File size: 114,017 Bytes
4973465
f154467
641416a
c250f7e
641416a
 
fa1155c
641416a
3885885
542a444
b55aea3
4973465
b5849a6
 
 
 
 
 
677b493
 
b89a5cc
7f4546c
677b493
 
 
08e13cd
 
b5849a6
b55aea3
b5849a6
 
 
b55aea3
b5849a6
 
2f69a4f
 
 
ba58727
b55aea3
edcf6fe
 
e932ff5
ffa4a05
e932ff5
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
b5849a6
 
 
 
 
 
c250f7e
 
 
 
 
 
 
 
 
 
 
 
 
 
5a5790e
34fa51c
c250f7e
 
 
 
 
235357d
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
da5f556
 
 
 
 
b1972ae
 
 
 
 
 
 
 
 
da5f556
 
 
 
 
 
 
 
 
 
b55aea3
 
 
 
 
 
 
 
 
b89a5cc
fa1155c
 
 
 
 
 
 
 
ffa4a05
fa1155c
 
 
b89a5cc
fa1155c
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
b89a5cc
 
fa1155c
 
b89a5cc
fa1155c
b89a5cc
fa1155c
b55aea3
b89a5cc
fa1155c
 
 
 
 
 
 
 
 
 
 
b89a5cc
fa1155c
 
 
 
 
 
 
 
 
 
 
 
b89a5cc
 
 
 
 
 
 
 
 
 
 
b55aea3
2f69a4f
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
b55aea3
 
 
 
 
 
 
 
b5849a6
388bd90
aa349c2
57f547a
 
388bd90
aa349c2
763e886
 
b55aea3
763e886
 
 
 
 
 
 
 
 
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
b55aea3
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
b55aea3
 
b5849a6
 
b55aea3
 
 
b5849a6
 
 
 
 
 
 
 
 
 
 
b55aea3
 
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
e932ff5
b5849a6
 
763e886
 
b5849a6
4469aa0
 
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
37329aa
 
b5849a6
 
 
 
 
 
 
 
 
 
4469aa0
b5849a6
4469aa0
 
efeeb3b
 
4469aa0
 
 
 
 
 
 
 
8908f43
 
 
 
 
 
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
37329aa
 
8908f43
 
b5849a6
 
75c3a97
b5849a6
 
 
 
 
 
4469aa0
 
b55aea3
b5849a6
 
b55aea3
b5849a6
b55aea3
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
b89a5cc
b55aea3
 
1cfc5bc
b89a5cc
 
57f547a
b89a5cc
5282526
34fa51c
b55aea3
 
 
 
 
5282526
b55aea3
b20038f
b55aea3
34fa51c
 
 
 
b55aea3
 
34fa51c
b55aea3
57f547a
b55aea3
 
 
5282526
b55aea3
 
 
 
7aee395
f15befd
7aee395
862b3a2
7aee395
f15befd
7aee395
b5849a6
3428599
7aee395
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
862b3a2
7aee395
 
 
 
 
6839970
19d03d6
 
b1972ae
 
 
 
7aee395
 
 
6839970
7aee395
 
 
 
edcf6fe
7aee395
 
 
 
6839970
7aee395
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
b1972ae
 
 
 
9f22308
7aee395
edcf6fe
307fbe8
 
 
d8d03be
 
 
 
307fbe8
 
 
 
 
 
 
d8d03be
c2fba02
b89a5cc
04372a4
dea71ee
5a5790e
 
 
 
 
 
 
 
 
 
 
 
 
 
34fa51c
 
 
 
 
ad07361
 
 
 
 
34fa51c
 
 
 
 
5a5790e
 
c70c01b
34fa51c
 
c70c01b
 
 
 
dea71ee
c70c01b
0bb2a7e
 
0fe8a0c
c70c01b
 
 
 
 
 
 
 
 
 
 
 
 
5a5790e
 
 
 
d3200da
5d9bc33
031a62a
5d9bc33
5a5790e
0bb2a7e
f2764da
0fe8a0c
b1972ae
aeab24c
57db305
 
0bb2a7e
 
 
 
d3200da
dea71ee
0bb2a7e
d3200da
 
aeab24c
d3200da
dc5500f
0bb2a7e
 
 
 
08918b8
dea71ee
0bb2a7e
08918b8
5282526
b5849a6
 
677b493
 
08e13cd
 
 
 
 
 
677b493
08e13cd
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
8779283
08e13cd
 
 
 
 
 
8779283
 
677b493
08e13cd
 
 
 
 
 
 
 
 
 
 
 
 
 
677b493
8779283
029a020
08e13cd
33a02ce
 
 
 
 
b55aea3
33a02ce
 
 
 
 
b5849a6
 
 
33a02ce
 
 
 
 
212e56b
 
 
 
33a02ce
 
 
 
 
 
 
212e56b
 
 
33a02ce
 
 
 
 
707b7dc
33a02ce
 
 
 
 
 
 
 
b55aea3
33a02ce
 
 
 
 
 
 
 
 
 
 
 
 
707b7dc
33a02ce
 
 
 
 
 
b55aea3
33a02ce
b5849a6
33a02ce
 
 
 
 
 
 
707b7dc
33a02ce
 
 
 
 
 
b55aea3
33a02ce
 
 
 
 
 
 
b5849a6
 
 
 
707b7dc
b5849a6
33a02ce
 
 
 
 
b55aea3
33a02ce
b5849a6
33a02ce
b5849a6
 
 
 
707b7dc
33a02ce
 
 
 
 
 
b55aea3
33a02ce
 
 
 
 
707b7dc
33a02ce
 
 
 
 
 
b55aea3
33a02ce
 
 
 
c430b58
707b7dc
33a02ce
 
 
 
 
 
b55aea3
33a02ce
 
 
 
 
707b7dc
33a02ce
 
 
 
 
 
b55aea3
33a02ce
 
 
 
 
 
 
 
 
 
707b7dc
33a02ce
 
 
 
 
 
 
 
 
 
 
 
c430b58
 
 
33a02ce
c430b58
 
 
 
33a02ce
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
707b7dc
33a02ce
 
 
 
 
 
 
 
 
 
 
 
 
707b7dc
33a02ce
 
 
 
 
 
 
b5849a6
33a02ce
 
 
 
707b7dc
33a02ce
 
 
 
 
 
 
b5849a6
33a02ce
 
 
 
707b7dc
33a02ce
 
 
 
 
 
 
 
b55aea3
33a02ce
 
 
 
 
 
 
 
 
 
 
 
 
 
707b7dc
33a02ce
 
 
 
 
 
 
 
 
 
 
 
707b7dc
33a02ce
 
 
 
 
 
 
 
 
 
b5849a6
33a02ce
 
 
 
 
707b7dc
33a02ce
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
707b7dc
33a02ce
 
 
 
b5849a6
 
 
b55aea3
b5849a6
 
 
 
 
 
766bf53
b5849a6
 
 
504f370
b5849a6
 
 
 
 
 
504f370
 
 
 
 
 
 
b5849a6
 
504f370
707b7dc
b5849a6
 
 
504f370
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
b89a5cc
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
 
72921f6
5282526
b55aea3
b5849a6
 
 
 
 
 
 
 
 
 
b89a5cc
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
72921f6
5282526
b55aea3
b5849a6
 
 
 
 
 
 
 
 
 
 
b89a5cc
b5849a6
 
efeeb3b
 
 
b5849a6
 
 
 
 
 
 
 
9d2eabe
f15befd
b5849a6
 
 
 
 
 
 
 
72921f6
5282526
b55aea3
b5849a6
 
 
 
 
 
 
 
 
 
 
b89a5cc
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
37329aa
 
 
 
 
b5849a6
9d2eabe
 
f15befd
b5849a6
 
 
 
 
 
 
 
 
2f69a4f
5282526
b55aea3
b5849a6
 
 
 
 
 
 
 
 
 
 
b89a5cc
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
72921f6
5282526
b55aea3
b5849a6
 
 
 
 
 
 
 
 
 
b89a5cc
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
72921f6
5282526
b55aea3
b5849a6
 
 
 
 
 
 
 
 
 
2f69a4f
b5849a6
 
 
 
 
 
 
 
 
 
 
3960620
9d2eabe
f15befd
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
72921f6
5282526
b55aea3
b5849a6
 
 
 
 
 
 
 
 
d85bd91
b89a5cc
b5849a6
 
 
 
fcf824c
b5849a6
 
fcf824c
 
b5849a6
 
fcf824c
 
b5849a6
 
72921f6
5282526
b55aea3
b5849a6
 
 
 
 
 
 
 
 
 
b89a5cc
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
72921f6
5282526
b55aea3
b5849a6
 
 
 
 
 
 
 
 
37329aa
b89a5cc
37329aa
 
 
a18ba8b
37329aa
a18ba8b
 
 
 
37329aa
 
 
a18ba8b
37329aa
 
 
72921f6
5282526
37329aa
 
 
 
 
 
 
 
 
 
33a02ce
 
b5849a6
b89a5cc
b5849a6
7f4546c
 
 
 
b5849a6
b89a5cc
 
b5849a6
b89a5cc
b5849a6
 
b55aea3
b5849a6
2f69a4f
b5849a6
 
 
2f69a4f
 
 
 
b5849a6
2f69a4f
 
 
 
b5849a6
 
 
 
 
 
 
 
 
 
88404fb
b5849a6
 
2f69a4f
 
 
 
b5849a6
 
 
 
 
2f69a4f
 
b5849a6
 
 
 
72921f6
b5849a6
 
 
 
 
 
2c46315
72921f6
2c46315
72921f6
37329aa
72921f6
9d2eabe
72921f6
9d2eabe
72921f6
9d2eabe
72921f6
2c46315
72921f6
b5849a6
 
2c46315
 
b5849a6
 
 
72921f6
b5849a6
 
 
 
 
33a02ce
 
 
 
 
 
 
 
 
b5849a6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
37329aa
 
33a02ce
b5849a6
 
 
 
 
 
 
 
 
 
33a02ce
 
6839970
75730ec
dfaf6c1
 
11d46da
5c41f19
593d3df
 
 
 
6839970
 
ca644fa
6839970
8da3d7c
 
 
 
6839970
 
2e9b010
a091dde
2e9b010
 
8da3d7c
2e9b010
 
 
6839970
 
ca644fa
6839970
8da3d7c
 
 
 
6839970
 
 
 
 
fa0b846
8da3d7c
6839970
 
593d3df
6839970
 
 
 
 
 
2ca7cf0
119e341
593d3df
 
04372a4
 
 
 
 
 
 
 
 
3c26806
04372a4
 
 
 
3c26806
04372a4
 
46f46f2
593d3df
 
 
edcf6fe
 
593d3df
 
75e16af
 
9400754
7c8c711
af57cba
 
46f46f2
 
 
af57cba
46f46f2
f15befd
af57cba
46f46f2
 
 
af57cba
 
593d3df
677b493
 
 
 
