app.py

import gradio as gr
import requests
import json
import os
from datetime import datetime, timedelta
from concurrent.futures import ThreadPoolExecutor, as_completed
from functools import lru_cache
from requests.adapters import HTTPAdapter
from requests.packages.urllib3.util.retry import Retry
from openai import OpenAI
from bs4 import BeautifulSoup
import re
import pathlib
import sqlite3
import pytz

# List of target companies/keywords (영문으로 검색어는 그대로 유지)
KOREAN_COMPANIES = [
    "NVIDIA",
    "ALPHABET",
    "APPLE",
    "TESLA",
    "AMAZON",
    "MICROSOFT", 
    "META", 
    "INTEL",
    "SAMSUNG",
    "HYNIX",
    "BITCOIN",   
    "crypto",
    "stock",
    "Economics",
    "Finance",
    "investing"
]

def convert_to_seoul_time(timestamp_str):
    """
    주어진 UTC 타임스탬프 문자열을 서울 시간(KST)으로 변환.
    """
    try:
        dt = datetime.strptime(timestamp_str, '%Y-%m-%d %H:%M:%S')
        seoul_tz = pytz.timezone('Asia/Seoul')
        seoul_time = seoul_tz.localize(dt)
        return seoul_time.strftime('%Y-%m-%d %H:%M:%S KST')
    except Exception as e:
        print(f"시간 변환 오류: {str(e)}")
        return timestamp_str

def analyze_sentiment_batch(articles, client):
    """
    OpenAI API를 사용하여 뉴스 기사 모음에 대한 전반적인 감성 분석을 수행한다.
    분석 결과는 한글로 반환된다.
    """
    try:
        # 모든 기사를 하나의 텍스트로 결합
        combined_text = "\n\n".join([
            f"제목: {article.get('title', '')}\n내용: {article.get('snippet', '')}"
            for article in articles
        ])
        
        prompt = f"""아래 뉴스 기사 모음에 대한 전반적인 감성 분석을 수행하세요.

뉴스 내용:
{combined_text}

다음 형식을 따라 작성해 주세요:
1. 전체 감성: [긍정/부정/중립]
2. 주요 긍정 요인:
   - [항목1]
   - [항목2]
3. 주요 부정 요인:
   - [항목1]
   - [항목2]
4. 요약: [자세한 설명]
"""
        response = client.chat.completions.create(
            model="CohereForAI/c4ai-command-r-plus-08-2024",
            messages=[{"role": "user", "content": prompt}],
            temperature=0.3,
            max_tokens=1000
        )
        
        return response.choices[0].message.content
    except Exception as e:
        return f"감성 분석 실패: {str(e)}"


# 데이터베이스 초기화
def init_db():
    """
    SQLite 데이터베이스(search_results.db)를 초기화 (없으면 생성).
    """
    db_path = pathlib.Path("search_results.db")
    conn = sqlite3.connect(db_path)
    c = conn.cursor()
    c.execute('''CREATE TABLE IF NOT EXISTS searches
                 (id INTEGER PRIMARY KEY AUTOINCREMENT,
                  keyword TEXT,
                  country TEXT,
                  results TEXT,
                  timestamp DATETIME DEFAULT CURRENT_TIMESTAMP)''')
    conn.commit()
    conn.close()

def save_to_db(keyword, country, results):
    """
    특정 (키워드, 국가) 조합에 대한 검색 결과를 데이터베이스에 저장.
    """
    conn = sqlite3.connect("search_results.db")
    c = conn.cursor()
    seoul_tz = pytz.timezone('Asia/Seoul')
    now = datetime.now(seoul_tz)
    timestamp = now.strftime('%Y-%m-%d %H:%M:%S')
    
    c.execute("""INSERT INTO searches 
                 (keyword, country, results, timestamp) 
                 VALUES (?, ?, ?, ?)""",
              (keyword, country, json.dumps(results), timestamp))
    conn.commit()
    conn.close()

