app.py

import gradio as gr
from transformers import pipeline
import re
from functools import lru_cache
import logging
from typing import List, Dict, Tuple

# Set up logging
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

# รายชื่อโมเดลที่ให้เลือก
MODEL_LIST = [
    "SandboxBhh/sentiment-thai-text-model",
    "poom-sci/WangchanBERTa-finetuned-sentiment",
    "Thaweewat/wangchanberta-hyperopt-sentiment-01",
    "cardiffnlp/twitter-xlm-roberta-base-sentiment",
    "phoner45/wangchan-sentiment-thai-text-model",
    "ZombitX64/Sentiment-01",
    "ZombitX64/Sentiment-02",
    "ZombitX64/Sentiment-03",
    "ZombitX64/MultiSent-E5-Pro",
    "ZombitX64/MultiSent-E5",
    "ZombitX64/Thai-sentiment-e5",
    "ZombitX64/sentiment-103",
    "nlptown/bert-base-multilingual-uncased-sentiment"
]

# ใช้ cache เพื่อไม่ต้องโหลดโมเดลซ้ำ
@lru_cache(maxsize=3)
def get_nlp(model_name: str):
    try:
        return pipeline("sentiment-analysis", model=model_name)
    except Exception as e:
        logger.error(f"Error loading model {model_name}: {e}")
        raise gr.Error(f"ไม่สามารถโหลดโมเดล {model_name} ได้: {str(e)}")

# Enhanced label mapping with more comprehensive support
LABEL_MAPPINGS = {
    # Standard labels
    "LABEL_0": {"code": 0, "name": "question", "emoji": "❓", "color": "#2196F3", "bg": "#E3F2FD"},
    "LABEL_1": {"code": 1, "name": "negative", "emoji": "😔", "color": "#F44336", "bg": "#FFEBEE"},
    "LABEL_2": {"code": 2, "name": "neutral", "emoji": "😐", "color": "#FF9800", "bg": "#FFF3E0"},
    "LABEL_3": {"code": 3, "name": "positive", "emoji": "😊", "color": "#4CAF50", "bg": "#E8F5E8"},
    
    # Alternative label formats
    "POSITIVE": {"code": 3, "name": "positive", "emoji": "😊", "color": "#4CAF50", "bg": "#E8F5E8"},
    "NEGATIVE": {"code": 1, "name": "negative", "emoji": "😔", "color": "#F44336", "bg": "#FFEBEE"},
    "NEUTRAL": {"code": 2, "name": "neutral", "emoji": "😐", "color": "#FF9800", "bg": "#FFF3E0"},
    
    # Numerical labels
    "0": {"code": 0, "name": "negative", "emoji": "😔", "color": "#F44336", "bg": "#FFEBEE"},
    "1": {"code": 1, "name": "positive", "emoji": "😊", "color": "#4CAF50", "bg": "#E8F5E8"},
}

def get_label_info(label: str) -> Dict:
    """Get label information with fallback for unknown labels"""
    return LABEL_MAPPINGS.get(label, {
        "code": -1, 
        "name": label.lower(), 
        "emoji": "🔍", 
        "color": "#666666", 
        "bg": "#F5F5F5"
    })

def split_sentences(text: str) -> List[str]:
    """Enhanced sentence splitting with better Thai support"""
    # Split by various sentence endings and normalize
    sentences = re.split(r'[.!?。\n]+', text)
    # Clean and filter empty sentences
    sentences = [s.strip() for s in sentences if s.strip() and len(s.strip()) > 2]
    return sentences

def create_progress_bar(score: float, width: int = 20) -> str:
    """Create a visual progress bar"""
    filled = int(score * width)
    return "█" * filled + "░" * (width - filled)

def analyze_text(text: str, model_name: str) -> str:
    """Enhanced text analysis with better error handling and formatting"""
    if not text or not text.strip():
        return "❗ กรุณาใส่ข้อความที่ต้องการวิเคราะห์"
    
    sentences = split_sentences(text)
    
    if not sentences:
        return "❗ ไม่พบประโยคที่สามารถวิเคราะห์ได้ กรุณาใส่ข้อความที่ยาวกว่านี้"
    
    try:
        nlp = get_nlp(model_name)
    except Exception as e:
        return f"❌ เกิดข้อผิดพลาดในการโหลดโมเดล: {str(e)}"
    
    results = []
    results.append("📊 **ผลการวิเคราะห์ความรู้สึก**\n" + "="*60 + "\n")
    results.append(f"🤖 **โมเดล:** {model_name}\n")
    
    sentiment_counts = {"positive": 0, "negative": 0, "neutral": 0, "question": 0, "other": 0}
    total_confidence = 0
    
    for i, sentence in enumerate(sentences, 1):
        try:
            result = nlp(sentence)[0]
            label = result['label']
            score = result['score']
            
            label_info = get_label_info(label)
            label_name = label_info["name"]
            