 
 
ae090c3
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
1001
1002
1003
1004
1005
1006
1007
1008
1009
1010
1011
1012
1013
1014
1015
1016
1017
1018
1019
1020
1021
1022
1023
1024
1025
1026
1027
1028
1029
1030
1031
1032
1033
1034
1035
1036
1037
1038
1039
1040
1041
1042
1043
1044
1045
1046
1047
1048
1049
1050
1051
1052
1053
1054
1055
1056
1057
1058
1059
1060
1061
1062
1063
1064
1065
1066
1067
1068
1069
1070
1071
1072
1073
1074
1075
1076
1077
1078
1079
1080
1081
1082
1083
1084
1085
1086
1087
1088
1089
1090
1091
1092
1093
1094
1095
1096
1097
1098
1099
1100
1101
1102
1103
1104
1105
1106
1107
1108
1109
1110
1111
1112
1113
1114
1115
1116
1117
1118
1119
1120
1121
1122
1123
1124
1125
1126
1127
1128
1129
1130
1131
1132
1133
1134
1135
1136
1137
1138
1139
1140
1141
1142
1143
1144
1145
1146
1147
1148
1149
1150
1151
1152
1153
1154
1155
1156
1157
1158
1159
1160
1161
1162
1163
1164
1165
1166
1167
1168
1169
1170
1171
1172
1173
1174
1175
1176
1177
1178
1179
1180
1181
1182
1183
1184
1185
1186
1187
1188
1189
1190
1191
1192
1193
1194
1195
1196
1197
1198
1199
1200
1201
1202
1203
1204
1205
1206
1207
1208
1209
1210
1211
1212
1213
1214
1215
1216
1217
1218
1219
1220
1221
1222
1223
1224
1225
1226
1227
1228
1229
1230
1231
1232
1233
1234
1235
1236
1237
1238
1239
1240
1241
1242
1243
1244
1245
1246
1247
1248
1249
1250
1251
1252
1253
1254
1255
1256
1257
1258
1259
1260
1261
1262
1263
1264
1265
1266
1267
1268
1269
1270
1271
1272
1273
1274
1275
1276
1277
1278
1279
1280
1281
1282
1283
1284
1285
1286
1287
1288
1289
1290
1291
1292
1293
1294
1295
1296
1297
1298
1299
1300
1301
1302
1303
1304
1305
1306
1307
1308
1309
1310
1311
1312
1313
1314
1315
1316
1317
1318
1319
1320
1321
1322
1323
1324
1325
1326
1327
1328
1329
1330
1331
1332
1333
1334
1335
1336
1337
1338
1339
1340
1341
1342
1343
1344
1345
1346
1347
1348
1349
1350
1351
1352
1353
1354
1355
1356
1357
1358
1359
1360
1361
1362
1363
1364
1365
1366
1367
1368
1369
1370
1371
1372
1373
1374
1375
1376
1377
1378
1379
1380
1381
1382
1383
1384
1385
1386
1387
1388
1389
1390
1391
1392
1393
1394
1395
1396
1397
1398
1399
1400
1401
1402
1403
1404
1405
1406
1407
1408
1409
1410
1411
1412
1413
1414
1415
1416
1417
1418
1419
1420
1421
1422
1423
1424
1425
1426
1427
1428
1429
1430
1431
1432
1433
1434
1435
1436
1437
1438
1439
1440
1441
1442
1443
1444
1445
1446
1447
1448
1449
1450
1451
1452
1453
1454
1455
1456
1457
1458
1459
1460
1461
1462
1463
1464
1465
1466
1467
1468
1469
1470
1471
1472
1473
1474
1475
1476
1477
1478
1479
1480
1481
1482
1483
1484
1485
1486
1487
1488
1489
1490
1491
1492
1493
1494
1495
1496
1497
1498
1499
1500
1501
1502
1503
1504
1505
1506
1507
1508
1509
1510
1511
1512
1513
1514
1515
1516
1517
1518
1519
1520
1521
1522
1523
1524
1525
1526
1527
1528
1529
1530
1531
1532
1533
1534
1535
1536
1537
1538
1539
1540
1541
1542
1543
1544
1545
1546
1547
1548
1549
1550
1551
1552
1553
1554
1555
1556
1557
1558
1559
1560
1561
1562
1563
1564
1565
1566
1567
1568
1569
1570
1571
1572
1573
1574
1575
1576
1577
1578
1579
1580
1581
1582
1583
1584
1585
1586
1587
1588
1589
1590
1591
1592
1593
1594
1595
1596
1597
1598
1599
1600
1601
1602
1603
1604
1605
1606
1607
1608
1609
1610
1611
1612
1613
1614
1615
1616
1617
1618
1619
1620
1621
1622
1623
1624
1625
1626
1627
1628
1629
1630
1631
1632
1633
1634
1635
1636
1637
1638
1639
1640
1641
1642
1643
1644
1645
1646
1647
1648
1649
1650
1651
1652
1653
1654
1655
1656
1657
1658
1659
1660
1661
1662
1663
1664
1665
1666
1667
1668
1669
1670
1671
1672
1673
1674
1675
1676
1677
1678
1679
1680
1681
1682
1683
1684
1685
1686
1687
1688
1689
1690
1691
1692
1693
1694
1695
1696
1697
1698
1699
1700
1701
1702
1703
1704
1705
1706
1707
1708
1709
1710
1711
1712
1713
1714
1715
1716
1717
1718
1719
1720
1721
1722
1723
1724
1725
1726
1727
1728
1729
1730
1731
1732
1733
1734
1735
1736
1737
1738
1739
1740
1741
1742
1743
1744
1745
1746
1747
1748
1749
1750
1751
1752
1753
1754
1755
1756
1757
1758
1759
1760
1761
1762
1763
1764
1765
1766
1767
1768
1769
1770
1771
1772
1773
1774
1775
1776
1777
1778
1779
1780
1781
1782
1783
1784
1785
1786
1787
1788
1789
1790
1791
1792
1793
1794
1795
1796
1797
1798
1799
1800
1801
1802
1803
1804
1805
1806
1807
1808
1809
1810
1811
1812
1813
1814
1815
1816
1817
1818
1819
1820
1821
1822
1823
1824
1825
1826
1827
1828
1829
1830
1831
1832
1833
1834
1835
1836
1837
1838
1839
1840
1841
1842
1843
1844
1845
1846
1847
1848
1849
1850
1851
1852
1853
1854
1855
1856
1857
1858
1859
1860
1861
1862
1863
1864
1865
1866
1867
1868
1869
1870
1871
1872
1873
1874
1875
1876
1877
1878
1879
1880
1881
1882
1883
1884
1885
1886
1887
1888
1889
1890
1891
1892
1893
1894
1895
1896
1897
1898
1899
1900
1901
1902
1903
1904
1905
1906
1907
1908
1909
1910
1911
1912
1913
1914
1915
1916
1917
1918
1919
1920
1921
1922
1923
1924
1925
1926
1927
1928
1929
1930
1931
1932
import re
import gradio as gr
import os
import pandas as pd
import time
from langchain.schema import SystemMessage
#from langchain_community.chat_models.gigachat import GigaChat
from openpyxl import load_workbook
import plotly.graph_objects as go
import random
import pymorphy3
import string
import json
from mistralai import Mistral
from collections import defaultdict
import requests
import base64
import io
from transformers import AutoTokenizer, AutoModel
from utils import best_text_choice
import asyncio
import inspect

tokenizer = AutoTokenizer.from_pretrained("ai-forever/ru-en-RoSBERTa")
model = AutoModel.from_pretrained("ai-forever/ru-en-RoSBERTa")
# Load the DataFrame used in the best_text_choice function
unique_sms_df = pd.read_parquet('unique_texts.parquet')

MISTRAL_API_KEY = os.getenv('MISTRAL_API_KEY')
token = os.getenv('GITHUB_TOKEN')

# Клиент для генерации сообщений
client_mistral_generate = Mistral(api_key=MISTRAL_API_KEY)

# Клиент для выполнения проверок
client_mistral_check = Mistral(api_key=MISTRAL_API_KEY_2)
client_mistral_check_2 = Mistral(api_key=MISTRAL_API_KEY_3)
client_mistral_check_3 = Mistral(api_key=MISTRAL_API_KEY_4)

morph = pymorphy3.MorphAnalyzer()

# Авторизация в GigaChat Pro
#gc_key = os.getenv('GC_KEY')
# chat_pro = GigaChat(credentials=gc_key, model='GigaChat', max_tokens=68, temperature=1.15, verify_ssl_certs=False)
# chat_pro = GigaChat(
#    credentials=gc_key,
#    model='GigaChat-Pro-preview',
#    base_url='https://gigachat-preview.devices.sberbank.ru/api/v1/',
#    max_tokens=68,
#    temperature=1.15,
#    verify_ssl_certs=False
#)

#chat_pro_check = GigaChat(
#    credentials=gc_key,
#    model='GigaChat-Pro-preview',
#    base_url='https://gigachat-preview.devices.sberbank.ru/api/v1/',
#    max_tokens=3000,
#    temperature=0.8,
#    verify_ssl_certs=False
#)

approach_stats = {
    "Начни сообщение с призыва к действию с продуктом.": {"failed_checks": defaultdict(int), "total_attempts": 0},
    "Начни сообщение с указания на пользу продукта. Используй глагол в побудительном наклонении.": {"failed_checks": defaultdict(int), "total_attempts": 0},
    "Начни сообщение с вопроса, который указывает на пользу продукта для клиента.": {"failed_checks": defaultdict(int), "total_attempts": 0}
}

# Загрузка данных из Excel-файла
try:
    data = pd.read_excel('Признаки.xlsx', sheet_name=None)
except Exception as e:
    print(f"Ошибка при загрузке Excel-файла: {e}")
    data = {}

# Создание списка признаков и их значений
features = {}
for sheet_name, df in data.items():
    try:
        if sheet_name == "Пол Поколение Психотип":
            features[sheet_name] = df.set_index(['Пол', 'Поколение', 'Психотип'])['Инструкция'].to_dict()
        elif sheet_name == "Подход":
            features[sheet_name] = df  # Сохраняем как DataFrame
        else:
            features[sheet_name] = df.set_index(df.columns[0]).to_dict()[df.columns[1]]
    except Exception as e:
        print(f"Ошибка при обработке данных листа {sheet_name}: {e}")
        features[sheet_name] = {}

def save_statistics_to_github(approach_stats):
    repo = "fruitpicker01/Storage_dev"
    timestamp = int(time.time())
    json_path = f"check_{timestamp}.json"
    csv_path = "checks.csv"
    url_json = f"https://api.github.com/repos/{repo}/contents/{json_path}"
    url_csv = f"https://api.github.com/repos/{repo}/contents/{csv_path}"
    headers = {
        "Authorization": f"token {token}",
        "Content-Type": "application/json"
    }
    
    # Подготовка данных для JSON
    json_data = {
        "timestamp": timestamp,
        "approach_stats": approach_stats
    }
    json_content = json.dumps(json_data, ensure_ascii=False, indent=4)
    json_content_encoded = base64.b64encode(json_content.encode('utf-8')).decode('utf-8')
    data_json = {
        "message": f"Добавлен новый файл {json_path}",
        "content": json_content_encoded
    }
    # Сохранение JSON-файла
    response = requests.put(url_json, headers=headers, data=json.dumps(data_json))
    if response.status_code in [200, 201]:
        print("JSON-файл успешно сохранен на GitHub")
    else:
        print(f"Ошибка при сохранении JSON-файла: {response.status_code} {response.text}")
    
    # Подготовка данных для CSV
    import pandas as pd
    rows = []
    for approach, stats in approach_stats.items():
        for check_name, count in stats["failed_checks"].items():
            rows.append({
                "Timestamp": timestamp,
                "Approach": approach,
                "Check": check_name,
                "Failed_Count": count,
                "Total_Attempts": stats["total_attempts"]
            })
    df = pd.DataFrame(rows)
    
    # Проверяем, существует ли уже файл CSV
    response = requests.get(url_csv, headers=headers)
    if response.status_code == 200:
        # Файл существует, загружаем и добавляем данные
        content = response.json()
        csv_content = base64.b64decode(content['content']).decode('utf-8')
        existing_df = pd.read_csv(io.StringIO(csv_content))
        df = pd.concat([existing_df, df], ignore_index=True)
        sha = content['sha']
    else:
        # Файл не существует
        sha = None
    
    csv_content = df.to_csv(index=False)
    csv_content_encoded = base64.b64encode(csv_content.encode('utf-8')).decode('utf-8')
    data_csv = {
        "message": "Обновление файла checks.csv",
        "content": csv_content_encoded
    }
    if sha:
        data_csv["sha"] = sha
    # Сохранение CSV-файла
    response = requests.put(url_csv, headers=headers, data=json.dumps(data_csv))
    if response.status_code in [200, 201]:
        print("CSV-файл успешно сохранен на GitHub")
    else:
        print(f"Ошибка при сохранении CSV-файла: {response.status_code} {response.text}")

# Функция для смены вкладки
def change_tab(id):
    return gr.Tabs(selected=id)

# Вспомогательная функция для добавления префиксов и суффиксов
def add_prefix_suffix(prompt, prefix, suffix, product_name):
    new_prompt = f"{prefix}\n"
    # Добавляем инструкцию после prefix
    new_prompt += f"Не изменяй название продукта: {product_name}.\n"
    new_prompt += f"{prompt}\n"
    # Добавляем инструкцию перед suffix
    new_prompt += f"Убедись, что в готовом тексте без изменений, синонимов и перестановок слов используется наименование продукта: {product_name}.\n"
    new_prompt += f"{suffix}"
    return new_prompt

# Функция для обрезки сообщения до последнего знака препинания
def clean_message(message):
    if not message.endswith(('.', '!', '?')):
        last_period = max(message.rfind('.'), message.rfind('!'), message.rfind('?'))
        if last_period != -1:
            message = message[:last_period + 1]
    return message