def load_from_db(keyword, country):
    """
    특정 (키워드, 국가) 조합에 대한 가장 최근 검색 결과를 데이터베이스에서 불러옴.
    데이터를 불러오고 타임스탬프를 변환하여 반환.
    """
    conn = sqlite3.connect("search_results.db")
    c = conn.cursor()
    c.execute(
        "SELECT results, timestamp FROM searches WHERE keyword=? AND country=? ORDER BY timestamp DESC LIMIT 1",
        (keyword, country)
    )
    result = c.fetchone()
    conn.close()
    if result:
        return json.loads(result[0]), convert_to_seoul_time(result[1])
    return None, None

def display_results(articles):
    """
    뉴스 기사 목록을 마크다운 문자열로 변환하여 반환.
    """
    output = ""
    for idx, article in enumerate(articles, 1):
        output += f"### {idx}. {article['title']}\n"
        output += f"출처: {article['channel']}\n"
        output += f"시간: {article['time']}\n"
        output += f"링크: {article['link']}\n"
        output += f"요약: {article['snippet']}\n\n"
    return output


########################################
# 1) 검색 => 기사 + 감성 분석, DB 저장
########################################
def search_company(company):
    """
    단일 회사(또는 키워드)에 대해 미국 뉴스 검색을 진행:
      1) 기사 목록을 검색
      2) 감성 분석 수행
      3) 결과를 DB에 저장
      4) 기사와 분석 결과를 하나의 출력으로 반환
    """
    error_message, articles = serphouse_search(company, "United States")
    if not error_message and articles:
        # 감성 분석 수행 (한글 결과 반환)
        analysis = analyze_sentiment_batch(articles, client)
        
        # DB에 저장할 데이터 준비
        store_dict = {
            "articles": articles,
            "analysis": analysis
        }
        save_to_db(company, "United States", store_dict)
        
        # 출력용 데이터 준비
        output = display_results(articles)
        output += f"\n\n### 감성 분석 보고서\n{analysis}\n"
        return output
    return f"{company}에 대한 검색 결과가 없습니다."

########################################
# 2) 불러오기 => DB에서 기사 + 분석 결과 반환
########################################
def load_company(company):
    """
    주어진 회사(또는 키워드)에 대해 데이터베이스에서 가장 최근 미국 뉴스 검색 결과(기사 + 감성 분석)를 불러옴.
    """
    data, timestamp = load_from_db(company, "United States")
    if data:
        articles = data.get("articles", [])
        analysis = data.get("analysis", "")
        
        output = f"### {company} 검색 결과\n마지막 업데이트: {timestamp}\n\n"
        output += display_results(articles)
        output += f"\n\n### 감성 분석 보고서\n{analysis}\n"
        return output
    return f"{company}에 대한 저장된 결과가 없습니다."


########################################
# 3) show_stats() – 보고서 제목 변경
########################################
def show_stats():
    """
    각 회사(KOREAN_COMPANIES)에 대해:
      - DB에 저장된 최신 타임스탬프
      - 저장된 기사 개수
      - 감성 분석 결과
    을 보고서 형식으로 반환.
    
    제목: "EarnBOT 분석 보고서"
    """
    conn = sqlite3.connect("search_results.db")
    c = conn.cursor()
    
    output = "## EarnBOT 분석 보고서\n\n"
    
    data_list = []
    for company in KOREAN_COMPANIES:
        c.execute("""
            SELECT results, timestamp 
            FROM searches 
            WHERE keyword = ? 
            ORDER BY timestamp DESC 
            LIMIT 1
        """, (company,))
        
        row = c.fetchone()
        if row:
            results_json, timestamp = row
            data_list.append((company, timestamp, results_json))
    
    conn.close()
    
    def analyze_data(item):
        comp, tstamp, results_json = item
        data = json.loads(results_json)
        articles = data.get("articles", [])
        analysis = data.get("analysis", "")
        
        count_articles = len(articles)
        return (comp, tstamp, count_articles, analysis)

    results_list = []
    with ThreadPoolExecutor(max_workers=5) as executor:
        futures = [executor.submit(analyze_data, dl) for dl in data_list]
        for future in as_completed(futures):
            results_list.append(future.result())
    
