"""
Exemplo de uso do Radar Legislativo LGBTQIA+
Sistema de classificação de Projetos de Lei por Ensemble Híbrido
"""

from transformers import pipeline, AutoTokenizer, AutoModelForSequenceClassification
import re

print("🏳️‍🌈 Radar Legislativo LGBTQIA+ - Exemplo de Uso\n")

# ========================================
# 1. CARREGAR MODELOS
# ========================================

print("📦 Carregando modelos...")

# Radar Social LGBTQIA+ V2.1
print("   Carregando Radar Social...")
radar = pipeline(
    "text-classification",
    model="Veronyka/radar-social-lgbtqia-v2.1",
    device=-1  # CPU (-1) ou GPU (0)
)

# AzMina/QuiterIA (com tokenizer explícito)
print("   Carregando AzMina...")
try:
    tokenizer = AutoTokenizer.from_pretrained("neuralmind/bert-base-portuguese-cased")
    azmina_model = AutoModelForSequenceClassification.from_pretrained("azmina/ia-feminista-bert-posicao")
    azmina = pipeline(
        "text-classification",
        model=azmina_model,
        tokenizer=tokenizer,
        device=-1
    )
    print("   ✅ Ambos os modelos carregados com sucesso!\n")
except Exception as e:
    print(f"   ⚠️ Erro ao carregar AzMina: {e}")
    print("   ℹ️ Sistema funcionará sem AzMina\n")
    azmina = None

# ========================================
# 2. DEFINIR KEYWORDS E PADRÕES
# ========================================

KEYWORDS_DESFAVORAVEIS = [
    r"proíbe.*gênero", r"ideologia de gênero", r"sexo biológico",
    r"terapia.*conversão", r"cura.*gay", r"família.*tradicional",
    r"veda.*gênero", r"restringe.*gênero"
]

PADROES_ALTA_PRIORIDADE = [
    r"(proíbe|veda).*(uso|exibição).*(símbolo|símbolos).*religios.*(parada|lgbt)",
    r"(impede|proíbe).*(menor|criança).*(evento|parada).*(lgbt|comunidade)"
]

PADROES_RESTRITIVOS = [
    r"define.*(sexo|gênero).*biolog",
    r"(proíbe|proibição).*(ensino|divulgação).*gênero",
    r"exclusivamente.*(homem|mulher).*(cis|biologic)"
]

# ========================================
# 3. FUNÇÃO DE CLASSIFICAÇÃO
# ========================================

def classificar_pl(ementa: str) -> dict:
    """
    Classifica uma PL usando Ensemble Híbrido
    
    Args:
        ementa: Texto da ementa da PL
    
    Returns:
        dict com classificação, score e detalhes
    """
    
    # 1. Radar Social (20%)
    radar_result = radar(ementa, truncation=True, max_length=256)
    label_radar = radar_result[0]['label']
    score_radar_raw = radar_result[0]['score']
    score_radar = score_radar_raw if label_radar == 'HATE' else 1 - score_radar_raw
    
    # 2. AzMina (15% ou 0% se não disponível)
    if azmina:
        azmina_result = azmina(ementa, truncation=True, max_length=256)
        label_azmina = azmina_result[0]['label']
        score_azmina_raw = azmina_result[0]['score']
        score_azmina = 1 - score_azmina_raw if label_azmina == 'LABEL_1' else score_azmina_raw
        peso_azmina = 0.15
    else:
        score_azmina = 0.5
        peso_azmina = 0.0
    
    # 3. Keywords (35% ou 40% se AzMina não disponível)
    ementa_lower = ementa.lower()
    kw_desfav = sum(1 for kw in KEYWORDS_DESFAVORAVEIS if re.search(kw, ementa_lower, re.IGNORECASE))
    score_keywords = min(kw_desfav / 5, 1.0)  # Normalizado (max 5 keywords)
    peso_keywords = 0.40 if not azmina else 0.35
    
