configuradas no arquivo .env",
    )

    model = st.selectbox(
        "Modelo",
        MODELS.get(provider, []),
        index=0,
        help="Modelo a ser utilizado para geração dos ativos.",
    )

    # Status das chaves configuradas
    st.divider()
    openai_ok = bool(os.environ.get("OPENAI_API_KEY"))
    gemini_ok = bool(os.environ.get("GEMINI_API_KEY"))
    st.caption("Status das API Keys (.env):")
    st.markdown(f"- OpenAI: {'✅ Configurada' if openai_ok else '❌ Não encontrada'}")
    st.markdown(f"- Gemini: {'✅ Configurada' if gemini_ok else '❌ Não encontrada'}")

    st.divider()

    campaign_name = st.text_input(
        "Nome da Campanha",
        value="Campanha LP",
        help="Nome que aparecerá na coluna 'Campaign' do CSV.",
    )

    ad_group = st.text_input(
        "Nome do Grupo de Anúncios",
        value="Grupo 1",
        help="Nome que aparecerá na coluna 'Ad Group' do CSV.",
    )

    st.divider()
    st.caption("Desenvolvido com Streamlit + OpenAI + Gemini")

# ─── Área Principal ───────────────────────────────────────────────
url = st.text_input(
    "URL da Landing Page",
    placeholder="https://www.seusite.com.br/landing-page",
    help="Cole a URL completa da sua Landing Page aqui.",
)

col_btn, col_status = st.columns([1, 3])

with col_btn:
    generate_btn = st.button("Gerar Campanha", type="primary", use_container_width=True)

# ─── Lógica Principal ────────────────────────────────────────────
if generate_btn:
    # Validações
    if not url:
        st.error("Por favor, insira a URL da Landing Page.")
        st.stop()

    if not url.startswith(("http://", "https://")):
        st.error("A URL deve começar com http:// ou https://")
        st.stop()

    # Verificar se a chave do provider selecionado está configurada
    if provider == "OpenAI" and not os.environ.get("OPENAI_API_KEY"):
        st.error("OPENAI_API_KEY não encontrada no arquivo .env. Configure antes de continuar.")
        st.stop()
    elif provider == "Gemini" and not os.environ.get("GEMINI_API_KEY"):
        st.error("GEMINI_API_KEY não encontrada no arquivo .env. Configure antes de continuar.")
        st.stop()

    # Step 1: Scraping
    with st.status("Processando...", expanded=True) as status:
        st.write("Extraindo conteúdo da Landing Page...")
        try:
            lp_data = scrape_landing_page(url)
        except Exception as e:
            st.error(f"Erro ao acessar a URL: {e}")
            st.stop()

        st.write(f"Conteúdo extraído: {len(lp_data['paragraphs'])} parágrafos, "
                 f"{len(lp_data['h1'])} H1, {len(lp_data['h2'])} H2, "
                 f"{len(lp_data.get('list_items', []))} itens de lista, "
                 f"{len(lp_data['ctas'])} CTAs")

        # Step 2: IA
        st.write(f"Gerando ativos com {provider} ({model})...")
        try:
            assets, prompts = generate_google_ads_assets(
                lp_content=lp_data["full_text"],
                provider=provider,
                model=model,
            )
        except ValueError as e:
            st.error(str(e))
            st.stop()
        except Exception as e:
            st.error(f"Erro ao gerar ativos: {e}")
            st.stop()

        status.update(label="Concluído!", state="complete", expanded=False)

    # Salvar no session_state
    st.session_state["assets"] = assets
    st.session_state["prompts"] = prompts
    st.session_state["lp_data"] = lp_data
    st.session_state["campaign_name"] = campaign_name
    st.session_state["ad_group"] = ad_group
    st.session_state["provider_used"] = provider
    st.session_state["model_used"] = model

# ─── Exibição dos Resultados ─────────────────────────────────────
if "assets" in st.session_state:
    assets = st.session_state["assets"]
    prompts = st.session_state.get("prompts", {})
    camp = st.session_state.get("campaign_name", "Campanha LP")
    adg = st.session_state.get("ad_group", "Grupo 1")
    prov_used = st.session_state.get("provider_used", "")
    model_used = st.session_state.get("model_used", "")

    st.divider()

    # Métricas resumo
    col1, col2, col3, col4, col5, col6 = st.columns(6)

    with col1:
        st.metric("Keywords", len(assets.get("keywords", [])))
    with col2:
        st.metric("Negativas", len(assets.get("negative_keywords", [])))
    with col3:
        st.metric("Títulos", len(assets.get("headlines", [])))
    with col4:
        st.metric("Descrições", len(assets.get("descriptions", [])))
    with col5:
        st.metric("Sitelinks", len(assets.get("sitelinks", [])))
    with col6:
        st.metric("Callouts", len(assets.get("callouts", [])))

    st.divider()