# Функция для генерации сообщения с GigaChat Pro
#def generate_message_gigachat_pro(prompt):
#    try:
#        messages = [SystemMessage(content=prompt)]
#        res = chat_pro(messages)
#        cleaned_message = clean_message(res.content.strip())
#        return cleaned_message
#    except Exception as e:
#        return f"Ошибка при обращении к GigaChat-Pro: {e}"

async def generate_message_mistral_generate(prompt, max_retries=5):
#def generate_message_mistral_generate(prompt):
#    try:
#        messages = [SystemMessage(content=prompt)]
#        res = chat_pro(messages)
#        cleaned_message = clean_message(res.content.strip())
#        return cleaned_message
#    except Exception as e:
#        return f"Ошибка при обращении к GigaChat-Pro: {e}"
    
    retries = 0
    while retries < max_retries:
        try:
            chat_response = await client_mistral_generate.chat.complete_async(
                model="mistral-large-latest",
                temperature=1.0,
                min_tokens=81,
                max_tokens=108,
                messages=[
                    {
                        "role": "user",
                        "content": prompt
                    },
                ]
            )
            cleaned_message = clean_message(chat_response.choices[0].message.content.strip())
            return cleaned_message
        except Exception as e:
            error_message = str(e)
            if "Status 429" in error_message or "Server disconnected without sending a response" in error_message:
                wait_time = 3
                print(f"Rate limit exceeded or server did not respond. Waiting {wait_time} seconds before retrying...")
                await asyncio.sleep(wait_time)
                retries += 1
            else:
                print(f"Error calling Mistral: {e}")
                return None
    print("Failed to get response from Mistral after maximum retries.")
    return None

async def generate_message_mistral_check(prompt, max_retries=5):
#def generate_message_mistral_check(prompt):    
#    try:
#        messages = [SystemMessage(content=prompt)]
#        res2 = chat_pro_check(messages)
#        cleaned_message = clean_message(res2.content.strip())
#        return cleaned_message
#    except Exception as e:
#        return f"Ошибка при обращении к GigaChat-Pro: {e}"
    retries = 0
    while retries < max_retries:
        try:
            chat_response = await client_mistral_check.chat.complete_async(
                model="mistral-large-latest",
                temperature=0.2,
                messages=[
                    {
                        "role": "user",
                        "content": prompt
                    },
                ]
            )
            cleaned_message = clean_message(chat_response.choices[0].message.content.strip())
            return cleaned_message
        except Exception as e:
            error_message = str(e)
            if "Status 429" in error_message or "Server disconnected without sending a response" in error_message:
                wait_time = 3
                print(f"Rate limit exceeded or server did not respond. Waiting {wait_time} seconds before retrying...")
                await asyncio.sleep(wait_time)
                retries += 1
            else:
                print(f"Error calling Mistral: {e}")
                return None
    print("Failed to get response from Mistral after maximum retries.")
    return None

async def generate_message_mistral_check_2(prompt, max_retries=5):
#def generate_message_mistral_check(prompt):    
#    try:
#        messages = [SystemMessage(content=prompt)]
#        res2 = chat_pro_check(messages)
#        cleaned_message = clean_message(res2.content.strip())
#        return cleaned_message
#    except Exception as e:
#        return f"Ошибка при обращении к GigaChat-Pro: {e}"
    retries = 0
    while retries < max_retries:
        try:
            chat_response = await client_mistral_check_2.chat.complete_async(
                model="mistral-large-latest",
                temperature=0.2,
                messages=[
                    {
                        "role": "user",
                        "content": prompt
                    },
                ]
            )
            cleaned_message = clean_message(chat_response.choices[0].message.content.strip())
            return cleaned_message
        except Exception as e:
            error_message = str(e)
            if "Status 429" in error_message or "Server disconnected without sending a response" in error_message:
                wait_time = 3
                print(f"Rate limit exceeded or server did not respond. Waiting {wait_time} seconds before retrying...")
                await asyncio.sleep(wait_time)
                retries += 1
            else:
                print(f"Error calling Mistral: {e}")
                return None
    print("Failed to get response from Mistral after maximum retries.")
    return None

async def generate_message_mistral_check_3(prompt, max_retries=5):
#def generate_message_mistral_check(prompt):    
#    try:
#        messages = [SystemMessage(content=prompt)]
#        res2 = chat_pro_check(messages)
#        cleaned_message = clean_message(res2.content.strip())
#        return cleaned_message
#    except Exception as e:
#        return f"Ошибка при обращении к GigaChat-Pro: {e}"
    retries = 0
    while retries < max_retries:
        try:
            chat_response = await client_mistral_check_3.chat.complete_async(
                model="mistral-large-latest",
                temperature=0.2,
                messages=[
                    {
                        "role": "user",
                        "content": prompt
                    },
                ]
            )
            cleaned_message = clean_message(chat_response.choices[0].message.content.strip())
            return cleaned_message
        except Exception as e:
            error_message = str(e)
            if "Status 429" in error_message or "Server disconnected without sending a response" in error_message:
                wait_time = 3
                print(f"Rate limit exceeded or server did not respond. Waiting {wait_time} seconds before retrying...")
                await asyncio.sleep(wait_time)
                retries += 1
            else:
                print(f"Error calling Mistral: {e}")
                return None
    print("Failed to get response from Mistral after maximum retries.")
    return None

#def generate_check_gigachat_pro(prompt):
#    try:
#        messages = [SystemMessage(content=prompt)]
#        res2 = chat_pro_check(messages)
#        cleaned_message = clean_message(res2.content.strip())
#        return cleaned_message
#    except Exception as e:
#        return f"Ошибка при обращении к GigaChat-Pro: {e}"

# Функция для замены сокращений с 'k' или 'К' на тысячи
def replace_k_with_thousands(message):
    if not isinstance(message, str):
        return message  # or you can return an empty string
    message = re.sub(r'(\d+)[kкКK]', r'\1 000', message, flags=re.IGNORECASE)
    return message

def correct_dash_usage(text):
    morph = pymorphy3.MorphAnalyzer()
    # Step 1: Replace any dash with long dash if surrounded by spaces
    text = re.sub(r'\s[-–—]\s', ' — ', text)

    # Step 2: Replace any dash with short dash if surrounded by numbers without spaces
    text = re.sub(r'(?<=\d)[-–—](?=\d)', '–', text)

    # Step 3: Replace any dash with hyphen if surrounded by letters or a combination of letters and digits
    text = re.sub(r'(?<=[a-zA-Zа-яА-Я0-9])[-–—](?=[a-zA-Zа-яА-Я0-9])', '-', text)

    # Step 4: Replace quotation marks "..." with «...»
    text = re.sub(r'"([^\"]+)"', r'«\1»', text)

    # Step 5: Remove single quotes
    if text.count('"') == 1:
        text = text.replace('"', '')

    # Step 6: Remove outer quotes if the entire text is enclosed in quotes (straight or elided)
    if (text.startswith('"') and text.endswith('"')) or (text.startswith('«') and text.endswith('»')):
        text = text[1:-1].strip()

    # Step 7: Replace 100k with 100 000
    text = re.sub(r'(\d+)[kкКK]', r'\1 000', text, flags=re.IGNORECASE)

    # Step 8: Remove first sentence if it contains greetings and is less than 5 words
    greeting_patterns = [
        r"привет\b", r"здравствуй", r"добрый\s(день|вечер|утро)",
        r"дорогой\b", r"уважаемый\b", r"дорогая\b", r"уважаемая\b",
        r"господин\b", r"госпожа\b", r"друг\b", r"коллега\b",
        r"товарищ\b", r"приятель\b", r"подруга\b"
    ]
    
    def is_greeting_sentence(sentence):
        words = sentence.split()
        if len(words) < 5:  # Check if sentence is less than 5 words
            for word in words:
                parsed = morph.parse(word.lower())[0]  # Parse the word to get its base form
                for pattern in greeting_patterns:
                    if re.search(pattern, parsed.normal_form):
                        return True
        return False

    # Split text into sentences
    sentences = re.split(r'(?<=[.!?])\s+', text)
    
    # Check the first sentence for greetings and remove it if necessary
    if sentences and is_greeting_sentence(sentences[0]):
        sentences = sentences[1:]

    # Join the sentences back
    text = ' '.join(sentences)

    def restore_yo(text):
        morph = pymorphy3.MorphAnalyzer()
        words = text.split()
        restored_words = []
        
        for word in words:
            # Пропускать обработку, если слово полностью в верхнем регистре (аббревиатуры)
            if word.isupper():
                restored_words.append(word)
                continue
            
            # Пропускать обработку, если слово "все" (независимо от регистра)
            if word.lower() == "все":
                restored_words.append(word)
                continue
            
            # Обработка остальных слов
            parsed = morph.parse(word)[0]
            restored_word = parsed.word
            
            # Сохраняем оригинальный регистр первой буквы
            if word and word[0].isupper():
                restored_word = restored_word.capitalize()
            
            restored_words.append(restored_word)
        
        return ' '.join(restored_words)

    text = restore_yo(text)

    # Step 9: Replace common abbreviations and acronyms (Ип -> ИП, Ооо -> ООО, Рф -> РФ)
    text = re.sub(r'\bИп\b', 'ИП', text, flags=re.IGNORECASE)
    text = re.sub(r'\bОоо\b', 'ООО', text, flags=re.IGNORECASE)
    text = re.sub(r'\bРф\b', 'РФ', text, flags=re.IGNORECASE)

    # Step 10: Replace specific words (пользуйтесь -> пользуйтесь, ею -> ей)
    text = re.sub(r'\bпользовуйтесь\b', 'пользуйтесь', text, flags=re.IGNORECASE)
    text = re.sub(r'\bею\b', 'ей', text, flags=re.IGNORECASE)
    text = re.sub(r'\bповышьте\b', 'повысьте', text, flags=re.IGNORECASE)

    text = re.sub(r'\bСбербизнес\b', 'СберБизнес', text, flags=re.IGNORECASE)
    text = re.sub(r'\bСбербизнеса\b', 'СберБизнес', text, flags=re.IGNORECASE)
    text = re.sub(r'\bСбербизнесе\b', 'СберБизнес', text, flags=re.IGNORECASE)
    text = re.sub(r'\bСбербанк\b', 'СберБанк', text, flags=re.IGNORECASE)
    text = re.sub(r'\bвашего ООО\b', 'вашей компании', text, flags=re.IGNORECASE)
    text = re.sub(r'\b0₽\b', '0 р', text, flags=re.IGNORECASE)
    text = re.sub(r'\b₽\b', 'р', text, flags=re.IGNORECASE)
    
    # Step 11: Replace all forms of "рублей", "рубля", "руб." with "р"
    # Используем два отдельных регулярных выражения для точности
    # 1. Заменяем "руб." на "р", учитывая, что "руб." может быть перед символом "/" или другим несловесным символом
    text = re.sub(r'\bруб\.(?=\W|$)', 'р', text, flags=re.IGNORECASE)
    # 2. Заменяем "рубля" и "рублей" на "р"
    text = re.sub(r'\bруб(?:ля|лей)\b', 'р', text, flags=re.IGNORECASE)

    # Step 12: Replace thousands and millions with appropriate abbreviations
    text = re.sub(r'(\d+)\s+тысяч(?:а|и)?(?:\s+рублей)?', r'\1 000 р', text, flags=re.IGNORECASE)
    text = re.sub(r'(\d+)\s*тыс\.\s*руб\.', r'\1 000 р', text, flags=re.IGNORECASE)
    text = re.sub(r'(\d+)\s*тыс\.\s*р\.', r'\1 000 р', text, flags=re.IGNORECASE)
    text = re.sub(r'(\d+)\s*тыс\.\s*р', r'\1 000 р', text, flags=re.IGNORECASE)
    
    # Replace millions with "млн"
    text = re.sub(r'(\d+)\s+миллиона\b|\bмиллионов\b', r'\1 млн', text, flags=re.IGNORECASE)
    text = re.sub(r'(\d+)\s*млн\s*руб\.', r'\1 млн р', text, flags=re.IGNORECASE)

    # Ensure space formatting around currency abbreviations
    text = re.sub(r'(\d+)\s*р\b', r'\1 р', text)

    # Step 13: Remove sentences containing "никаких посещений" or "никаких визитов"
    def remove_specific_sentences(text):
        sentences = re.split(r'(?<=[.!?])\s+', text)  # Разбиваем текст на предложения
        filtered_sentences = [
            sentence for sentence in sentences 
            if not re.search(r'\bникаких\s+(посещений|визитов)\b', sentence, flags=re.IGNORECASE)
        ]
        return ' '.join(filtered_sentences)
        