    for comp, tstamp, count, analysis in results_list:
        seoul_time = convert_to_seoul_time(tstamp)
        output += f"### {comp}\n"
        output += f"- 마지막 업데이트: {seoul_time}\n"
        output += f"- 저장된 기사 수: {count}\n\n"
        if analysis:
            output += "#### 뉴스 감성 분석\n"
            output += f"{analysis}\n\n"
        output += "---\n\n"
    
    return output


def search_all_companies():
    """
    KOREAN_COMPANIES의 모든 항목에 대해(병렬 처리) 검색 후,
    감성 분석 수행 및 DB 저장 => 모든 결과를 마크다운 문자열로 반환.
    """
    overall_result = "# [전체 회사 검색 결과]\n\n"
    
    def do_search(comp):
        return comp, search_company(comp)
    
    with ThreadPoolExecutor(max_workers=5) as executor:
        futures = [executor.submit(do_search, c) for c in KOREAN_COMPANIES]
        for future in as_completed(futures):
            comp, res_text = future.result()
            overall_result += f"## {comp}\n"
            overall_result += res_text + "\n\n"
    
    return overall_result

def load_all_companies():
    """
    DB에 저장된 모든 회사(KOREAN_COMPANIES)의 기사와 분석 결과를 불러와 마크다운으로 반환.
    """
    overall_result = "# [전체 회사 데이터 출력]\n\n"
    
    for comp in KOREAN_COMPANIES:
        overall_result += f"## {comp}\n"
        overall_result += load_company(comp)
        overall_result += "\n"
    return overall_result

def full_summary_report():
    """
    1) 모든 회사를 검색(병렬 처리) -> 2) DB에서 결과 불러오기 -> 3) 감성 분석 통계 표시
    세 단계의 결과를 하나의 종합 보고서로 반환.
    """
    # 1) 모든 회사 검색 및 DB 저장
    search_result_text = search_all_companies()
    
    # 2) DB에서 결과 불러오기
    load_result_text = load_all_companies()
    
    # 3) 통계 표시 – EarnBOT 분석 보고서
    stats_text = show_stats()
    
    combined_report = (
        "# 전체 분석 종합 보고서\n\n"
        "실행 순서:\n"
        "1. 모든 회사 검색(병렬 처리) 및 감성 분석 → 2. DB에서 결과 불러오기 → 3. 전체 감성 분석 통계 표시\n\n"
        f"{search_result_text}\n\n"
        f"{load_result_text}\n\n"
        "## [전체 감성 분석 통계]\n\n"
        f"{stats_text}"
    )
    return combined_report


########################################
# 추가 기능: 사용자 정의 검색
########################################
def search_custom(query, country):
    """
    사용자가 입력한 (키워드, 국가)에 대해:
    1) 검색 및 감성 분석 수행 후 DB 저장
    2) DB에서 불러와 기사와 분석 결과 표시
    """
    error_message, articles = serphouse_search(query, country)
    if error_message:
        return f"오류 발생: {error_message}"
    if not articles:
        return "입력하신 검색어에 대한 결과가 없습니다."
    
    # 1) 감성 분석 수행 (한글)
    analysis = analyze_sentiment_batch(articles, client)
    
    # 2) DB에 저장
    save_data = {
        "articles": articles,
        "analysis": analysis
    }
    save_to_db(query, country, save_data)
    
    # 3) DB에서 불러오기
    loaded_data, timestamp = load_from_db(query, country)
    if not loaded_data:
        return "DB에서 데이터를 불러오지 못했습니다."

    # 4) 최종 출력 준비
    out = f"## [사용자 정의 검색 결과]\n\n"
    out += f"**검색어**: {query}\n\n"
    out += f"**국가**: {country}\n\n"
    out += f"**타임스탬프**: {timestamp}\n\n"

    arts = loaded_data.get("articles", [])
    analy = loaded_data.get("analysis", "")
    
    out += display_results(arts)
    out += f"### 뉴스 감성 분석\n{analy}\n"
    
    return out


########################################
# API 인증 설정
########################################
ACCESS_TOKEN = os.getenv("HF_TOKEN")
if not ACCESS_TOKEN:
    raise ValueError("HF_TOKEN 환경변수가 설정되어 있지 않습니다.")