    # Abas com resultados
    tab_kw, tab_neg, tab_ads, tab_sl, tab_co, tab_prompts, tab_raw = st.tabs([
        "Keywords", "Negativas", "Anúncios RSA", "Sitelinks", "Callouts",
        "Prompts Utilizados", "Dados da LP",
    ])

    with tab_kw:
        st.subheader("Palavras-chave")
        kw_df = create_keywords_df(assets, camp, adg)
        if not kw_df.empty:
            st.dataframe(kw_df, use_container_width=True, hide_index=True)
        else:
            st.info("Nenhuma palavra-chave gerada.")

    with tab_neg:
        st.subheader("Palavras-chave Negativas")
        nkw_df = create_negative_keywords_df(assets, camp)
        if not nkw_df.empty:
            st.dataframe(nkw_df, use_container_width=True, hide_index=True)
        else:
            st.info("Nenhuma palavra-chave negativa gerada.")

    with tab_ads:
        st.subheader("Anúncio Responsivo de Pesquisa (RSA)")

        st.write("**Títulos (Headlines):**")
        # Coletar palavras-chave para destacar nos títulos
        kw_list = sorted(
            [kw["keyword"].lower() for kw in assets.get("keywords", []) if kw.get("keyword")],
            key=len, reverse=True,  # Maior primeiro para evitar match parcial
        )
        for i, h in enumerate(assets.get("headlines", []), 1):
            char_count = len(h)
            color = "green" if char_count <= 30 else "red"
            h_highlighted = _highlight_keywords(h, kw_list)
            st.markdown(f"{i}. {h_highlighted} — :{color}[{char_count} chars]")

        st.write("**Descrições:**")
        for i, d in enumerate(assets.get("descriptions", []), 1):
            char_count = len(d)
            color = "green" if char_count <= 90 else "red"
            st.markdown(f"{i}. {d} — :{color}[{char_count} chars]")

        st.divider()
        ads_df = create_ads_df(assets, camp, adg)
        if not ads_df.empty:
            st.dataframe(ads_df, use_container_width=True, hide_index=True)

    with tab_sl:
        st.subheader("Sitelinks")
        sl_df = create_sitelinks_df(assets, camp)
        if not sl_df.empty:
            st.dataframe(sl_df, use_container_width=True, hide_index=True)
        else:
            st.info("Nenhum sitelink gerado.")

    with tab_co:
        st.subheader("Callouts (Frases de Destaque)")
        co_df = create_callouts_df(assets, camp)
        if not co_df.empty:
            st.dataframe(co_df, use_container_width=True, hide_index=True)
        else:
            st.info("Nenhum callout gerado.")

    with tab_prompts:
        st.subheader("Prompts Utilizados")
        st.caption(f"Provider: **{prov_used}** | Modelo: **{model_used}**")

        st.markdown("#### Prompt de Sistema (System Prompt)")
        st.code(prompts.get("system_prompt", "N/A"), language=None)

        st.markdown("#### Prompt do Usuário (User Prompt)")
        st.code(prompts.get("user_prompt", "N/A"), language=None)

    with tab_raw:
        st.subheader("Dados Extraídos da Landing Page")
        lp_data = st.session_state.get("lp_data", {})
        if lp_data:
            st.write(f"**URL:** {lp_data.get('url', '')}")
            st.write(f"**Título:** {lp_data.get('title', '')}")
            st.write(f"**Meta Description:** {lp_data.get('meta_description', '')}")

            with st.expander("Headings (H1, H2, H3)"):
                for h in lp_data.get("h1", []):
                    st.write(f"**H1:** {h}")
                for h in lp_data.get("h2", []):
                    st.write(f"**H2:** {h}")
                for h in lp_data.get("h3", []):
                    st.write(f"**H3:** {h}")

            with st.expander("Itens de Lista / Benefícios"):
                for li in lp_data.get("list_items", []):
                    st.write(f"- {li}")

            with st.expander("CTAs Encontrados"):
                for c in lp_data.get("ctas", []):
                    st.write(f"- {c}")

            with st.expander("Texto Completo Enviado à IA"):
                st.code(lp_data.get("full_text", ""), language=None)

    # ─── Botões de Download ───────────────────────────────────────
    st.divider()
    st.subheader("Download dos Ativos")

    col_dl1, col_dl2 = st.columns(2)

    with col_dl1:
        excel_data = export_all_to_excel(assets, camp, adg)
        st.download_button(
            label="Baixar Excel (.xlsx)",
            data=excel_data,
            file_name="google_ads_assets.xlsx",
            mime="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet",
            use_container_width=True,
        )

    with col_dl2:
        kw_csv = create_keywords_df(assets, camp, adg).to_csv(index=False)
        st.download_button(
            label="Baixar Keywords (.csv)",
            data=kw_csv,
            file_name="google_ads_keywords.csv",
            mime="text/csv",
            use_container_width=True,
        )