    # Шаг 14: Замена чисел вида "5 000 000 р" на "5 млн р"
    text = re.sub(r'\b(\d+)\s+000\s+000\s*р\b', r'\1 млн р', text, flags=re.IGNORECASE)
    text = re.sub(r' р р ', r' р ', text, flags=re.IGNORECASE)
    text = remove_specific_sentences(text)

    return text


# Функция для добавления ошибок в промпт для перегенерации
def append_errors_to_prompt(prompt, checks):
    # Словарь с сообщениями об ошибках для каждого правила
    error_messages = {
        "forbidden_words": "Не использовать запрещённые слова: номер один, №1, № 1, номер, вкусный, дешёвый, продукт, спам, банкротство, долг, займ, срочный, главный, гарантия, успех, лидер.",
        "client_addressing": "Не обращаться к клиенту напрямую.",
        "promises": "Не давать обещания и гарантии.",
        "double_verbs": "Не использовать два глагола подряд (например, 'хочешь оформить').",
        "participles": "Не использовать причастия.",
        "adverbial_participles": "Не использовать деепричастия.",
        "superlative_adjectives": "Не использовать превосходную степень прилагательных.",
        "passive_voice": "Избегать страдательного залога.",
        "written_out_ordinals": "Не использовать порядковые числительные от 10 прописью.",
        "subordinate_clauses_chain": "Избегать цепочек с придаточными предложениями.",
        "repeating_conjunctions": "Не использовать разделительные повторяющиеся союзы.",
        "introductory_phrases": "Не использовать вводные конструкции.",
        "amplifiers": "Не использовать усилители.",
        "time_parasites": "Не использовать 'паразиты времени'.",
        "multiple_nouns": "Избегать нескольких существительных подряд.",
        "derived_prepositions": "Не использовать производные предлоги.",
        "compound_sentences": "Избегать сложноподчиненных предложений.",
        "dates_written_out": "Не писать даты прописью.",
        "no_word_repetitions": "Избегать повторов слов.",
        "disconnected_sentences": "Избегать сложных предложений без логической связи.",
        "synonymous_members": "Не использовать близкие по смыслу однородные члены предложения.",
        "clickbait_phrases": "Не использовать кликбейтные фразы.",
        "abstract_claims": "Избегать абстрактных заявлений без доказательств.",
        "specialized_terms": "Не использовать узкоспециализированные термины.",
        "offensive_phrases": "Избегать двусмысленных или оскорбительных фраз.",
        "cliches_and_bureaucratese": "Не использовать речевые клише, рекламные штампы, канцеляризмы.",
        "no_contradictions": "Избегать противоречий с описанием предложения.",
        "contains_key_message": "Обязательно включить ключевое сообщение.",
        "product_name_consistency": "Обязательно использовать точное наименование продукта."
    }

    # Находим первую не пройденную проверку
    for check_name, passed in checks.items():
        if passed is False:
            error_message = error_messages.get(check_name, f"Ошибка в проверке {check_name}.")
            error_instruction = "Следующую ошибку необходимо избежать:\n" + error_message
            prompt += f"\n\n{error_instruction}"
            break  # Останавливаемся на первой ошибке

    return prompt

    
def notify_failed_length(message_length):
    if message_length < 190:
        gr.Warning(f"Сообщение слишком короткое: {message_length} знаков. Минимум 190.")
        return False
    elif message_length > 250:
        gr.Warning(f"Сообщение слишком длинное: {message_length} знаков. Максимум 250.")
        return False
    return True

# Функция для уведомления о непройденных проверках
def notify_failed_checks(checks):
    translation = {
        "forbidden_words": "Запрещенные слова",
        "client_addressing": "Обращение к клиенту",
        "promises": "Обещания и гарантии",
        "double_verbs": "Два глагола подряд",
        "participles": "Причастия",
        "adverbial_participles": "Деепричастия",
        "superlative_adjectives": "Превосходная степень",
        "passive_voice": "Страдательный залог",
        "written_out_ordinals": "Порядковые числительные",
        "subordinate_clauses_chain": "Цепочки с придаточными предложениями",
        "repeating_conjunctions": "Разделительные повторяющиеся союзы",
        "introductory_phrases": "Вводные конструкции",
        "amplifiers": "Усилители",
        "time_parasites": "Паразиты времени",
        "multiple_nouns": "Несколько существительных подряд",
        "derived_prepositions": "Производные предлоги",
        "compound_sentences": "Сложноподчиненные предложения",
        "dates_written_out": "Даты прописью",
        "no_word_repetitions": "Повторы слов",
        "disconnected_sentences": "Сложные предложения без логической связи",
        "synonymous_members": "Близкие по смыслу однородные члены предложения",
        "clickbait_phrases": "Кликбейтные фразы",
        "abstract_claims": "Абстрактные заявления без доказательств",
        "specialized_terms": "Узкоспециализированные термины",
        "offensive_phrases": "Двусмысленные или оскорбительные фразы",
        "cliches_and_bureaucratese": "Речевые клише, рекламные штампы, канцеляризмы",
        "no_contradictions": "Противоречия с описанием предложения",
        "contains_key_message": "Отсутствие ключевого сообщения",
        "product_name_consistency": "Несовпадение наименования продукта"
    }

    # Находим первую не пройденную проверку
    for check_name, passed in checks.items():
        if not passed:
            failed_check = translation.get(check_name, check_name)
            gr.Warning(f"Сообщение не прошло следующую проверку: {failed_check}")
            break  # Останавливаемся на первой ошибке
    else:
        # Если все проверки пройдены, выводим уведомление
        gr.Warning("ВСЕ ПРОВЕРКИ ПРОЙДЕНЫ")

# Модифицированная функция перегенерации сообщений с уведомлениями о номере попытки
#def generate_message_gigachat_pro_with_retry(prompt, current_prefix, description, key_message):
#    global approach_stats
#    last_message = None
#    for attempt in range(30):
#        gr.Info(f"Итерация {attempt + 1}: генерируется сообщение...")
#        message = generate_message_gigachat_pro(prompt)
#        message = replace_k_with_thousands(message)
#        message = correct_dash_usage(message)
#        message_length = len(message)
#        if not notify_failed_length(message_length):
#            last_message = message
#            time.sleep(1)
#            continue
#        checks = perform_checks(message, description, key_message)
#        last_message = message
#        approach_stats[current_prefix]["total_attempts"] += 1
#        for check_name, passed in checks.items():
#            if passed is False:
#                approach_stats[current_prefix]["failed_checks"][check_name] += 1
#                break
#        notify_failed_checks(checks)  # Вызываем функцию независимо от результата проверок
#        if all(checks.values()):
#            return message
#        prompt = append_errors_to_prompt(prompt, checks)
#        time.sleep(1)
#    gr.Info("Не удалось сгенерировать сообщение, соответствующее требованиям, за 20 итераций. Возвращаем последнее сгенерированное сообщение.")
#    return last_message


async def generate_message_mistral_with_retry(prompt, approach_name, description, key_message, product_name, benefits):
    global approach_stats
    last_message = None
    for attempt in range(20):
        gr.Info(f"Iteration {attempt + 1}: generating message...")
        message = await generate_message_mistral_generate(prompt)
        if message is None:
            print("Failed to get message from Mistral, retrying...")
#            await asyncio.sleep(1)
            continue
        message = replace_k_with_thousands(message)
        message = correct_dash_usage(message)
        message_length = len(message)
        if not notify_failed_length(message_length):
            last_message = message
#            await asyncio.sleep(1)
            continue
        checks = await perform_checks(message, description, key_message, product_name, benefits)
        last_message = message
        # Инициализируем статистику для подхода, если ее нет
        if approach_name not in approach_stats:
            approach_stats[approach_name] = {"failed_checks": defaultdict(int), "total_attempts": 0}
        approach_stats[approach_name]["total_attempts"] += 1
        for check_name, passed in checks.items():
            if passed is False:
                approach_stats[approach_name]["failed_checks"][check_name] += 1
                break
        notify_failed_checks(checks)
        if all(checks.values()):
            return message
        prompt = append_errors_to_prompt(prompt, checks)
#        await asyncio.sleep(1)
    gr.Info("Не удалось сгенерировать сообщение, соответствующее требованиям, за 20 итераций. Возвращаем последнее сгенерированное сообщение.")
    return last_message


# Функция для создания задания для копирайтера
def generate_standard_prompt(description, benefits, key_message, *selected_values):
    prompt = (
        f"Сгенерируй смс-сообщение для клиента. Напиши 3 или 4 предложения.\n"
        f"Описание предложения: {description}\n"
        f"Преимущества: {benefits}\n"
        "В тексте смс запрещено использование:\n"
        "- Запрещенные слова: № один, номер один, № 1, вкусный, дешёвый, продукт, спам, доступный, банкротство, долги, займ, срочно, сейчас, лучший, главный, номер 1, гарантия, успех, лидер, никакой;\n"
        "- Повторы слов;\n"
        "- Обращение к клиенту;\n"
        "- Приветствие клиента;\n"
        "- Обещания и гарантии;\n"
        "- Использовать составные конструкции из двух глаголов;\n"
        "- Причастия и причастные обороты;\n"
        "- Деепричастия и деепричастные обороты;\n"
        "- Превосходная степень прилагательных;\n"
        "- Страдательный залог;\n"
        "- Порядковые числительные от 10 прописью;\n"
        "- Цепочки с придаточными предложениями;\n"
        "- Разделительные повторяющиеся союзы;\n"
        "- Вводные конструкции;\n"
        "- Усилители;\n"
        "- Паразиты времени;\n"
        "- Несколько существительных подряд, в том числе отглагольных;\n"
        "- Производные предлоги;\n"
        "- Сложные предложения, в которых нет связи между частями;\n"
        "- Сложноподчинённые предложения;\n"
        "- Даты прописью;\n"
        "- Близкие по смыслу однородные члены предложения;\n"
        "- Шокирующие, экстравагантные, кликбейтные фразы;\n"
        "- Абстрактные заявления без поддержки фактами и отсутствие доказательства пользы для клиента;\n"
        "- Гарантирующие фразы;\n"
        "- Узкоспециализированные термины;\n"
        "- Фразы, способные создать двойственное ощущение, обидеть;\n"
        "- Речевые клише, рекламные штампы, канцеляризмы;\n"
        "Убедись, что в готовом тексте до 250, но не менее 190 знаков с пробелами. Убедись, что в готовом тексте не менее трех предложений.\n"
    )        
    if key_message.strip():
        prompt += f"Убедись, что в готовом тексте есть следующая ключевая информация: {key_message.strip()}"
     
    return prompt


# Функция для создания задания для редактора с добавлением prefix и suffix
def generate_personalization_prompt(key_message, *selected_values, prefix, suffix, product_name):
    prompt = f"{prefix}\n"
    prompt += f"Не изменяй название продукта: {product_name}.\n"
    prompt += "Адаптируй, не превышая длину сообщения в 250 знаков с пробелами (но и не менее 190 знаков с пробелами), текст с учетом следующих особенностей:\n"
    gender, generation, psychotype = selected_values[0], selected_values[1], selected_values[2]
    combined_instruction = ""
    additional_instructions = ""

    # Проверяем, выбраны ли все три параметра: Пол, Поколение, Психотип
    if gender and generation and psychotype:
        # Получаем данные с листа "Пол Поколение Психотип"
        sheet = features.get("Пол Поколение Психотип", {})

        # Ищем ключ, соответствующий комбинации "Пол", "Поколение", "Психотип"
        key = (gender, generation, psychotype)
        if key in sheet:
            combined_instruction = sheet[key]

    # Если не найдена комбинированная инструкция, добавляем индивидуальные инструкции
    if not combined_instruction:
        for i, feature in enumerate(["Пол", "Поколение", "Психотип"]):
            if selected_values[i]:
                try:
                    instruction = features[feature][selected_values[i]]
                    additional_instructions += f"{instruction}\n"
                except KeyError:
                    return f"Ошибка: выбранное значение {selected_values[i]} не найдено в данных."

    # Добавляем инструкции для остальных параметров (например, Отрасль)
    for i, feature in enumerate(features.keys()):
        if feature not in ["Пол", "Поколение", "Психотип", "Пол Поколение Психотип"]:
            if i < len(selected_values) and selected_values[i]:
                try:
                    instruction = features[feature][selected_values[i]]
                    additional_instructions += f"{instruction}\n"
                except KeyError:
                    return f"Ошибка: выбранное значение {selected_values[i]} не найдено в данных."

