app.py

# app.py
import os
import logging
import json
from datetime import datetime
from flask import Flask, jsonify, render_template, request, send_file
from pydantic import BaseModel, Field
from typing import List, Optional
import psycopg2
from psycopg2.extras import RealDictCursor
from google import genai
from google.genai import types
from utils import load_prompt
from weasyprint import HTML # <-- NOUVEL IMPORT
import io # <-- NOUVEL IMPORT

# --- Configuration de l'application ---
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
app = Flask(__name__)
app.secret_key = os.environ.get("FLASK_SECRET_KEY", "un-secret-par-defaut")

# --- Configuration de la base de données et de l'API ---
DATABASE_URL = os.environ.get("DATABASE")
GOOGLE_API_KEY = os.environ.get("TOKEN")

# Dossier pour stocker les données de gestion
DATA_DIR = "data"
DISSERTATIONS_FILE = os.path.join(DATA_DIR, "dissertations_log.json")

# Créer le dossier data s'il n'existe pas
os.makedirs(DATA_DIR, exist_ok=True)

# --- Modèles de Données Pydantic (inchangés) ---
class Argument(BaseModel):
    paragraphe_argumentatif: str = Field(description="Un unique paragraphe formant un argument complet. Il doit commencer par un connecteur logique (ex: 'Premièrement,'), suivi de son développement.")

class Partie(BaseModel):
    chapeau: str = Field(description="La phrase d'introduction de la partie.")
    arguments: list[Argument] = Field(description="La liste des paragraphes argumentatifs qui suivent le chapeau.")
    transition: Optional[str] = Field(description="Phrase ou court paragraphe de transition.", default=None)

class Dissertation(BaseModel):
    sujet: str = Field(description="Le sujet exact de la dissertation, tel que posé par l'utilisateur.")
    prof: str = Field(description="Le nom du professeur, qui est toujours 'Mariam AI'.", default="Mariam AI")
    introduction: str = Field(description="L'introduction complète de la dissertation.")
    parties: List[Partie]
    conclusion: str = Field(description="La conclusion complète de la dissertation.")

# --- Configuration Gemini (inchangée) ---
try:
    if not GOOGLE_API_KEY:
        logging.warning("La variable d'environnement TOKEN (GOOGLE_API_KEY) n'est pas définie.")
        client = None
    else:
        client = genai.Client(api_key=GOOGLE_API_KEY)
except Exception as e:
    logging.error(f"Erreur lors de l'initialisation du client GenAI: {e}")
    client = None

SAFETY_SETTINGS = [
    {"category": "HARM_CATEGORY_HARASSMENT", "threshold": "BLOCK_NONE"},
    {"category": "HARM_CATEGORY_HATE_SPEECH", "threshold": "BLOCK_NONE"},
    {"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT", "threshold": "BLOCK_NONE"},
    {"category": "HARM_CATEGORY_DANGEROUS_CONTENT", "threshold": "BLOCK_NONE"},
]

# --- Helpers de base de données (inchangés) ---
def create_connection():
    """Crée et retourne une connexion à la base de données PostgreSQL."""
    if not DATABASE_URL:
        logging.error("La variable d'environnement DATABASE n'est pas configurée.")
        return None
    try:
        return psycopg2.connect(DATABASE_URL)
    except psycopg2.OperationalError as e:
        logging.error(f"Impossible de se connecter à la base de données : {e}")
        return None

