from clima_codigos import clima_dic
from lxml import etree
import numpy as np
import requests
from unidecode import unidecode
import spacy
nlp = spacy.load("pt_core_news_md")
 
def busca_codigo(cidade):
    """busca id"""
    cidade = cidade.lower()
    cidade = unidecode(cidade)
    url = f"http://servicos.cptec.inpe.br/XML/listaCidades?city={cidade}"
    response = requests.get(url)
    if response.status_code == 200: 
        xml_data = response.content 
        texto = etree.fromstring(xml_data) 
        if texto.find('cidade') == None: 
            return 'Houve um problema com sua solicitação. Por favor, confira e digite novamente.' 
        else: 
            nome_id = int(texto.find('cidade').find('id').text) 
            return nome_id
    else: 
        return 'Houve um problema com sua solicitação. Por favor, confira e digite novamente.'

def busca_clima(nome_id):
    """busca previsão do tempo para um id"""
    url = f"http://servicos.cptec.inpe.br/XML/cidade/7dias/{nome_id}/previsao.xml"
    response = requests.get(url, stream=True)
    if response.status_code == 200:
        xml_data = response.content 
        root = etree.fromstring(xml_data)
        dados = np.ndarray([7, 5], dtype=object)
        dados[0,0:5] = "dia", "prev", "Tmax", "Tmin", "IUV"
        contador = 0
        for previsao in root.findall('previsao'):
            contador += 1
            dados[contador,0] = 'dia '+str(contador)
            tempo = (previsao.find('tempo').text)
            dados[contador,1] = clima_dic[tempo]
            dados[contador,2] = (previsao.find('maxima').text)
            dados[contador,3] = (previsao.find('minima').text)
            dados[contador,4] = (previsao.find('iuv').text)
    else: 
        dados = 'Houve um problema com a sua solicitação. Por favor, confira e digite novamente.'
    return dados
     
def chatbot(texto):
    """ Recebe uma pergunta de um usuário, inicia o processamento de linguagem e chama outras funções"""
    frase = nlp(texto)
    for token in frase.ents:
        if token.label_ == "GPE" or token.label_=="LOC": 
            cidade = token.text
            nome_id = busca_codigo(cidade)
            if type(nome_id)==int:
                dados = busca_clima(nome_id)
                acha_similaridade(dados, texto, cidade)
            else:
                'Houve um problema com a sua solicitação. Por favor, confira e digite novamente.'
        else:
            return 'Houve um problema com a sua solicitação. Por favor, confira e digite novamente.'

def acha_similaridade(dados, texto, cidade):
    """Calcula as similaridades entre um input do usuário com frases pré-definidas. 
    Retorna uma palavra-chave que reflete qual frase teve a máxima similaridade."""
    frases = []
    frases.append(nlp(f"Qual é a previsão do tempo em {cidade}?"))
    frases.append(nlp(f"Vai chover em {cidade}?"))
    frases.append(nlp(f"Vai fazer sol em {cidade}?"))
    frases.append(nlp(f"Vai ficar nublado em {cidade}?"))
    frase_target = nlp(texto)
    similaridades = []
    targets = ["Clima", "Chuva", "Sol", "Nublado"]
    for i in range(len(frases)):
        similaridades.append(frase_target.similarity(frases[i]))
    if max(similaridades) > 0.6:
        idx = similaridades.index(max(similaridades))
        palavra_alvo = targets[idx]
        interpreta_similaridade(dados, palavra_alvo)
    else:
        return 'Houve um problema com a sua solicitação. Por favor, confira e digite novamente.'

def interpreta_similaridade(dados, target):
    """Usa uma palavra-chave para rastrear nos dados a informação adequada para definir resposta."""
    if target == "Clima":
        print(dados)
    else:
        idxs = []
        for i in range(dados.shape[0]):
            idx = np.char.find(dados[i,1], target)
            if idx != -1:
                idxs.append(i)
        if len(idxs) > 0:
            print(f"Sim, existe probabilidade de {target}.")
        else:
            print(f"Não, a previsão para os próximos dias não inclui {target}.")

texto = "Vai fazer sol em Fortaleza?"
chatbot(texto)