    # Формируем итоговый промпт
    if combined_instruction:
        prompt += combined_instruction  # Добавляем комбинированную инструкцию, если она есть
    if additional_instructions:
        prompt += additional_instructions  # Добавляем остальные инструкции

    prompt += f"{suffix}"
    prompt += f"Убедись, что в готовом тексте без изменений, синонимов и перестановок слов используется наименование продукта: {product_name}.\n"
    if key_message.strip():
        prompt += f"\nУбедись, что в готовом тексте есть следующая ключевая информация: {key_message.strip()}"

    return prompt.strip()

# Функция для удаления префиксов, суффиксов и пустых строк перед выводом на экран
def clean_prompt_for_display(prompt, prefixes, suffixes):
    # Удаляем префиксы и суффиксы
    for prefix in prefixes:
        prompt = prompt.replace(prefix, "")
    for suffix in suffixes:
        prompt = prompt.replace(suffix, "")
    
    # Удаляем пустые строки
    lines = prompt.split('\n')
    non_empty_lines = [line for line in lines if line.strip() != '']
    cleaned_prompt = '\n'.join(non_empty_lines)

    return cleaned_prompt.strip()

# Функция для постепенной генерации всех сообщений через yield
async def generate_all_messages(desc, benefits, key_message, gender, generation, psychotype, business_stage, industry, opf, product_name):
    standard_prompt = generate_standard_prompt(desc, benefits, key_message)
    standard_prompt_for_display = f"Не изменяй название продукта: {product_name}.\n{standard_prompt}\nУбедись, что в готовом тексте без изменений, синонимов и перестановок слов используется наименование продукта: {product_name}.\n"
    approach_mapping = {
        "Указание на пользу": (
            "Начни сообщение с указания на пользу продукта. Используй глагол в побудительном наклонении.",
            "Убедись, что готовый текст начинается с указания на пользу продукта и использования глагола в побудительном наклонении."
        ),
        "Призыв к действию": (
            "Начни сообщение с призыва к действию с продуктом.",
            "Убедись, что готовый текст начинается с призыва к действию с продуктом."
        ),
        "Вопрос": (
            "Начни сообщение с вопроса, который указывает на пользу продукта для клиента.",
            "Убедись, что готовый текст начинается с вопроса, который указывает на пользу продукта для клиента."
        )
    }
    approaches_df = features.get("Подход", None)
    if approaches_df is None:
        gr.Warning("Таблица 'Подход' не найдена.")
        return
    filters = []
    for param_name, param_value in [('Пол', gender), ('Поколение', generation), ('Психотип', psychotype)]:
        if param_value:
            filters.append(approaches_df[param_name].fillna('') == param_value)
        else:
            filters.append(approaches_df[param_name].isnull() | (approaches_df[param_name] == ''))
    combined_filter = filters[0]
    for f in filters[1:]:
        combined_filter &= f
    matching_rows = approaches_df[combined_filter]
    if matching_rows.empty:
        gr.Warning("Подход не найден для выбранных параметров.")
        return
    approach_list = []
    for approaches in matching_rows['Подход']:
        approach_names = [a.strip() for a in approaches.split(',')]
        approach_list.extend(approach_names)
    approach_list = list(set(approach_list))  # Убираем дубликаты
    selected_approaches_text_content = ', '.join(approach_list)

    yield selected_approaches_text_content, standard_prompt_for_display, None, None, None

    non_personalized_messages = ''
    personalized_messages = ''
    flag = 1

    # Подготовим список подходов для генерации 3 сообщений
    if len(approach_list) == 0:
        gr.Warning("Не выбрано ни одного подхода.")
        return
    elif len(approach_list) == 1:
        approaches_for_messages = [approach_list[0]] * 3
    elif len(approach_list) >= 2:
        approaches_for_messages = [approach_list[0], approach_list[1], approach_list[0]]
    else:
        approaches_for_messages = approach_list[:3]

    for approach_name in approaches_for_messages:
        if approach_name not in approach_mapping:
            gr.Warning(f"Неизвестный подход: {approach_name}")
            continue
        current_prefix, current_suffix = approach_mapping[approach_name]
        personalization_prompt = generate_personalization_prompt(
            key_message, gender, generation, psychotype, business_stage, industry, opf,
            prefix=current_prefix, suffix=current_suffix, product_name=product_name
        )
        display_personalization_prompt = clean_prompt_for_display(personalization_prompt, [current_prefix], [current_suffix])
        if flag == 1:
            yield selected_approaches_text_content, standard_prompt_for_display, display_personalization_prompt, None, None
            flag += 1
        prompt = add_prefix_suffix(standard_prompt, current_prefix, current_suffix, product_name)
        non_personalized_message = await generate_message_mistral_with_retry(prompt, approach_name, desc, key_message, product_name, benefits)
        non_personalized_length = len(non_personalized_message)
        non_personalized_display = f"{non_personalized_message}\n------\nКоличество знаков: {non_personalized_length}"
        if non_personalized_messages:
            non_personalized_messages += '\n\n' + non_personalized_display
        else:
            non_personalized_messages = non_personalized_display
        yield (
            selected_approaches_text_content, standard_prompt_for_display, display_personalization_prompt,
            non_personalized_messages, personalized_messages
        )
        full_personalized_prompt = f"{personalization_prompt}\n\nТекст для адаптации: {non_personalized_message}"
        personalized_message = await generate_message_mistral_with_retry(full_personalized_prompt, approach_name, desc, key_message, product_name, benefits)
        personalized_length = len(personalized_message)
        personalized_display = f"{personalized_message}\n------\nКоличество знаков: {personalized_length}"
        if personalized_messages:
            personalized_messages += '\n\n' + personalized_display
        else:
            personalized_messages = personalized_display
        yield (
            selected_approaches_text_content, standard_prompt_for_display, display_personalization_prompt,
            non_personalized_messages, personalized_messages
        )
#        time.sleep(1)
    save_statistics_to_github(approach_stats)

def rank_messages(non_personalized_messages, personalized_messages):
    
    # Function to clean each message by removing metadata
    def clean_message(msg):
        # Remove metadata after '------'
        if '------' in msg:
            msg = msg.split('------')[0].strip()
        return msg.strip()
    
    # Split and clean non-personalized messages
    non_personalized_list = [
        clean_message(msg) 
        for msg in non_personalized_messages.strip().split('\n\n') 
        if msg.strip()
    ]
    
    # Split and clean personalized messages
    personalized_list = [
        clean_message(msg) 
        for msg in personalized_messages.strip().split('\n\n') 
        if msg.strip()
    ]
    
    # Rank non-personalized messages
    ranked_non_personalized_df = best_text_choice(
        non_personalized_list, unique_sms_df, tokenizer, model
    )
    
    # Rank personalized messages
    ranked_personalized_df = best_text_choice(
        personalized_list, unique_sms_df, tokenizer, model
    )
    
    # Extract messages from DataFrames
    ranked_non_personalized_messages_list = ranked_non_personalized_df['text'].tolist()
    ranked_personalized_messages_list = ranked_personalized_df['text'].tolist()
    
    # Recompute lengths and reconstruct messages with metadata
    def reconstruct_messages(messages_list):
        display_list = []
        for msg in messages_list:
            msg_length = len(msg)
            display_list.append(f"{msg}\n------\nКоличество знаков: {msg_length}")
        return display_list
    
    ranked_non_personalized_display = reconstruct_messages(ranked_non_personalized_messages_list)
    ranked_personalized_display = reconstruct_messages(ranked_personalized_messages_list)
    
    # Join the messages back into strings
    ranked_non_personalized_messages = '\n\n'.join(ranked_non_personalized_display)
    ranked_personalized_messages = '\n\n'.join(ranked_personalized_display)
    
    return ranked_non_personalized_messages, ranked_personalized_messages


# ФУНКЦИИ ПРОВЕРОК (НАЧАЛО)

# 1. Запрещенные слова

def check_forbidden_words(message):   
    morph = pymorphy3.MorphAnalyzer()
    
    # Перечень запрещённых слов и фраз
    forbidden_patterns = [
        r'№\s?1\b', r'номер\sодин\b', r'номер\s1\b',
        r'вкусный', r'дешёвый', r'продукт', 
        r'спам', r'банкротство', r'долг[и]?', r'займ',
        r'срочный', r'главный',
        r'гарантия', r'успех', r'лидер', 'никакой'
    ]
    
    # Удаляем знаки препинания для корректного анализа
    message_without_punctuation = message.translate(str.maketrans('', '', string.punctuation))
    
    # Замена всех слов, содержащих "бессроч", на временное значение
    placeholder = "заменабессроч"
    message_without_punctuation = re.sub(r'\b\w*бессроч\w*\b', placeholder, message_without_punctuation, flags=re.IGNORECASE)
    
    # Проверка на наличие подстроки "лучш" (без учета регистра)
    if re.search(r'лучш', message_without_punctuation, re.IGNORECASE):
        return False
    
    # Лемматизация слов сообщения
    words = message_without_punctuation.split()
    lemmas = [morph.parse(word)[0].normal_form for word in words]
    
    # Восстановление всех слов с подстрокой "бессроч"
    lemmas = [re.sub(r'заменабессроч', 'бессроч', word) for word in lemmas]
    normalized_message = ' '.join(lemmas)

    # Проверка на запрещённые фразы и леммы
    for pattern in forbidden_patterns:
        if re.search(pattern, normalized_message, re.IGNORECASE):
            print(f"Не пройдена проверка: Запрещенные слова. Сообщение: {message}")
            return False

    return True


# 2 и #3. Обращение к клиенту и приветствие клиента

def check_no_greeting(message):
    morph = pymorphy3.MorphAnalyzer()
    # Список типичных обращений и приветствий
    greeting_patterns = [
        r"привет\b", r"здравствуй", r"добрый\s(день|вечер|утро)",
        r"дорогой\b", r"уважаемый\b", r"дорогая\b", r"уважаемая\b",
        r"господин\b", r"госпожа\b", r"друг\b", r"коллега\b",
        r"товарищ\b", r"приятель\b", r"друг\b", r"подруга\b"
    ]
    
    # Компилируем все шаблоны в один регулярное выражение
    greeting_regex = re.compile('|'.join(greeting_patterns), re.IGNORECASE)
    
    # Проверяем, начинается ли сообщение с шаблона приветствия или обращения
    if greeting_regex.search(message.strip()):
        print(f"Не пройдена проверка: Обращение к клиенту и приветствие клиента. Сообщение: {message}")
        return False
    return True

# 4. Обещания и гарантии

def check_no_promises(message):
    morph = pymorphy3.MorphAnalyzer()
    promise_patterns = [
        "обещать", "обещание", "гарантировать", "обязаться", "обязать", "обязательство", "обязательный"
    ]
    
    words = message.split()
    lemmas = [morph.parse(word)[0].normal_form for word in words]
    
    for pattern in promise_patterns:
        if pattern in lemmas:
            print(f"Не пройдена проверка: Обещания и гарантии. Сообщение: {message}")
            return False
    return True

# 5. Составные конструкции из двух глаголов

def check_no_double_verbs(message):
    morph = pymorphy3.MorphAnalyzer()
    # Разделяем текст по пробелам и знакам препинания
    words = re.split(r'\s+|[.!?]', message)
    morphs = [morph.parse(word)[0] for word in words]
    
    for i in range(len(morphs) - 1):
        # Проверяем, что оба слова являются глаголами (в любой форме, включая инфинитивы)
        if (morphs[i].tag.POS in {'VERB', 'INFN'}) and (morphs[i+1].tag.POS in {'VERB', 'INFN'}):
            # Проверяем, является ли первый глагол "хотеть" или "начинать"
            if morphs[i].normal_form in ['хотеть', 'начинать', 'начать']:
                return True
            else:
                print(f"Не пройдена проверка: Составные конструкции из двух глаголов. Сообщение: {message}")
                return False
    return True

# 6. Причастия и причастные обороты

def check_no_participles(message):
    morph = pymorphy3.MorphAnalyzer()
    words = message.split()
    exceptions = {"повышенный", "увеличенный", "пониженный", "сниженный"}
    
    for word in words:
        parsed_word = morph.parse(word)[0]
        lemma = parsed_word.normal_form
        if 'PRTF' in parsed_word.tag and lemma not in exceptions:
            print(f"Не пройдена проверка: Причастия и причастные обороты. Сообщение: {message}")
            return False
    return True

# 7. Деепричастия и деепричастные обороты

def check_no_adverbial_participles(message):
    morph = pymorphy3.MorphAnalyzer()
    words = message.split()
    morphs = [morph.parse(word)[0] for word in words]
    
    for morph in morphs:
        if 'GRND' in morph.tag:
            print(f"Не пройдена проверка: Деепричастия и деепричастные обороты. Сообщение: {message}")
            return False
    return True