client = OpenAI(
    base_url="https://api-inference.huggingface.co/v1/",
    api_key=ACCESS_TOKEN,
)

API_KEY = os.getenv("SERPHOUSE_API_KEY")


########################################
# 국가별 설정
########################################
COUNTRY_LANGUAGES = {
    "United States": "en",
    "KOREA": "ko",
    "United Kingdom": "en",
    "Taiwan": "zh-TW",
    "Canada": "en",
    "Australia": "en",
    "Germany": "de",
    "France": "fr",
    "Japan": "ja",
    "India": "hi",
    "Brazil": "pt",
    "Mexico": "es",
    "Russia": "ru",
    "Italy": "it",
    "Spain": "es",
    "Netherlands": "nl",
    "Singapore": "en",
    "Hong Kong": "zh-HK",
    "Indonesia": "id",
    "Malaysia": "ms",
    "Philippines": "tl",
    "Thailand": "th",
    "Vietnam": "vi",
    "Belgium": "nl",
    "Denmark": "da",
    "Finland": "fi",
    "Ireland": "en",
    "Norway": "no",
    "Poland": "pl",
    "Sweden": "sv",
    "Switzerland": "de",
    "Austria": "de",
    "Czech Republic": "cs",
    "Greece": "el",
    "Hungary": "hu",
    "Portugal": "pt",
    "Romania": "ro",
    "Turkey": "tr",
    "Israel": "he",
    "Saudi Arabia": "ar",
    "United Arab Emirates": "ar",
    "South Africa": "en",
    "Argentina": "es",
    "Chile": "es",
    "Colombia": "es",
    "Peru": "es",
    "Venezuela": "es",
    "New Zealand": "en",
    "Bangladesh": "bn",
    "Pakistan": "ur",
    "Egypt": "ar",
    "Morocco": "ar",
    "Nigeria": "en",
    "Kenya": "sw",
    "Ukraine": "uk",
    "Croatia": "Croatia",
    "Slovakia": "Slovakia",
    "Bulgaria": "bg",
    "Serbia": "sr",
    "Estonia": "et",
    "Latvia": "lv",
    "Lithuania": "lt",
    "Slovenia": "sl",
    "Luxembourg": "Luxembourg",
    "Malta": "Malta",
    "Cyprus": "Cyprus",
    "Iceland": "Iceland"
}

COUNTRY_LOCATIONS = {
    "United States": "United States",
    "KOREA": "kr",
    "United Kingdom": "United Kingdom",
    "Taiwan": "Taiwan",
    "Canada": "Canada",
    "Australia": "Australia",
    "Germany": "Germany",
    "France": "France",
    "Japan": "Japan",
    "India": "India",
    "Brazil": "Brazil",
    "Mexico": "Mexico",
    "Russia": "Russia",
    "Italy": "Italy",
    "Spain": "Spain",
    "Netherlands": "Netherlands",
    "Singapore": "Singapore",
    "Hong Kong": "Hong Kong",
    "Indonesia": "Indonesia",
    "Malaysia": "Malaysia",
    "Philippines": "Philippines",
    "Thailand": "Thailand",
    "Vietnam": "Vietnam",
    "Belgium": "Belgium",
    "Denmark": "Denmark",
    "Finland": "Finland",
    "Ireland": "Ireland",
    "Norway": "Norway",
    "Poland": "Poland",
    "Sweden": "Sweden",
    "Switzerland": "Switzerland",
    "Austria": "Austria",
    "Czech Republic": "Czech Republic",
    "Greece": "Greece",
    "Hungary": "Hungary",
    "Portugal": "Portugal",
    "Romania": "Romania",
    "Turkey": "Turkey",
    "Israel": "Israel",
    "Saudi Arabia": "Saudi Arabia",
    "United Arab Emirates": "United Arab Emirates",
    "South Africa": "South Africa",
    "Argentina": "Argentina",
    "Chile": "Chile",
    "Colombia": "Colombia",
    "Peru": "Peru",
    "Venezuela": "Venezuela",
    "New Zealand": "New Zealand",
    "Bangladesh": "Bangladesh",
    "Pakistan": "Pakistan",
    "Egypt": "Egypt",
    "Morocco": "Morocco",
    "Nigeria": "Nigeria",
    "Kenya": "Kenya",
    "Ukraine": "Ukraine",
    "Croatia": "Croatia",
    "Slovakia": "Slovakia",
    "Bulgaria": "Bulgaria",
    "Serbia": "Serbia",
    "Estonia": "et",
    "Latvia": "lv",
    "Lithuania": "lt",
    "Slovenia": "sl",
    "Luxembourg": "Luxembourg",
    "Malta": "Malta",
    "Cyprus": "Cyprus",
    "Iceland": "Iceland"
}