            # Count sentiments
            if label_name in sentiment_counts:
                sentiment_counts[label_name] += 1
            else:
                sentiment_counts["other"] += 1
            
            total_confidence += score
            
            # Create formatted result
            progress_bar = create_progress_bar(score)
            confidence_percent = score * 100
            
            result_text = f"""
🔸 **ประโยคที่ {i}:** "{sentence[:100]}{'...' if len(sentence) > 100 else ''}"

{label_info['emoji']} **ผลวิเคราะห์:** {label_name.upper()} (รหัส: {label_info['code']})
📈 **ความมั่นใจ:** {score:.3f} ({confidence_percent:.1f}%)
{progress_bar} {score:.3f}

{'─' * 70}
"""
            results.append(result_text)
            
        except Exception as e:
            logger.error(f"Error analyzing sentence {i}: {e}")
            results.append(f"\n❌ เกิดข้อผิดพลาดในการวิเคราะห์ประโยคที่ {i}: {str(e)}\n{'─' * 70}\n")
    
    # Enhanced summary
    total_sentences = len(sentences)
    avg_confidence = total_confidence / total_sentences if total_sentences > 0 else 0
    
    summary = f"""
📋 **สรุปผลการวิเคราะห์**
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📊 จำนวนประโยคทั้งหมด: {total_sentences} ประโยค
📈 ความมั่นใจเฉลี่ย: {avg_confidence:.3f} ({avg_confidence*100:.1f}%)

🎯 **การกระจายของความรู้สึก:**
"""
    
    for sentiment, count in sentiment_counts.items():
        if count > 0:
            percentage = (count / total_sentences) * 100
            emoji = {"positive": "😊", "negative": "😔", "neutral": "😐", "question": "❓", "other": "🔍"}
            summary += f"   {emoji.get(sentiment, '🔍')} {sentiment.title()}: {count} ประโยค ({percentage:.1f}%)\n"
    
    results.append(summary)
    
    return "\n".join(results)

# Modern minimal CSS
CUSTOM_CSS = """
body, .gradio-container {
    background: #f7faff !important;
}
.gradio-container {
    max-width: 1100px !important;
    margin: 32px auto 32px auto !important;
    border-radius: 22px !important;
    box-shadow: 0 8px 32px 0 #bdbdbd55;
    border: 1.5px solid #e3e3e3;
    min-height: 96vh;
    padding-bottom: 32px;
}
.main-card {
    background: #fff !important;
    border-radius: 18px;
    box-shadow: 0 2px 12px 0 #bdbdbd55;
    padding: 28px 24px 20px 24px;
    margin: 18px 0;
    border: 1.5px solid #d1d1d1;
    color: #222 !important;
    transition: box-shadow 0.2s;
}
.main-card:hover {
    box-shadow: 0 6px 24px 0 #bdbdbd77;
}
.output-markdown {
    font-family: 'Segoe UI', 'Noto Sans Thai', sans-serif !important;
    line-height: 1.7;
    font-size: 1.08em;
    color: #222 !important;
}
.gr-button {
    font-size: 1.13em;
    padding: 0.9em 2.7em;
    border-radius: 13px;
    font-weight: 600;
    transition: all 0.2s;
    background: linear-gradient(90deg, #4a63e7 0%, #764ba2 100%);
    color: #fff !important;
    border: none;
    box-shadow: 0 2px 8px #bdbdbd33;
}
.gr-button.secondary, .gr-button[variant="secondary"] {
    background: #eaeaea !important;
    color: #333 !important;
    border: 1px solid #cccccc;
}
.gr-button:hover {
    transform: translateY(-2px) scale(1.03);
    box-shadow: 0 6px 18px #bdbdbd55;
    filter: brightness(1.04);
}
.gr-textbox textarea {
    font-size: 1.13em;
    min-height: 150px;
    font-family: 'Segoe UI', 'Noto Sans Thai', sans-serif;
    background: #fff;
    border-radius: 10px;
    border: 1.5px solid #cccccc;
    color: #222;
    padding: 14px;
}
.gr-dropdown input {
    font-size: 1.1em;
    border-radius: 8px;
    background: #fff;
    border: 1.5px solid #cccccc;
    color: #222;
}
.gr-markdown h1, .gr-markdown h3 {
    color: #2a2a4d !important;
}
.gr-markdown, .gr-markdown ul, .gr-markdown p, .gr-markdown li {
    color: #222 !important;
}
.gr-markdown ul {
    margin-left: 1.2em;
}
@media (max-width: 900px) {
    .gradio-container { max-width: 99vw !important; padding: 0 2vw; }
    .main-card { padding: 16px 6px; }
}
"""