# 8. Превосходная степень прилагательных

def check_no_superlative_adjectives(message):
    morph = pymorphy3.MorphAnalyzer()
    words = message.split()
    morphs = [morph.parse(word)[0] for word in words]
    
    for morph in morphs:
        if 'Supr' in morph.tag:
            print(f"Не пройдена проверка: Превосходная степень прилагательных. Сообщение: {message}")
            return False
    return True

# 9. Страдательный залог

def check_no_passive_voice(message):
    morph = pymorphy3.MorphAnalyzer()
    words = message.split()
    morphs = [morph.parse(word)[0] for word in words]
    
    for morph in morphs:
        if 'PRTF' in morph.tag and ('passive' in morph.tag or 'в' in morph.tag):
            print(f"Не пройдена проверка: Страдательный залог. Сообщение: {message}")
            return False
    return True

# 10. Порядковые числительные от 10 прописью

def check_no_written_out_ordinals(message):
    morph = pymorphy3.MorphAnalyzer()
    ordinal_words = [
        "десятый", "одиннадцатый", "двенадцатый", "тринадцатый", "четырнадцатый", "пятнадцатый",
        "шестнадцатый", "семнадцатый", "восемнадцатый", "девятнадцатый", "двадцатый"
    ]
    
    words = message.split()
    lemmas = [morph.parse(word)[0].normal_form for word in words]
    
    for word in ordinal_words:
        if word in lemmas:
            print(f"Не пройдена проверка: Порядковые числительные от 10 прописью. Сообщение: {message}")
            return False
    return True

# 11. Цепочки с придаточными предложениями

def check_no_subordinate_clauses_chain(message):
    # Регулярное выражение, которое ищет последовательности придаточных предложений
    subordinate_clause_patterns = [
        r'\b(который|которая|которое|которые)\b',
        r'\b(если|потому что|так как|что|когда)\b',
        r'\b(хотя|несмотря на то что)\b'
    ]
    # Разделяем сообщение на предложения по точке, вопросительному и восклицательному знакам
    sentences = re.split(r'[.!?]\s*', message)

    count = 0
    for sentence in sentences:
        for pattern in subordinate_clause_patterns:
            if re.search(pattern, sentence):
                count += 1
    
    # Если в предложении найдено более одного придаточного предложения подряд, возвращаем False
    return count < 2

# 12. Разделительные повторяющиеся союзы

def check_no_repeating_conjunctions(message):
    # Регулярное выражение для поиска разделительных повторяющихся союзов с запятой перед вторым союзом
    repeating_conjunctions_patterns = r'\b(и|ни|то|не то|или|либо)\b\s*(.*?)\s*,\s*\b\1\b'
    
    # Разделяем сообщение на предложения по точке, вопросительному и восклицательному знакам
    sentences = re.split(r'[.!?]\s*', message)
    
    # Проверяем каждое предложение отдельно
    for sentence in sentences:
        if re.search(repeating_conjunctions_patterns, sentence, re.IGNORECASE):
            print(f"Не пройдена проверка: Разделительные повторяющиеся союзы. Сообщение: {message}")
            return False
    return True

# 13. Вводные конструкции

def check_no_introductory_phrases(message):
    introductory_phrases = [
        r'\b(во-первых|во-вторых|с одной стороны|по сути|по правде говоря)\b',
        r'\b(может быть|кстати|конечно|естественно|безусловно|возможно)\b'
    ]
    
    for pattern in introductory_phrases:
        if re.search(pattern, message, re.IGNORECASE):
            print(f"Не пройдена проверка: Вводные конструкции. Сообщение: {message}")
            return False
    return True

# 14. Усилители

def check_no_amplifiers(message):
    amplifiers = [
        r'\b(очень|крайне|чрезвычайно|совсем|полностью|чисто)\b'
    ]
    
    for pattern in amplifiers:
        if re.search(pattern, message, re.IGNORECASE):
            print(f"Не пройдена проверка: Усилители. Сообщение: {message}")
            return False
    return True

# 15. Паразиты времени

def check_no_time_parasites(message):
    time_parasites = [
        r'\b(немедленно|срочно|в данный момент)\b'
    ]
    
    for pattern in time_parasites:
        if re.search(pattern, message, re.IGNORECASE):
            print(f"Не пройдена проверка: Паразиты времени. Сообщение: {message}")
            return False
    return True

# 16. Несколько существительных подряд

def check_no_multiple_nouns(message):
    noun_count = 0
    words = re.split(r'\s+|[.!?]', message)  # Разбиваем по пробелам и знакам препинания
    morph = pymorphy3.MorphAnalyzer()
    
    for word in words:
        parsed_word = morph.parse(word)[0]
        
        # Если слово — существительное
        if 'NOUN' in parsed_word.tag:
            noun_count += 1
        # Если встречен конец предложения (точка, вопросительный знак, восклицательный знак)
        elif re.match(r'[.!?]', word):
            noun_count = 0
        else:
            noun_count = 0
        
        if noun_count > 2:
            print(f"Не пройдена проверка: Несколько существительных подряд. Сообщение: {message}")
            return False
    return True

# 17. Производные предлоги

def check_no_derived_prepositions(message):
    derived_prepositions = [
        r'\b(в течение|в ходе|вследствие|в связи с|по мере|при помощи|согласно|вопреки|на основании|на случай|в продолжение|по причине|вблизи|вдалеке|вокруг|внутри|вдоль|посередине|вне|снаружи|благодаря|невзирая на|исходя из)\b'
    ]
    
    for pattern in derived_prepositions:
        if re.search(pattern, message, re.IGNORECASE):
            print(f"Не пройдена проверка: Производные предлоги. Сообщение: {message}")
            return False
    return True

# 19. Сложноподчиненные предложения

def check_no_compound_sentences(message):
    subordinating_conjunctions = [
        r'\bкогда\b', r'\bкак только\b', r'\bпока\b', r'\bпосле того как\b',
        r'\bпотому что\b', r'\bтак как\b', r'\bоттого что\b', r'\bблагодаря тому что\b',
        r'\bчтобы\b', r'\bдля того чтобы\b', r'\bесли\b', r'\bкогда бы\b', r'\bесли бы\b',
        r'\bхотя\b', r'\bнесмотря на то что\b', r'\bкак\b', r'\bбудто\b', r'\bсловно\b', r'\bкак будто\b'
    ]
    
    # Убедимся, что слово "как" используется не в вопросе
    for pattern in subordinating_conjunctions:
        if re.search(pattern, message) and not re.search(r'\?', message):
            print(f"Не пройдена проверка: Сложноподчиненные предложения. Сообщение: {message}")
            return False
    return True

# 20. Даты прописью

def check_no_dates_written_out(message):
    # Ищем упоминания месяцев или слов, связанных с датами
    months = [
        "января", "февраля", "марта", "апреля", "мая", "июня", 
        "июля", "августа", "сентября", "октября", "ноября", "декабря"
    ]
    
    # Слова для проверки чисел прописью
    date_written_out_patterns = [
        r'\b(первого|второго|третьего|четвертого|пятого|шестого|седьмого|восьмого|девятого|десятого|одиннадцатого|двенадцатого|тринадцатого|четырнадцатого|пятнадцатого|шестнадцатого|семнадцатого|восемнадцатого|девятнадцатого|двадцатого|двадцать первого|двадцать второго|двадцать третьего|двадцать четвертого|двадцать пятого|двадцать шестого|двадцать седьмого|двадцать восьмого|двадцать девятого|тридцатого|тридцать первого)\b'
    ]
    
    for month in months:
        for pattern in date_written_out_patterns:
            if re.search(f'{pattern}\\s{month}', message, re.IGNORECASE):
                print(f"Не пройдена проверка: Даты прописью. Сообщение: {message}")
                return False
    
    return True

# Доп правило. Повторы слов

def check_no_word_repetitions(message):
    morph = pymorphy3.MorphAnalyzer()
    
    # Список союзов и предлогов, которые мы будем игнорировать
    ignore_words = set([
        'и', 'а', 'но', 'или', 'да', 'ни', 'как', 'так',
        'в', 'на', 'под', 'над', 'за', 'к', 'до', 'по', 'из', 'у', 'о', 'про', 'для',
        'не', 'вот', 'это', 'тот', 'тем', 'при', 'чем',
        'же', 'ли', 'бы', 'то', 'р',
    ])
    
    # Разбиваем текст на слова, удаляя знаки препинания
    words = re.findall(r'\b\w+(?:-\w+)*\b', message.lower())  # Учитываем составные слова с дефисом
    
    # Словарь для хранения нормализованных форм слов
    normalized_words = {}
    
    for word in words:
        if word not in ignore_words:
            # Проверяем, является ли слово составным (например, "бизнес-карта")
            if '-' in word:
                # Обрабатываем составные слова как целые фразы
                base_word = word
            else:
                # Для обычных слов применяем морфологический анализ
                base_word = morph.parse(word)[0].normal_form
            
            # Если слово уже встречалось, возвращаем False
            if base_word in normalized_words:
                print(f"Не пройдена проверка: Повторы слов. Сообщение: {message}")
                return False
            
            # Добавляем слово в словарь
            normalized_words[base_word] = True
    
    # Если мы дошли до этой точки, повторов не было
    return True

# Проверки на LLM

import re
import json

def parse_json_response(response):
    try:
        # Попытка найти JSON-подобную структуру в ответе
        match = re.search(r'\{.*', response)
        if match:
            json_str = match.group(0)
            # Проверяем и добавляем недостающие кавычки и скобки
            if json_str.count('"') % 2 != 0:
                json_str += '"'
            if json_str.count('{') > json_str.count('}'):
                json_str += '}'
            result = json.loads(json_str)
            return result
        
        # Если JSON не найден, пытаемся найти ключ-значение вручную
        else:
            decision_match = re.search(r'decision:\s*(true|false)', response)
            explanation_match = re.search(r'explanation:\s*"(.+?)"', response)
            
            result = {}
            if decision_match:
                decision_value = decision_match.group(1)
                result['decision'] = True if decision_value == 'true' else False
            
            if explanation_match:
                result['explanation'] = explanation_match.group(1)
            
            if result:
                return result
            else:
                print("JSON не найден, и ключи 'decision' и 'explanation' не извлечены")
                return None
    except Exception as e:
        print(f"Ошибка при разборе JSON: {e}")
        return None


def cut_message(message):
    # Удаляем любой дополнительный текст, например, "------\nКоличество знаков: ..."
    # Разделяем сообщение по '------' и берем первую часть
    if '------' in message:
        message = message.split('------')[0].strip()
    return message
        
# 22. Проверка сложных предложений без логической связи
async def check_disconnected_sentences(message):
    message_clean = cut_message(message)
    print()
    print("Проверка 22: Проверка сложных предложений без логической связи")
    print()
    prompt = f'''Проверь следующий текст на наличие сложных предложений, где отсутствует логическая связь между частями:
"{message_clean}"
Определи, есть ли в тексте предложения с несколькими частями, которые кажутся несвязанными, не поддерживают общую мысль или делают текст трудным для понимания.
Обрати внимание, что в контексте коротких рекламных сообщений допустимы краткие предложения, перечисления и фразы, которые вместе передают связную информацию о продукте или услуге. Не считай такие сообщения несвязанными, если их части логически связаны с предложением продукта или условиями его получения.
Пример ответа:
{{"decision": false, "explanation": "Текст понятен, и все предложения логически связаны между собой."}}
Если в тексте **есть** сложные предложения без логической связи между частями, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}};
если таких предложений **нет**, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}.
**Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь **только** в формате JSON с закрывающими кавычками и скобками.**'''

    response = await generate_message_mistral_check(prompt)
#    await asyncio.sleep(3)  # Задержка в 3 секунды между запросами
    print("Mistral response:", response)  # Выводим полный ответ модели
    result = parse_json_response(response)
    if result is not None:
        decision = result.get("decision", False)
        explanation = result.get("explanation", "")
        print("Explanation:", explanation)
        return not decision  # Инвертируем логику
    else:
        return None

# 23. Проверка на близкие по смыслу однородные члены
async def check_synonymous_members(message):
    print()
    print("Проверка 23: Проверка на близкие по смыслу однородные члены")
    print()
    message_clean = cut_message(message)
    prompt = f'''Проверь следующий текст на наличие однородных членов предложения, которые имеют одинаковый или практически одинаковый смысл и повторяют одну и ту же идею:
"{message_clean}"
Обрати внимание, что слова или выражения могут описывать разные аспекты продукта или услуги, и это не считается избыточным, если они не полностью дублируют значение друг друга. Например, такие слова как "премиальная" и "бизнес" могут описывать разные качества и не должны считаться синонимами.
Пример ответа:
{{"decision": true, "explanation": "В предложении используются синонимы 'быстрый' и 'скорый', которые повторяют одну и ту же идею."}}
Если такие слова или выражения есть, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}};
если таких слов или выражений нет, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}.
**Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**'''

    response = await generate_message_mistral_check(prompt)
#    await asyncio.sleep(3)
    print("Mistral response:", response)
    result = parse_json_response(response)
    if result is not None:
        decision = result.get("decision", False)
        explanation = result.get("explanation", "")
        print("Explanation:", explanation)
        return not decision  # Инвертируем логику
    else:
        return None