@lru_cache(maxsize=100)
def translate_query(query, country):
    """
    비공식 Google Translation API를 사용해 대상 국가의 언어로 검색어 번역.
    번역에 실패하거나 영어일 경우 원본 검색어 반환.
    """
    try:
        if is_english(query):
            return query
        
        if country in COUNTRY_LANGUAGES:
            if country == "South Korea":
                return query
            target_lang = COUNTRY_LANGUAGES[country]
            
            url = "https://translate.googleapis.com/translate_a/single"
            params = {
                "client": "gtx",
                "sl": "auto",
                "tl": target_lang,
                "dt": "t",
                "q": query
            }
            
            session = requests.Session()
            retries = Retry(total=3, backoff_factor=0.5)
            session.mount('https://', HTTPAdapter(max_retries=retries))
            
            response = session.get(url, params=params, timeout=(5, 10))
            translated_text = response.json()[0][0][0]
            return translated_text
        return query
        
    except Exception as e:
        print(f"번역 오류: {str(e)}")
        return query

def is_english(text):
    """
    문자열이 주로 영어인지 확인 (문자 코드 범위 확인).
    """
    return all(ord(char) < 128 for char in text.replace(' ', '').replace('-', '').replace('_', ''))

def search_serphouse(query, country, page=1, num_result=10):
    """
    SerpHouse API에 실시간 검색 요청을 보내며,
    'news' 탭(날짜순 정렬)로 검색.
    반환값은 'results' 또는 'error'가 포함된 dict.
    """
    url = "https://api.serphouse.com/serp/live"
    
    now = datetime.utcnow()
    yesterday = now - timedelta(days=1)
    date_range = f"{yesterday.strftime('%Y-%m-%d')},{now.strftime('%Y-%m-%d')}"
    
    translated_query = translate_query(query, country)
    
    payload = {
        "data": {
            "q": translated_query,
            "domain": "google.com",
            "loc": COUNTRY_LOCATIONS.get(country, "United States"),
            "lang": COUNTRY_LANGUAGES.get(country, "en"),
            "device": "desktop",
            "serp_type": "news",
            "page": str(page),
            "num": "100",
            "date_range": date_range,
            "sort_by": "date"
        }
    }

    headers = {
        "accept": "application/json",
        "content-type": "application/json",
        "authorization": f"Bearer {API_KEY}"
    }

    try:
        session = requests.Session()
        
        retries = Retry(
            total=5,
            backoff_factor=1,
            status_forcelist=[500, 502, 503, 504, 429],
            allowed_methods=["POST"]
        )
        
        adapter = HTTPAdapter(max_retries=retries)
        session.mount('http://', adapter)
        session.mount('https://', adapter)
        
        response = session.post(
            url, 
            json=payload, 
            headers=headers, 
            timeout=(30, 30)
        )
        
        response.raise_for_status()
        return {"results": response.json(), "translated_query": translated_query}
        
    except requests.exceptions.Timeout:
        return {
            "error": "검색 시간이 초과되었습니다. 잠시 후 다시 시도해 주세요.",
            "translated_query": query
        }
    except requests.exceptions.RequestException as e:
        return {
            "error": f"검색 중 오류 발생: {str(e)}",
            "translated_query": query
        }
    except Exception as e:
        return {
            "error": f"예상치 못한 오류 발생: {str(e)}",
            "translated_query": query
        }

def format_results_from_raw(response_data):
    """
    SerpHouse API의 응답 데이터를 처리하여 (오류 메시지, 기사 목록)을 반환.
    """
    if "error" in response_data:
        return "오류: " + response_data["error"], []

    try:
        results = response_data["results"]
        translated_query = response_data["translated_query"]
        
        news_results = results.get('results', {}).get('results', {}).get('news', [])
        if not news_results:
            return "검색 결과가 없습니다.", []
        
