# -*- coding: utf-8 -*-
"""
Полноценная реализация чат-бота для Telegram.
Бот обрабатывает входящие сообщения следующим образом:
1. Получает сообщение от пользователя.
2. С помощью NLTK:
   - Токенизирует текст,
   - Удаляет стоп-слова,
   - Оставляет только слова (без знаков препинания и чисел).
3. Приводит слова к нормальной форме (лемматизация) с помощью spaCy.
4. Загружает таблицу "Лекарства.xlsx" с данными (предполагается, что в первой колонке находятся названия лекарств).
5. Для каждого лемматизированного токена производит поиск по столбцам таблицы и подсчитывает количество совпадений.
6. Если совпадения обнаружены только в первом столбце – выводит список лекарств (уникальные значения найденных строк).
7. В противном случае – сообщает, что условие не выполнено.
8. Бот также обрабатывает стандартные команды /start, /help и команду "Выход" для завершения работы.
"""

import telebot
import pandas as pd
import nltk
from nltk.tokenize import word_tokenize
from nltk.corpus import stopwords
import spacy

# Загружаем необходимые ресурсы NLTK
nltk.download('punkt')
nltk.download('stopwords')

# Загружаем spaCy модель для русского языка
# Для корректной работы требуется модель "ru_core_news_md" (ее можно установить командой: python -m spacy download ru_core_news_md)
nlp = spacy.load("ru_core_news_md")

# Загружаем Excel-файл с лекарствами.
# Файл "Лекарства.xlsx" должен находиться в рабочем каталоге.
try:
    df = pd.read_excel("Лекарства.xlsx")
except Exception as e:
    print("Ошибка при загрузке файла Excel:", e)
    df = None

# Инициализация Telegram-бота (укажите свой токен)
bot = telebot.TeleBot('ВАШ_ТОКЕН_ЗДЕСЬ')  # замените 'ВАШ_ТОКЕН_ЗДЕСЬ' на реальный токен

def process_message(text):
    """
    Обработка входящего текста:
    1. Приведение к нижнему регистру.
    2. Токенизация с помощью NLTK.
    3. Удаление стоп-слов и оставление только буквенных токенов.
    4. Лемматизация с помощью spaCy.

    Возвращает список нормализованных токенов (лемм).
    """
    # Приводим текст к нижнему регистру
    text = text.lower()
    # Токенизируем текст
    tokens = word_tokenize(text, language="russian")
    # Фильтруем токены: оставляем только слова и удаляем стоп-слова
    filtered_tokens = [token for token in tokens if token.isalpha() and token not in stopwords.words("russian")]
    # Лемматизация с помощью spaCy: объединяем токены в строку и анализируем
    doc = nlp(" ".join(filtered_tokens))
    lemmas = [token.lemma_ for token in doc]
    return lemmas

def search_tokens_in_table(tokens, dataframe):
    """
    Ищет в таблице совпадения по каждому столбцу для списка токенов.

    Параметры:
        tokens: список нормализованных токенов (строк)
        dataframe: объект pandas.DataFrame, загруженный из Excel

    Возвращает:
        col_matches: словарь, где ключ – имя столбца, значение – количество совпадений
        col_matches_rows: словарь, где ключ – имя столбца, значение – список индексов строк,
                          в которых обнаружены совпадения.
    """
    col_matches = {col: 0 for col in dataframe.columns}
    col_matches_rows = {col: [] for col in dataframe.columns}

    # Для каждого токена ищем его наличие в каждой ячейке таблицы
    for token in tokens:
        for col in dataframe.columns:
            for idx, value in dataframe[col].iteritems():
                if pd.notnull(value):
                    # Приводим значение ячейки к строке, приводим к нижнему регистру и проверяем наличие токена
                    if token in str(value).lower():
                        col_matches[col] += 1
                        col_matches_rows[col].append(idx)
    return col_matches, col_matches_rows

# Определяем функцию для ветвления логики в зависимости от результатов поиска
def analyze_results(col_matches, col_matches_rows, dataframe):
    """
    Анализирует результаты поиска.
    Если совпадения есть только в первом столбце, возвращает список лекарств по найденным индексам.
    Иначе возвращает сообщение о том, что условие не выполнено.
    """
    # Предполагаем, что первый столбец содержит названия лекарств
    primary_col = dataframe.columns[0]
    other_cols = [col for col in dataframe.columns if col != primary_col]

    # Если в первом столбце есть совпадения и в остальных нет
    if col_matches[primary_col] > 0 and all(col_matches[col] == 0 for col in other_cols):
        # Получаем уникальные значения (названия лекарств) для найденных строк
        matched_indices = set(col_matches_rows[primary_col])
        drugs = dataframe.loc[matched_indices, primary_col].unique()
        return "Найденные лекарства: " + ", ".join([str(drug) for drug in drugs])
    else:
        return "Результаты поиска не удовлетворяют условию (совпадения обнаружены не только в первом столбце)."

# Обработчик команд /start и /help
@bot.message_handler(commands=['start', 'help'])
def send_welcome(message):
    bot.reply_to(message, 'Привет! Чем могу помочь? Напиши "Выход" для завершения работы.')

# Обработчик текстовых сообщений
@bot.message_handler(content_types=['text'])
def get_text_messages(message):
    # Если пользователь пишет "Выход", завершаем работу бота
    if message.text.strip().lower() == "выход":
        bot.send_message(message.from_user.id, "Бот завершает работу. До свидания!")
        exit_program()
        return

    # Обрабатываем входящий текст: нормализация и лемматизация
    tokens = process_message(message.text)
    print("Обработанные токены:", tokens)

    # Если таблица не загружена, выводим сообщение об ошибке
    if df is None:
        bot.send_message(message.from_user.id, "Ошибка: не удалось загрузить таблицу с данными.")
        return

    # Производим поиск токенов в таблице
    col_matches, col_matches_rows = search_tokens_in_table(tokens, df)
    print("Совпадения по столбцам:", col_matches)

    # Анализируем результаты поиска
    result = analyze_results(col_matches, col_matches_rows, df)

    # Отправляем ответ пользователю
    bot.send_message(message.from_user.id, result)

def exit_program():
    """
    Функция для завершения работы бота.
    """
    print("Завершение работы программы...")
    bot.stop_polling()
    quit()

# Запуск бота в режиме polling (постоянное прослушивание сообщений)
if __name__ == "__main__":
    print("Запуск бота...")
    bot.polling(none_stop=True, interval=0)