# 24. Проверка на шокирующие, экстравагантные или кликбейтные фразы
async def check_clickbait_phrases(message, description, benefits):
    message_clean = cut_message(message)
    print()
    print()
    print("СООБЩЕНИЕ:", message_clean)
    print()
    print("Проверка 24: Проверка на шокирующие, экстравагантные или кликбейтные фразы")
    print()
    prompt = f'''Проверь следующий текст на наличие шокирующих, экстравагантных или кликбейтных фраз:
    "{message_clean}"
    Инструкции:
    1. Игнорируй фразы, которые основаны на фактической информации, даже если они выглядят сенсационно, такие как "лимит до миллиона" или "льготный период до 365 дней". Если эти данные подтверждаются и не являются преувеличением, их не следует считать кликбейтом.
    2. Ищи фразы, которые явно преувеличивают или вводят в заблуждение, обещая нечто чрезмерно идеализированное или сенсационное, что не может быть доказано или подтверждено. Примеры кликбейтных фраз: "Шокирующая правда", "Вы не поверите, что произошло", "Это изменит вашу жизнь за один день".
    3. Стандартные рекламные призывы к действию, такие как "купите сейчас" или "узнайте больше", не считаются кликбейтом, если они не преувеличивают преимущества или не используют явную манипуляцию эмоциями.
    4. Не считай фразы, используемые в исходном описании продукта, кликбейтными. Исходное описание: "{description}".
    5. Не считай фразы, используемые в преимуществах продукта, кликбейтными. Преимущества: "{benefits}".
    Пример ответа:
    {{"decision": false, "explanation": "Текст нейтрален и не содержит кликбейтных фраз."}}
    
    Если текст содержит кликбейтные фразы, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}}; 
    если таких фраз нет, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}.
    
    **Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**'''

    response = await generate_message_mistral_check(prompt)
#    await asyncio.sleep(3)
    print("Mistral response:", response)
    result = parse_json_response(response)
    if result is not None:
        decision = result.get("decision", False)
        explanation = result.get("explanation", "")
        print("Explanation:", explanation)
        return not decision  # Инвертируем логику
    else:
        return None


# 25. Проверка на абстрактные заявления без поддержки фактами
async def check_abstract_claims(message, description, benefits):
    print()
    print("Проверка 25: Проверка на абстрактные заявления без поддержки фактами")
    print()
    message_clean = cut_message(message)
    prompt = f'''Проверь следующий текст на наличие чрезмерно абстрактных или неподкрепленных фактическими данными утверждений, которые могут усложнить понимание преимуществ продукта или услуги:
    "{message_clean}"
    
    Инструкции:
    1. Исключи фразы, которые содержат конкретные числовые данные, обещания о времени выполнения или другие факты, которые могут быть проверены (например, "от 1 минуты", "24/7", "в течение 24 часов").
    2. Не считай абстрактными фразами выражения, которые описывают конкретные выгодные условия, если они сопровождаются фактами или цифрами (например, "выгодные условия при покупке от 100 000 рублей" или "индивидуальные условия с процентной ставкой 3%").
    3. Помечай абстрактными фразами любые утверждения, которые звучат эмоционально, но не сопровождаются конкретикой, такие как:
       - "выгодное финансирование"
       - "развивайте свой бизнес быстрее"
       - "повышение эффективности"
       - "эффективное управление"
       - "надёжное решение"
       - "оптимизируйте управление финансами"
       - "выгодные условия для бизнеса"
       - "лёгкие условия и кэшбэк"
       - "мобильно, удобно, комфортно"
       - "Действуйте сейчас!"
       - "Контролируйте лимиты на расходы сотрудников"
       - "Оптимизируйте свои бизнес-затраты"
       - "Снизьте финансовую нагрузку"
    4. Ищи общие фразы, которые не дают представления о конкретной пользе, такие как "лучшее решение", "высокое качество", "отличный сервис", если они не сопровождаются пояснением о том, почему это так.
    5. Учитывай, что в рекламных сообщениях допустимы эмоциональные и обобщённые фразы, если они достаточно конкретны для понимания аудитории, однако они должны сопровождаться фактами или подробными примерами.
    6. Не считай фразы, используемые в исходном описании продукта, кликбейтными. Исходное описание: "{description}".
    7. Не считай фразы, используемые в преимуществах продукта, кликбейтными. Преимущества: "{benefits}".
    
    Пример ответа:
    {{"decision": false, "explanation": "Текст не содержит абстрактные утверждения без конкретики."}}
    
    Если в тексте присутствуют абстрактные или неподкрепленные заявления, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}}; 
    если таких утверждений нет, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}.
    
    **Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**'''

    response = await generate_message_mistral_check_2(prompt)
#    await asyncio.sleep(3)
    print("Mistral response:", response)
    result = parse_json_response(response)
    if result is not None:
        decision = result.get("decision", False)
        explanation = result.get("explanation", "")
        print("Explanation:", explanation)
        return not decision  # Инвертируем логическое значение
    else:
        return None


# 26. Проверка на узкоспециализированные термины
async def check_specialized_terms(message):
    print()
    print("Проверка 26: Проверка на узкоспециализированные термины")
    print()
    message_clean = cut_message(message)
    prompt = f'''Проверь следующий текст на наличие узкоспециализированных терминов или жаргона, которые могут быть непонятны широкой аудитории:
    "{message_clean}"
    
    Инструкции:
    1. Игнорируй общеупотребительные термины, известные широкой аудитории, такие как "ИП", "ООО", "РФ", а также термины, связанные с обычными финансовыми продуктами (например, "кредитная карта", "интернет-банк", "Mastercard").
    2. Ищи термины, характерные для узких профессиональных областей, таких как медицина, ИТ, право, инженерия и другие специализированные сферы.
    3. Пример специализированных терминов: "интероперабельность", "кибернетика", "гипертензия", "аутентификация" и т.п.
    
    Определи, содержит ли текст термины, которые известны только специалистам в определенной области и могут вызвать затруднения у обычных читателей.
    
    Пример ответа:
    {{"decision": false, "explanation": "В тексте отсутствуют узкоспециализированные термины."}}
    
    Если в тексте есть такие узкоспециализированные термины, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}}; 
    если таких терминов нет, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}.
    
    **Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**'''

    response = await generate_message_mistral_check(prompt)
#    await asyncio.sleep(3)
    print("Mistral response:", response)
    result = parse_json_response(response)
    if result is not None:
        decision = result.get("decision", False)
        explanation = result.get("explanation", "")
        print("Explanation:", explanation)
        return not decision  # Инвертируем логическое значение
    else:
        return None

# 27. Проверка на двусмысленные или обидные фразы
async def check_offensive_phrases(message):
    print()
    print("Проверка 27: Проверка на двусмысленные или обидные фразы")
    print()
    message_clean = cut_message(message)
    prompt = f'''Проверь следующий текст на наличие фраз, которые могут быть истолкованы двусмысленно или вызвать негативные эмоции у читателя:
"{message_clean}"
Определи, есть ли в тексте выражения, которые могут быть восприняты как оскорбительные, обидные или неуместные.
Обрати внимание, что фразы, используемые в обычном деловом контексте и не содержащие явных оскорблений, дискриминации или непристойностей, не считаются проблемными.
Например, фразы, объясняющие преимущества продукта, такие как "без отчётов и комиссий", являются допустимыми.
Пример ответа:
{{"decision": false, "explanation": "Текст не содержит обидных или двусмысленных фраз."}}
Если такие фразы есть, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}};
если таких фраз нет, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}.
**Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**'''

    response = await generate_message_mistral_check(prompt)
#    await asyncio.sleep(3)
    print("Mistral response:", response)
    result = parse_json_response(response)
    if result is not None:
        decision = result.get("decision", False)
        explanation = result.get("explanation", "")
        print("Explanation:", explanation)
        return not decision  # Инвертируем логическое значение
    else:
        return None

# 28. Проверка на речевые клише, рекламные штампы и канцеляризмы
async def check_cliches_and_bureaucratese_3(message, description, benefits):
    print()
    print("Проверка 28: Проверка на речевые клише, рекламные штампы и канцеляризмы")
    print()
    message_clean = cut_message(message)
    prompt = f'''Проверь следующий текст на наличие речевых клише, излишне употребляемых фраз, рекламных штампов и канцеляризмов, которые делают текст менее выразительным и оригинальным: 
    "{message_clean}" 
    Обрати внимание **только** на избитые фразы, которые чрезмерно используются в рекламных текстах и не несут дополнительной ценности. 
    **Не считай клише или канцеляризмами следующие типы выражений:**
    - Стандартные призывы к действию (например, "Получите", "Оформите", "Закажите сейчас"), но **не** их комбинации с общими, неопределёнными фразами, как например, "за считанные минуты", "быстро, удобно".
    - Информацию о ценах, скидках, акциях или условиях покупки (например, "при покупках от 100 000 рублей в месяц").
    - Описания способов оформления или получения услуг (например, "оформление возможно онлайн или в офисе").
    - Стандартные отраслевые термины и фразы, необходимые для понимания сообщения (например, "премиальная бизнес-карта", "Mastercard Preferred"), но **не** их использование в комбинации с общими словами, как например, "идеальное решение для вашего бизнеса".
    - Фразы, используемые в исходном описании продукта, кликбейтными. Исходное описание: "{description}".
    - Фразы, используемые в преимуществах продукта, кликбейтными. Преимущества: "{benefits}".
    **Считай клише или канцеляризмами следующие типы выражений:**
    - Избитые фразы, такие как:
      - "Обеспечьте стабильность и развитие вашего бизнеса"
      - "Заботьтесь о будущем семьи, сохраняя ресурсы."
      - "Получите необходимые средства для развития бизнеса и обеспечения финансовой стабильности!"
      - "Ваш бизнес ждёт выгодное финансирование! Развивайте свой бизнес быстрее!"
      - "Без лишней волокиты"
      - "Быстро, удобно, без лишних хлопот!"
      - "За считанные минуты"
      - "Это идеальное предложение для вашего бизнеса!"
      - "Удобное и надёжное решение для роста вашего капитала".
    Пример ответа:
    {{"decision": false, "explanation": "Текст не содержит клише или канцеляризмов."}}
    Если в тексте **нет** таких выражений, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}};
    если в тексте **есть** такие выражения, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}}.
    **Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**'''

    response = await generate_message_mistral_check(prompt)
#    await asyncio.sleep(3)
    print("Mistral response:", response)
    result = parse_json_response(response)
    if result is not None:
        decision = result.get("decision", False)
        explanation = result.get("explanation", "")
        print("Explanation:", explanation)
        return not decision
    else:
        return None

# 29. Проверка на соответствие описанию предложения и ключевому сообщению
async def check_no_contradictions(message, description, key_message):
    print()
    print("Проверка 29: Проверка на отсутствие противоречий с описанием предложения")
    print()
    message_clean = cut_message(message)
    prompt = f'''Проверь, не противоречит ли следующее сообщение описанию предложения и ключевому сообщению. Учти, что сообщение является выжимкой из описания предложения и не может содержать столько же информации в том же объеме, сколько описание предложения - важно, чтобы в сообщении не было указано ложных фактов.
Описание предложения:
"{description}"
Ключевое сообщение:
"{key_message}"
Сообщение:
"{message}"
Если сообщение не содержит фактов, которые отсутствуют в описании предложения и ключевом сообщении, **верни только** JSON {{"decision": false, "explanation": "Противоречий не обнаружено."}}.
Если сообщение содержит факты, которые отсутствуют в описании предложения и ключевом сообщении, **верни только** JSON {{"decision": true, "explanation": "<описание противоречий>"}}.
**Не добавляй никакого дополнительного текста. Отвечай только в формате JSON с закрывающими кавычками и скобками.**'''

    response = await generate_message_mistral_check(prompt)
#    await asyncio.sleep(3)
    print("Mistral response:", response)
    result = parse_json_response(response)
    if result is not None:
        decision = result.get("decision", False)
        explanation = result.get("explanation", "")
        print("Explanation:", explanation)
        return not decision  # Возвращаем True, если противоречий нет
    else:
        return None