        # 한국 도메인 및 키워드 필터링 (예시)
        korean_domains = [
            '.kr', 'korea', 'korean', 'yonhap', 'hankyung', 'chosun', 
            'donga', 'joins', 'hani', 'koreatimes', 'koreaherald'
        ]
        korean_keywords = [
            'korea', 'korean', 'seoul', 'busan', 'incheon', 'daegu', 
            'gwangju', 'daejeon', 'ulsan', 'sejong'
        ]

        filtered_articles = []
        for idx, result in enumerate(news_results, 1):
            url = result.get("url", result.get("link", "")).lower()
            title = result.get("title", "").lower()
            channel = result.get("channel", result.get("source", "")).lower()
            
            is_korean_content = (
                any(domain in url or domain in channel for domain in korean_domains) or
                any(keyword in title for keyword in korean_keywords)
            )
            
            # 한국 관련 콘텐츠 제외
            if not is_korean_content:
                filtered_articles.append({
                    "index": idx,
                    "title": result.get("title", "제목 없음"),
                    "link": url,
                    "snippet": result.get("snippet", "내용 없음"),
                    "channel": result.get("channel", result.get("source", "알 수 없음")),
                    "time": result.get("time", result.get("date", "시간 정보 없음")),
                    "image_url": result.get("img", result.get("thumbnail", "")),
                    "translated_query": translated_query
                })

        return "", filtered_articles
    except Exception as e:
        return f"결과 처리 중 오류 발생: {str(e)}", []

def serphouse_search(query, country):
    """
    검색 및 결과 포맷팅을 위한 헬퍼 함수.
    (오류 메시지, 기사 목록)을 반환.
    """
    response_data = search_serphouse(query, country)
    return format_results_from_raw(response_data)


# Refined, modern, and sleek custom CSS
css = """
body {
    background: linear-gradient(to bottom right, #f9fafb, #ffffff);
    font-family: 'Arial', sans-serif;
}

/* Hide default Gradio footer */
footer {
    visibility: hidden;
}

/* Header/Status area */
#status_area {
    background: rgba(255, 255, 255, 0.9);
    padding: 15px;
    border-bottom: 1px solid #ddd;
    margin-bottom: 20px;
    box-shadow: 0 2px 5px rgba(0,0,0,0.1);
}

/* Results area */
#results_area {
    padding: 10px;
    margin-top: 10px;
}

/* Tabs style */
.tabs {
    border-bottom: 2px solid #ddd !important;
    margin-bottom: 20px !important;
}

.tab-nav {
    border-bottom: none !important;
    margin-bottom: 0 !important;
}

.tab-nav button {
    font-weight: bold !important;
    padding: 10px 20px !important;
    background-color: #f0f0f0 !important;
    border: 1px solid #ccc !important;
    border-radius: 5px !important;
    margin-right: 5px !important;
}

.tab-nav button.selected {
    border-bottom: 2px solid #1f77b4 !important;
    background-color: #e6f2fa !important;
    color: #1f77b4 !important;
}

/* Status message styling */
#status_area .markdown-text {
    font-size: 1.1em;
    color: #2c3e50;
    padding: 10px 0;
}

/* Main container grouping */
.group {
    border: 1px solid #eee;
    padding: 15px;
    margin-bottom: 15px;
    border-radius: 5px;
    background: white;
    transition: all 0.3s ease;
    opacity: 0;
    transform: translateY(20px);
}
.group.visible {
    opacity: 1;
    transform: translateY(0);
}

/* Buttons */
.primary-btn {
    background: #1f77b4 !important;
    border: none !important;
    color: #fff !important;
    border-radius: 5px !important;
    padding: 10px 20px !important;
    cursor: pointer !important;
}
.primary-btn:hover {
    background: #155a8c !important;
}