# --- Helpers pour la gestion des données (inchangés) ---
def save_dissertation_data(input_data, output_data, success=True, error_message=None):
    """Sauvegarde les données d'entrée et de sortie dans un fichier JSON."""
    try:
        if os.path.exists(DISSERTATIONS_FILE):
            with open(DISSERTATIONS_FILE, 'r', encoding='utf-8') as f:
                data = json.load(f)
        else:
            data = []
        
        record = {
            "timestamp": datetime.now().isoformat(),
            "input": {
                "question": input_data.get('question', ''),
                "type": input_data.get('type', ''),
                "courseId": input_data.get('courseId')
            },
            "output": output_data if success else None,
            "success": success,
            "error": error_message,
            "id": len(data) + 1
        }
        
        data.append(record)
        
        with open(DISSERTATIONS_FILE, 'w', encoding='utf-8') as f:
            json.dump(data, f, ensure_ascii=False, indent=2)
            
    except Exception as e:
        logging.error(f"Erreur lors de la sauvegarde des données: {e}")

def load_dissertations_data():
    """Charge toutes les données des dissertations depuis le fichier JSON."""
    try:
        if os.path.exists(DISSERTATIONS_FILE):
            with open(DISSERTATIONS_FILE, 'r', encoding='utf-8') as f:
                return json.load(f)
        return []
    except Exception as e:
        logging.error(f"Erreur lors du chargement des données: {e}")
        return []

# --- Routes (inchangées) ---
@app.route('/')
def philosophie():
    return render_template("philosophie.html")

@app.route('/gestion')
def gestion():
    return render_template("gestion.html")

# --- API de gestion (inchangées) ---
@app.route('/api/gestion/dissertations', methods=['GET'])
def get_dissertations_data():
    try:
        data = load_dissertations_data()
        return jsonify({"success": True, "data": data, "total": len(data)})
    except Exception as e:
        logging.error(f"Erreur lors de la récupération des données de gestion: {e}")
        return jsonify({"success": False, "error": "Erreur lors de la récupération des données"}), 500

@app.route('/api/gestion/dissertations/<int:record_id>', methods=['DELETE'])
def delete_dissertation_record(record_id):
    try:
        data = load_dissertations_data()
        record_index = next((i for i, record in enumerate(data) if record.get('id') == record_id), None)
        if record_index is None:
            return jsonify({"success": False, "error": "Enregistrement non trouvé"}), 404
        data.pop(record_index)
        with open(DISSERTATIONS_FILE, 'w', encoding='utf-8') as f:
            json.dump(data, f, ensure_ascii=False, indent=2)
        return jsonify({"success": True, "message": "Enregistrement supprimé avec succès"})
    except Exception as e:
        logging.error(f"Erreur lors de la suppression: {e}")
        return jsonify({"success": False, "error": "Erreur lors de la suppression"}), 500

@app.route('/api/gestion/dissertations/clear', methods=['DELETE'])
def clear_all_dissertations():
    try:
        with open(DISSERTATIONS_FILE, 'w', encoding='utf-8') as f:
            json.dump([], f)
        return jsonify({"success": True, "message": "Toutes les données ont été supprimées"})
    except Exception as e:
        logging.error(f"Erreur lors de la suppression générale: {e}")
        return jsonify({"success": False, "error": "Erreur lors de la suppression"}), 500

# --- API pour lister les cours (inchangée) ---
@app.route('/api/philosophy/courses', methods=['GET'])
def get_philosophy_courses():
    conn = create_connection()
    if not conn:
        return jsonify({"error": "Connexion à la base de données échouée."}), 503
    try:
        with conn.cursor(cursor_factory=RealDictCursor) as cur:
            cur.execute("SELECT id, title FROM cours_philosophie ORDER BY title")
            courses = cur.fetchall()
        return jsonify(courses)
    except Exception as e:
        logging.error(f"Erreur lors de la récupération des cours : {e}")
        return jsonify({"error": "Erreur interne du serveur lors de la récupération des cours."}), 500
    finally:
        if conn:
            conn.close()