# Enhanced Gradio interface
with gr.Blocks(
    theme=gr.themes.Soft(primary_hue="blue", secondary_hue="purple", neutral_hue="gray"),
    css=CUSTOM_CSS,
    title="Thai Sentiment Analyzer - AI วิเคราะห์ความรู้สึกภาษาไทย"
) as demo:
    
    gr.Markdown("""
    <div style="text-align: center; padding: 38px 0 18px 0;">
        <h1 style="font-size:2.7em; margin-bottom: 0.18em; color:#3b3b6d; letter-spacing:0.5px;">🧠 Thai Sentiment Analyzer</h1>
        <div style="font-size:1.18em; color:#4a4a7d; opacity:0.92;">
            AI วิเคราะห์ความรู้สึกในข้อความภาษาไทย รองรับหลายโมเดลและหลายประโยค
        </div>
    </div>
    """)
    
    with gr.Row():
        with gr.Column(scale=1):
            gr.Markdown("""
            <div class='main-card'>
                <h3 style='color:#3b3b6d; margin-bottom:15px; font-size:1.18em;'>🤖 เลือกโมเดลวิเคราะห์</h3>
                <p style='color:#666; font-size:0.97em; margin-bottom:10px;'>เลือกโมเดล AI ที่ต้องการใช้ในการวิเคราะห์ความรู้สึก</p>
            </div>
            """)
            
            model_dropdown = gr.Dropdown(
                choices=MODEL_LIST,
                value="ZombitX64/MultiSent-E5-Pro",
                label="โมเดลที่ต้องการใช้",
                info="แนะนำ: MultiSent-E5-Pro สำหรับความแม่นยำสูง"
            )
            
            gr.Markdown("""
            <div class='main-card' style='margin-top:20px;'>
                <h3 style='color:#3b3b6d; margin-bottom:15px; font-size:1.13em;'>📖 คำแนะนำการใช้งาน</h3>
                <ul style='color:#555; font-size:1em; line-height:1.7; margin-bottom:0;'>
                    <li>พิมพ์ข้อความภาษาไทยที่ต้องการวิเคราะห์</li>
                    <li>แยกประโยคด้วยจุด (.) หรือขึ้นบรรทัดใหม่</li>
                    <li>รองรับการวิเคราะห์หลายประโยคพร้อมกัน</li>
                    <li>ผลลัพธ์จะแสดงความมั่นใจและสรุปภาพรวม</li>
                </ul>
            </div>
            """)
            
        with gr.Column(scale=2):
            gr.Markdown("""
            <div class='main-card'>
                <h3 style='color:#3b3b6d; margin-bottom:15px; font-size:1.15em;'>📝 ข้อความที่ต้องการวิเคราะห์</h3>
            </div>
            """)
            
            text_input = gr.Textbox(
                lines=8,
                placeholder="ตัวอย่าง:\nวันนี้อากาศดีมาก ฉันรู้สึกมีความสุข\nแต่การจราจรติดมาก น่าเบื่อจริงๆ\nโดยรวมแล้วก็โอเคนะ",
                label="",
                show_label=False
            )
            
            with gr.Row():
                analyze_btn = gr.Button("🔍 วิเคราะห์ข้อความ", variant="primary", size="lg")
                clear_btn = gr.Button("🗑️ ล้างข้อความ", variant="secondary")
            
            output_box = gr.Textbox(
                label="📊 ผลการวิเคราะห์ความรู้สึก",
                lines=20,
                show_copy_button=True,
                show_label=True
            )
    