.secondary-btn {
    background: #f0f0f0 !important;
    border: 1px solid #ccc !important;
    color: #333 !important;
    border-radius: 5px !important;
    padding: 10px 20px !important;
    cursor: pointer !important;
}
.secondary-btn:hover {
    background: #e0e0e0 !important;
}

/* Input fields */
.textbox {
    border: 1px solid #ddd !important;
    border-radius: 4px !important;
}

/* Progress bar container */
.progress-container {
    position: fixed;
    top: 0;
    left: 0;
    width: 100%;
    height: 6px;
    background: #e0e0e0;
    z-index: 1000;
}

/* Progress bar */
.progress-bar {
    height: 100%;
    background: linear-gradient(90deg, #2196F3, #00BCD4);
    box-shadow: 0 0 10px rgba(33, 150, 243, 0.5);
    transition: width 0.3s ease;
    animation: progress-glow 1.5s ease-in-out infinite;
}

/* Progress text */
.progress-text {
    position: fixed;
    top: 8px;
    left: 50%;
    transform: translateX(-50%);
    background: #333;
    color: white;
    padding: 4px 12px;
    border-radius: 15px;
    font-size: 14px;
    z-index: 1001;
    box-shadow: 0 2px 5px rgba(0,0,0,0.2);
}

/* Progress bar animation */
@keyframes progress-glow {
    0% {
        box-shadow: 0 0 5px rgba(33, 150, 243, 0.5);
    }
    50% {
        box-shadow: 0 0 20px rgba(33, 150, 243, 0.8);
    }
    100% {
        box-shadow: 0 0 5px rgba(33, 150, 243, 0.5);
    }
}

/* Loading state */
.loading {
    opacity: 0.7;
    pointer-events: none;
    transition: opacity 0.3s ease;
}

/* Responsive design for smaller screens */
@media (max-width: 768px) {
    .group {
        padding: 10px;
        margin-bottom: 15px;
    }
    
    .progress-text {
        font-size: 12px;
        padding: 3px 10px;
    }
}

/* Example section styling */
.examples-table {
    margin-top: 10px !important;
    margin-bottom: 20px !important;
}

.examples-table button {
    background-color: #f0f0f0 !important;
    border: 1px solid #ddd !important;
    border-radius: 4px !important;
    padding: 5px 10px !important;
    margin: 2px !important;
    transition: all 0.3s ease !important;
}

.examples-table button:hover {
    background-color: #e0e0e0 !important;
    transform: translateY(-1px) !important;
    box-shadow: 0 2px 5px rgba(0,0,0,0.1) !important;
}

.examples-table .label {
    font-weight: bold !important;
    color: #444 !important;
    margin-bottom: 5px !important;
}
"""

# --- Gradio 인터페이스 (UI 부분) ---
with gr.Blocks(css=css, title="NewsAI 서비스") as iface:
    # 데이터베이스 초기화 (init_db() 호출)
    init_db()

    gr.HTML("""<a href="https://visitorbadge.io/status?path=https%3A%2F%2Fopenfree-MoneyRadar.hf.space">
               <img src="https://api.visitorbadge.io/api/visitors?path=https%3A%2F%2Fopenfree-MoneyRadar.hf.space&countColor=%23263759" />
               </a>""")

    
    with gr.Tabs():
        with gr.Tab("MoneyRadar"):
            # 사용 방법 및 기능 설명 (한글)
            gr.Markdown(
                """
                ## MoneyRadar
                최신 24시간 내 상위 100개의 우선순위 뉴스를 자동으로 추출하여  
                수익 기회를 포착합니다.

                **서비스 사용 방법**:
                1. **사용자 정의 검색**: 키워드를 입력하고 대상 국가를 선택하여 최신 뉴스를 가져옵니다.  
                   시스템이 자동으로 감성 분석을 수행하고 결과를 데이터베이스에 저장합니다.
                2. **전체 분석 종합 보고서 생성**: 아래 작업을 자동으로 수행합니다.
                   - 사전 정의된 모든 회사를 병렬로 검색
                   - 기사와 감성 분석 결과를 데이터베이스에 저장
                   - 전체 결과를 종합 보고서로 표시
                3. **개별 회사 검색/불러오기**:
                   - **검색**: 선택한 회사에 대해 Google에서 최신 뉴스를 검색 및 분석
                   - **DB 불러오기**: 로컬 데이터베이스에서 저장된 최신 뉴스와 감성 분석 결과를 불러옵니다.