# 30. Проверка на наличие ключевого сообщения
async def check_contains_key_message(message, key_message):
    print()
    print("Проверка 30: Проверка на наличие ключевого сообщения")
    print()
    message_clean = cut_message(message)
    prompt = f'''Проверь, содержит ли следующее сообщение ключевое сообщение.
Сообщение:
"{message}"
Ключевой текст:
"{key_message}"
Если сообщение **содержит всю** информацию из ключевого текста, **верни только** JSON {{"decision": false, "explanation": "Ключевое текст присутствует."}}.
Если сообщение **не содержит всю** информацию из ключевого текста, **верни только** JSON {{"decision": true, "explanation": "Ключевое текст отсутствует."}}.
**Не добавляй никакого дополнительного текста. Отвечай только в формате JSON с закрывающими кавычками и скобками.**'''

    response = await generate_message_mistral_check(prompt)
#    await asyncio.sleep(3)
    print("Mistral response:", response)
    result = parse_json_response(response)
    if result is not None:
        decision = result.get("decision", False)
        explanation = result.get("explanation", "")
        print("Explanation:", explanation)
        return not decision  # Возвращаем True, если ключевое сообщение присутствует
    else:
        return None

# 31. Проверка на точное совпадение названий продуктов
async def check_product_name_consistency(message, product_name):
    print()
    print("Проверка 31: Проверка на точное совпадение названий продуктов")
    print()

    message_clean = cut_message(message)

    prompt = f'''Проверь, совпадает ли название продукта в сообщении с эталонным названием продукта с учётом возможных изменений в падежах.
Не допускай никаких других изменений, таких как перестановка слов, добавление или удаление кавычек, изменение порядка слов, пропуск или добавление слов. Допускаются только изменения, связанные с падежами. Название должно совпадать с учётом падежных форм.
Эталонное название продукта:
"{product_name}"
Сообщение:
"{message_clean}"
Если название продукта в сообщении **совпадает** с эталонным названием продукта с учётом падежных изменений, **верни только** JSON {{"decision": false, "explanation": "Название продукта совпадает с описанием с учётом падежа."}}. 
Если название продукта **не** совпадает, **верни только** JSON {{"decision": true, "explanation": "<описание несоответствия>"}}.
**Не добавляй никакого дополнительного текста. Ответ должен быть только в формате JSON с закрывающими кавычками и скобками.**'''

    response = await generate_message_mistral_check(prompt)
#    await asyncio.sleep(3)
    print("Mistral response:", response)
    result = parse_json_response(response)
    if result is not None:
        decision = result.get("decision", False)
        explanation = result.get("explanation", "")
        print("Explanation:", explanation)
        return not decision  # Возвращаем True, если совпадение найдено
    else:
        return None
        
# ФУНКЦИИ ПРОВЕРОК (КОНЕЦ)


async def safe_check(func, *args):
    try:
        if inspect.iscoroutinefunction(func):
            return await func(*args)
        else:
            return func(*args)
    except Exception as e:
        print(f"Error in {func.__name__}: {e}")
        return None

async def perform_checks(message, description, key_message, product_name, benefits):
    checks = {}

    # 2. Morphological checks using pymorphy3
    morphological_checks = [
        ("no_word_repetitions", check_no_word_repetitions),
        ("forbidden_words", check_forbidden_words),
        ("double_verbs", check_no_double_verbs),
        ("adverbial_participles", check_no_adverbial_participles),
        ("derived_prepositions", check_no_derived_prepositions),
        ("multiple_nouns", check_no_multiple_nouns),
        ("introductory_phrases", check_no_introductory_phrases),
        ("compound_sentences", check_no_compound_sentences),
        ("superlative_adjectives", check_no_superlative_adjectives),
        ("client_addressing", check_no_greeting),
        ("promises", check_no_promises),
        ("amplifiers", check_no_amplifiers),
        ("participles", check_no_participles),
        ("passive_voice", check_no_passive_voice),
        ("written_out_ordinals", check_no_written_out_ordinals),
        ("subordinate_clauses_chain", check_no_subordinate_clauses_chain),
        ("repeating_conjunctions", check_no_repeating_conjunctions),
        ("time_parasites", check_no_time_parasites),
        ("dates_written_out", check_no_dates_written_out),
    ]

    # 3. LLM checks: check_clickbait_phrases, check_abstract_claims, check_cliches_and_bureaucratese
    llm_checks_group1 = [
        ("no_contradictions", check_no_contradictions),
        ("abstract_claims", check_abstract_claims),
        ("cliches_and_bureaucratese", check_cliches_and_bureaucratese),
        ("clickbait_phrases", check_clickbait_phrases),
        ("contains_key_message", check_contains_key_message),
        ("synonymous_members", check_synonymous_members),
        ("product_name_consistency", check_product_name_consistency)
    ]

    # 4. Remaining LLM checks
    llm_checks_group2 = [
        ("offensive_phrases", check_offensive_phrases),
        ("disconnected_sentences", check_disconnected_sentences),
        ("specialized_terms", check_specialized_terms)
    ]

    # Perform morphological checks
    for check_name, check_func in morphological_checks:
        result = await safe_check(check_func, message)
        checks[check_name] = result
        if result is False:
            return checks  # Stop on first failure

    # Perform LLM checks group 1
    for check_name, check_func in llm_checks_group1:
        if check_name == "no_contradictions":
            result = await safe_check(check_func, message, description, key_message)
        elif check_name == "contains_key_message":
            result = await safe_check(check_func, message, key_message)
        elif check_name == "product_name_consistency":
            result = await safe_check(check_func, message, product_name)
        elif check_name == "clickbait_phrases":
            result = await safe_check(check_func, message, description, benefits)
        elif check_name == "abstract_claims":
            result = await safe_check(check_func, message, description, benefits)
        elif check_name == "cliches_and_bureaucratese":
            result = await safe_check(check_func, message, description, benefits)
        else:
            result = await safe_check(check_func, message)
        checks[check_name] = result
        if result is False:
            return checks


    # Perform remaining LLM checks
    for check_name, check_func in llm_checks_group2:
        result = await safe_check(check_func, message)
        checks[check_name] = result
        if result is False:
            return checks  # Stop on first failure

    return checks  # All checks passed


def format_checks(checks):
    translation = {
        "forbidden_words": "Запрещенные слова",
        "client_addressing": "Обращение к клиенту",
        "promises": "Обещания и гарантии",
        "double_verbs": "Два глагола подряд",
        "participles": "Причастия",
        "adverbial_participles": "Деепричастия",
        "superlative_adjectives": "Превосходная степень",
        "passive_voice": "Страдательный залог",
        "written_out_ordinals": "Порядковые числительные",
        "subordinate_clauses_chain": "Цепочки с придаточными предложениями",
        "repeating_conjunctions": "Разделительные повторяющиеся союзы",
        "introductory_phrases": "Вводные конструкции",
        "amplifiers": "Усилители",
        "time_parasites": "Паразиты времени",
        "multiple_nouns": "Несколько существительных подряд",
        "derived_prepositions": "Производные предлоги",
        "compound_sentences": "Сложноподчиненные предложения",
        "dates_written_out": "Даты прописью",
        "no_word_repetitions": "Повторы слов",
        # Проверки на LLM
        "disconnected_sentences": "Сложные предложения без логической связи",
        "synonymous_members": "Близкие по смыслу однородные члены предложения",
        "clickbait_phrases": "Кликбейтные фразы",
        "abstract_claims": "Абстрактные заявления без доказательств",
        "specialized_terms": "Узкоспециализированные термины",
        "offensive_phrases": "Двусмысленные или оскорбительные фразы",
        "cliches_and_bureaucratese": "Речевые клише, рекламные штампы, канцеляризмы",
        "no_contradictions": "Отсутствие противоречий с описанием предложения",
        "contains_key_message": "Наличие ключевого сообщения",
        "product_name_consistency": "Совпадение наименования продукта"
    }
    formatted_results = []
    for rule, result in checks.items():
        if result is True:
            symbol = '✔️'
        elif result is False:
            symbol = '❌'
        else:
            symbol = '❓'  # Indicates that the check could not be performed
        formatted_results.append(f"{translation[rule]}: {symbol}")
    return "  \n".join(formatted_results)


# Интерфейс Gradio
with gr.Blocks() as demo:
    # Твой интерфейс

    with gr.Tabs() as tabs:
        
        # Вкладка 1: Исходные данные
        with gr.TabItem("Исходные данные", id=0):
            with gr.Row():
                with gr.Column():
                    desc = gr.Textbox(
                        label="Описание предложения (предзаполненный пример можно поменять на свой)", 
                        lines=3,
                        value=(
                            "Кредитная бизнес-карта для предпринимателей. "
                            "Лимит — до 1 000 000 рублей. "
                            "Стандартный льготный период без начисления процентов за покупки — 120 дней. "
                            "Оформление онлайн — по заявке в интернет-банке СберБизнес."
                        )
                    )
                    product_name = gr.Textbox(
                        label="Неизменяемая часть наименования продукта (пример можно поменять на свой)", 
                        lines=1,
                        value=(
                            "кредитная бизнес-карта для предпринимателей"
                        ),
                        interactive=True
                    )
                    benefits = gr.Textbox(
                        label="Преимущества (предзаполненный пример можно поменять на свой)", 
                        lines=3,
                        value=(
                            "Повышенный льготный период при покупках у партнёров банка — до 365 дней.\n"
                            "Бесплатное годовое обслуживание кредитной бизнес-карты.\n"
                            "Возможность устанавливать лимиты по кредитной бизнес-карте онлайн.\n"
                            "Кредитная бизнес-карта участвует в акциях банка и партнёров."
                        )
                    )
                    
                    key_message = gr.Textbox(
                        label="Ключевое сообщение (предзаполненный пример можно поменять на свой)",
                        lines=1,
                        value="Повышенный льготный период при покупках у партнёров банка — до 365 дней и бесплатное годовое обслуживание кредитной бизнес-карты."
                    )

                with gr.Column():
                    gender = gr.Dropdown(label="Пол", choices=[None] + list(features.get('Пол', {}).keys()))
                    generation = gr.Dropdown(label="Поколение", choices=[None] + list(features.get('Поколение', {}).keys()))
                    psychotype = gr.Dropdown(label="Психотип", choices=[None] + list(features.get('Психотип', {}).keys()))
                    business_stage = gr.Dropdown(label="Стадия бизнеса", choices=[None] + list(features.get('Стадия бизнеса', {}).keys()))
                    industry = gr.Dropdown(label="Отрасль", choices=[None] + list(features.get('Отрасль', {}).keys()))
                    opf = gr.Dropdown(label="ОПФ", choices=[None] + list(features.get('ОПФ', {}).keys()))
            btn_to_prompts = gr.Button("Создать")
            
        # Вкладка 2: Промпты
        with gr.TabItem("Ассистент", id=1):
            selected_approaches_text = gr.Textbox(
                label="Выбранные подходы согласно рекомендациям Нейролаборатории",
                interactive=False,
                lines=1
            )
            with gr.Row():
                with gr.Column():
                    non_personalized_prompt = gr.Textbox(
                        label="Задание для копирайтера",
                        lines=20,
                        interactive=False)
                with gr.Column():
                    personalized_prompt = gr.Textbox(
                        label="Задание для редактора",
                        lines=20
                    )


        # Вкладка 3: Сообщения
        with gr.TabItem("Сообщения", id=2):
            with gr.Row():
                gr.Markdown("### Копирайтер")
                gr.Markdown("### Редактор")
                
            with gr.Row():
                non_personalized_messages = gr.Textbox(label="Стандартные сообщения", lines=18, interactive=False)
                personalized_messages = gr.Textbox(label="Персонализированные сообщения", lines=18, interactive=False)
            rank_button = gr.Button("Ранжировать")

            # Сначала переключаем вкладку, потом запускаем генерацию сообщений
            btn_to_prompts.click(
                fn=change_tab,
                inputs=[gr.Number(value=1, visible=False)],
                outputs=tabs
            ).then(
                fn=generate_all_messages,
                inputs=[desc, benefits, key_message, gender, generation, psychotype, business_stage, industry, opf, product_name],
                outputs=[
                    selected_approaches_text,
                    non_personalized_prompt, personalized_prompt,
                    non_personalized_messages, personalized_messages
                ]
            )

            rank_button.click(
                fn=rank_messages,
                inputs=[non_personalized_messages, personalized_messages],
                outputs=[non_personalized_messages, personalized_messages]
            )

demo.launch()