    # Enhanced examples
    examples = gr.Examples(
        examples=[
            ["วันนี้อากาศดีมาก ฉันรู้สึกมีความสุขมาก สีฟ้าสวยจริงๆ"],
            ["ฉันไม่ชอบอาหารนี้เลย รสชาติแปลกมาก เค็มเกินไป"],
            ["วันนี้เป็นยังไงบ้าง\nเรียนหนังสือกันไหม\nมีงานอะไรให้ช่วยไหม"],
            ["บริการดีมาก พนักงานใจดีและเป็นกันเอง\nแต่ของมีราคาแพงไปหน่อย\nโดยรวมแล้วพอใจครับ แนะนำให้เพื่อนมาลอง"],
            ["เมื่อไหร่จะได้เจอกันอีก คิดถึงมากเลย\nแต่ตอนนี้ต้องทำงานหนักก่อน เพื่ออนาคตที่ดี"]
        ],
        inputs=[text_input],
        label="💡 คลิกเพื่อลองใช้ตัวอย่าง"
    )
    
    # Sentiment legend with enhanced styling
    gr.Markdown("""
    <div class='main-card' style='margin-top:30px; background: #5b3b6d;'>
        <h3 style='color:#3b3b6d; text-align:center; margin-bottom:20px;'>🎯 คำอธิบายผลการวิเคราะห์</h3>
        <div style="display: grid; grid-template-columns: repeat(auto-fit, minmax(200px, 1fr)); gap: 18px; padding: 12px 0;">
            <div style="text-align: center; padding: 13px; background: rgba(76, 175, 80, 0.08); border-radius: 11px;">
                <div style="font-size: 26px; margin-bottom: 7px;">😊</div>
                <strong style="color: #4CAF50; font-size: 1.08em;">Positive</strong><br>
                <small style="color: #666;">ความรู้สึกเชิงบวก<br>ดี, สุข, ชอบ</small>
            </div>
            <div style="text-align: center; padding: 13px; background: rgba(244, 67, 54, 0.08); border-radius: 11px;">
                <div style="font-size: 26px; margin-bottom: 7px;">😔</div>
                <strong style="color: #F44336; font-size: 1.08em;">Negative</strong><br>
                <small style="color: #666;">ความรู้สึกเชิงลบ<br>เศร้า, โกรธ, ไม่ชอบ</small>
            </div>
            <div style="text-align: center; padding: 13px; background: rgba(255, 152, 0, 0.08); border-radius: 11px;">
                <div style="font-size: 26px; margin-bottom: 7px;">😐</div>
                <strong style="color: #FF9800; font-size: 1.08em;">Neutral</strong><br>
                <small style="color: #666;">ความรู้สึกเป็นกลาง<br>ปกติ, พอใช้ได้</small>
            </div>
            <div style="text-align: center; padding: 13px; background: rgba(33, 150, 243, 0.08); border-radius: 11px;">
                <div style="font-size: 26px; margin-bottom: 7px;">❓</div>
                <strong style="color: #2196F3; font-size: 1.08em;">Question</strong><br>
                <small style="color: #666;">ประโยคคำถาม<br>อะไร, ไหน, เมื่อไหร่</small>
            </div>
        </div>
    </div>
    """)

    # Enhanced event handlers
    def analyze_wrapper(text, model_name):
        if not text.strip():
            return "❗ กรุณาใส่ข้อความที่ต้องการวิเคราะห์"
        return analyze_text(text, model_name)
    
    def clear_text():
        return ""
    
    # Connect events
    analyze_btn.click(analyze_wrapper, inputs=[text_input, model_dropdown], outputs=output_box)
    text_input.submit(analyze_wrapper, inputs=[text_input, model_dropdown], outputs=output_box)
    model_dropdown.change(analyze_wrapper, inputs=[text_input, model_dropdown], outputs=output_box)
    clear_btn.click(clear_text, outputs=text_input)

# Launch with enhanced settings
if __name__ == "__main__":
    demo.queue(max_size=20).launch(
        server_name="0.0.0.0",
        server_port=7860,
        share=False,  # Set to True if you want to create a public link
        show_error=True,
        favicon_path=None,  # Add your favicon path here
        ssl_verify=False
    )