# --- API pour la génération de dissertation (inchangée) ---
@app.route('/api/generate_dissertation', methods=['POST'])
def generate_dissertation_api():
    if not client:
        error_msg = "Le service IA n'est pas correctement configuré."
        save_dissertation_data(request.json or {}, None, False, error_msg)
        return jsonify({"error": error_msg}), 503

    data = request.json
    sujet = data.get('question', '').strip()
    dissertation_type = data.get('type', 'type1').strip()
    course_id = data.get('courseId')

    if not sujet:
        error_msg = "Le champ 'question' est obligatoire."
        save_dissertation_data(data, None, False, error_msg)
        return jsonify({"error": error_msg}), 400
        
    if dissertation_type not in ['type1', 'type2']:
        error_msg = "Type de méthodologie invalide."
        save_dissertation_data(data, None, False, error_msg)
        return jsonify({"error": error_msg}), 400

    context_str = ""
    if course_id:
        conn = create_connection()
        if not conn:
            error_msg = "Connexion à la base de données échouée pour récupérer le contexte."
            save_dissertation_data(data, None, False, error_msg)
            return jsonify({"error": error_msg}), 503
        try:
            with conn.cursor(cursor_factory=RealDictCursor) as cur:
                cur.execute("SELECT content FROM cours_philosophie WHERE id = %s", (course_id,))
                result = cur.fetchone()
                if result and result.get('content'):
                    context_str = f"\n\n--- EXTRAIT DE COURS À UTILISER COMME CONTEXTE PRINCIPAL ---\n{result['content']}"
        except Exception as e:
            logging.error(f"Erreur lors de la récupération du contexte du cours {course_id}: {e}")
        finally:
            if conn:
                conn.close()

    try:
        prompt_filename = f"philo_dissertation_{dissertation_type}.txt"
        prompt_template = load_prompt(prompt_filename)
        
        if "Erreur:" in prompt_template:
            error_msg = "Configuration du prompt introuvable pour ce type."
            logging.error(f"Fichier de prompt non trouvé : {prompt_filename}")
            save_dissertation_data(data, None, False, error_msg)
            return jsonify({"error": error_msg}), 500

        final_prompt = prompt_template.format(phi_prompt=sujet, context=context_str)
        config = types.GenerateContentConfig(
            safety_settings=SAFETY_SETTINGS,
            response_mime_type="application/json",
            response_schema=Dissertation,
        )
        response = client.models.generate_content(
            model="gemini-flash-latest",
            contents=final_prompt,
            config=config
        )

        if response.parsed:
            result = response.parsed.dict()
            save_dissertation_data(data, result, True)
            return jsonify(result)
        else:
            error_msg = "Le modèle n'a pas pu générer une structure valide."
            logging.error(f"Erreur de parsing de la réponse structurée. Réponse brute : {response.text}")
            save_dissertation_data(data, None, False, error_msg)
            return jsonify({"error": error_msg}), 500

    except Exception as e:
        error_msg = f"Une erreur est survenue avec le service IA : {e}"
        logging.error(f"Erreur de génération Gemini : {e}")
        save_dissertation_data(data, None, False, error_msg)
        return jsonify({"error": error_msg}), 500

# --- NOUVELLE ROUTE API POUR LA GÉNÉRATION DE PDF ---
@app.route('/api/generate_pdf', methods=['POST'])
def generate_pdf_api():
    """Génère un PDF à partir des données JSON de la dissertation."""
    dissertation_data = request.json
    if not dissertation_data:
        return jsonify({"error": "Aucune donnée de dissertation fournie."}), 400

    try:
        # 1. Rendre le template HTML avec les données de la dissertation
        html_string = render_template('dissertation_pdf.html', dissertation=dissertation_data)

        # 2. Utiliser WeasyPrint pour convertir le HTML en PDF
        html = HTML(string=html_string)
        pdf_bytes = html.write_pdf()

        # 3. Envoyer le PDF en tant que fichier à télécharger
        return send_file(
            io.BytesIO(pdf_bytes),
            mimetype='application/pdf',
            as_attachment=True,
            download_name='dissertation-philosophie.pdf'
        )

    except Exception as e:
        logging.error(f"Erreur lors de la génération du PDF : {e}")
        return jsonify({"error": "Une erreur est survenue lors de la création du PDF."}), 500


if __name__ == '__main__':
    app.run(debug=True, port=5001)