                **주요 기능**:
                - **실시간 뉴스 스크래핑**: 여러 지역에서 최신 기사를 가져옵니다.
                - **고급 감성 분석**: 최신 NLP 모델을 활용한 감성 분석을 수행합니다.
                - **데이터 영속성**: 검색 결과를 SQLite 데이터베이스에 자동 저장 및 불러오기.
                - **유연성**: 사전 정의된 키워드뿐 아니라 원하는 키워드/국가 검색이 가능합니다.

                **커뮤니티**: https://discord.gg/openfreeai
                ---
                """
            )
            
            # 사용자 정의 검색 섹션
            with gr.Group():
                gr.Markdown("### 사용자 정의 검색")
                with gr.Row():
                    with gr.Column():
                        user_input = gr.Textbox(
                            label="키워드를 입력하세요",
                            placeholder="예: Apple, Samsung 등",
                            elem_classes="textbox"
                        )
                    with gr.Column():
                        country_selection = gr.Dropdown(
                            choices=list(COUNTRY_LOCATIONS.keys()),
                            value="United States",
                            label="국가 선택"
                        )
                    with gr.Column():
                        custom_search_btn = gr.Button(
                            "검색", 
                            variant="primary", 
                            elem_classes="primary-btn"
                        )

                custom_search_output = gr.Markdown()
                
                custom_search_btn.click(
                    fn=search_custom,
                    inputs=[user_input, country_selection],
                    outputs=custom_search_output
                )

            # 전체 보고서 생성을 위한 버튼
            with gr.Row():
                full_report_btn = gr.Button(
                    "전체 분석 종합 보고서 생성", 
                    variant="primary", 
                    elem_classes="primary-btn"
                )
                full_report_display = gr.Markdown()
            
            full_report_btn.click(
                fn=full_summary_report,
                outputs=full_report_display
            )
            
            # 개별 회사에 대한 검색/불러오기
            with gr.Column():
                for i in range(0, len(KOREAN_COMPANIES), 2):
                    with gr.Row():
                        # 왼쪽 컬럼
                        with gr.Column():
                            company = KOREAN_COMPANIES[i]
                            with gr.Group():
                                gr.Markdown(f"### {company}")
                                with gr.Row():
                                    search_btn = gr.Button(
                                        "검색", 
                                        variant="primary", 
                                        elem_classes="primary-btn"
                                    )
                                    load_btn = gr.Button(
                                        "DB 불러오기", 
                                        variant="secondary", 
                                        elem_classes="secondary-btn"
                                    )
                                result_display = gr.Markdown()
                                
                                search_btn.click(
                                    fn=lambda c=company: search_company(c),
                                    outputs=result_display
                                )
                                load_btn.click(
                                    fn=lambda c=company: load_company(c),
                                    outputs=result_display
                                )
                        
                        # 오른쪽 컬럼 (존재할 경우)
                        if i + 1 < len(KOREAN_COMPANIES):
                            with gr.Column():
                                company = KOREAN_COMPANIES[i + 1]
                                with gr.Group():
                                    gr.Markdown(f"### {company}")
                                    with gr.Row():
                                        search_btn = gr.Button(
                                            "검색", 
                                            variant="primary", 
                                            elem_classes="primary-btn"
                                        )
                                        load_btn = gr.Button(
                                            "DB 불러오기", 
                                            variant="secondary", 
                                            elem_classes="secondary-btn"
                                        )
                                    result_display = gr.Markdown()
                                    
                                    search_btn.click(
                                        fn=lambda c=company: search_company(c),
                                        outputs=result_display
                                    )
                                    load_btn.click(
                                        fn=lambda c=company: load_company(c),
                                        outputs=result_display
                                    )

    # Gradio 인터페이스 실행
    iface.launch(
        server_name="0.0.0.0",
        server_port=7860,
        share=True,
        ssl_verify=False,
        show_error=True
    )