    # 4. Padrões (30% ou 40% se AzMina não disponível)
    matches_alta = sum(1 for padrao in PADROES_ALTA_PRIORIDADE if re.search(padrao, ementa_lower, re.IGNORECASE))
    matches_normais = sum(1 for padrao in PADROES_RESTRITIVOS if re.search(padrao, ementa_lower, re.IGNORECASE))
    
    if matches_alta > 0:
        score_padroes = 0.99  # Score muito alto para padrões de alta prioridade
    else:
        score_padroes = min(matches_normais / 3, 1.0)  # Normalizado (max 3 padrões)
    
    peso_padroes = 0.40 if not azmina else 0.30
    peso_radar = 0.20
    
    # 5. Ensemble (soma ponderada)
    score_final = (
        peso_radar * score_radar +
        peso_azmina * score_azmina +
        peso_keywords * score_keywords +
        peso_padroes * score_padroes
    )
    
    # 6. Classificação
    if score_final >= 0.5:
        classificacao = "DESFAVORÁVEL"
        emoji = "❌"
    elif score_final >= 0.3:
        classificacao = "REVISÃO"
        emoji = "⚠️"
    else:
        classificacao = "FAVORÁVEL"
        emoji = "✅"
    
    return {
        'classificacao': classificacao,
        'emoji': emoji,
        'score_final': score_final,
        'sinais': {
            'radar': score_radar,
            'azmina': score_azmina if azmina else None,
            'keywords': score_keywords,
            'padroes': score_padroes
        },
        'pesos': {
            'radar': peso_radar,
            'azmina': peso_azmina,
            'keywords': peso_keywords,
            'padroes': peso_padroes
        },
        'detalhes': {
            'keywords_encontradas': kw_desfav,
            'padroes_alta_prioridade': matches_alta,
            'padroes_normais': matches_normais
        }
    }

# ========================================
# 4. EXEMPLOS DE USO
# ========================================

print("=" * 70)
print("🧪 TESTANDO CLASSIFICAÇÃO DE PLs")
print("=" * 70)

exemplos = [
    {
        'id': 'PL 106/2023',
        'ementa': 'Proíbe o uso de símbolos religiosos em paradas LGBTQIA+',
        'esperado': 'DESFAVORÁVEL'
    },
    {
        'id': 'PL 5034/2020',
        'ementa': 'Equipara terapias de conversão à tortura',
        'esperado': 'FAVORÁVEL'
    },
    {
        'id': 'PL 906/2024',
        'ementa': 'Impede a presença de menores em eventos da comunidade LGBTQIA+',
        'esperado': 'DESFAVORÁVEL'
    },
    {
        'id': 'PL 1234/2022',
        'ementa': 'Dispõe sobre identidade de gênero e nome social em documentos oficiais',
        'esperado': 'FAVORÁVEL'
    }
]

for exemplo in exemplos:
    print(f"\n📄 {exemplo['id']}")
    print(f"   Ementa: \"{exemplo['ementa']}\"")
    print(f"   Esperado: {exemplo['esperado']}")
    
    resultado = classificar_pl(exemplo['ementa'])
    
    print(f"   {resultado['emoji']} Classificação: {resultado['classificacao']}")
    print(f"   📊 Score Final: {resultado['score_final']:.2%}")
    print(f"   🔍 Detalhes:")
    print(f"      - Radar Social: {resultado['sinais']['radar']:.2%} (peso {resultado['pesos']['radar']:.0%})")
    if resultado['sinais']['azmina'] is not None:
        print(f"      - AzMina: {resultado['sinais']['azmina']:.2%} (peso {resultado['pesos']['azmina']:.0%})")
    print(f"      - Keywords: {resultado['sinais']['keywords']:.2%} (peso {resultado['pesos']['keywords']:.0%})")
    print(f"      - Padrões: {resultado['sinais']['padroes']:.2%} (peso {resultado['pesos']['padroes']:.0%})")
    
    # Verificar se acertou
    acertou = "✅" if resultado['classificacao'] == exemplo['esperado'] else "❌"
    print(f"   {acertou} Classificação correta? {resultado['classificacao'] == exemplo['esperado']}")

print("\n" + "=" * 70)
print("✅ Exemplos concluídos!")
print("=" * 70)

# ========================================
# 5. USO INTERATIVO
# ========================================

print("\n💡 Dica: Para usar interativamente, chame:")
print("   resultado = classificar_pl('sua ementa aqui')")
print("   print(resultado)")