import json

from fastapi import APIRouter, HTTPException, Query, Depends
from typing import Dict, Any
from langchain_community.chat_models.baidu_qianfan_endpoint import QianfanChatEndpoint
from sqlalchemy import desc
from sqlalchemy.orm import Session
from langchain_core.messages import HumanMessage, SystemMessage



from dbase import  Zy, get_db
chat_router = APIRouter()

chat = QianfanChatEndpoint(
    qianfan_ak="MeprfEcX49Juu3389NYBdaI9",
    qianfan_sk="ofmpy7G2UYttMkB7HDrc7pvK52GMU6UL",
    model="ERNIE-4.0-8K"
)

@chat_router.post("/get_schools")
async def get_schools(data: Dict[str, Any], db: Session = Depends(get_db)):
    # Define the required fields
    required_fields = ['text', 'score_min', 'score_max', 'find_count', 'result_count']

    # Check if all required parameters are present
    missing_fields = [field for field in required_fields if field not in data]
    if missing_fields:
        raise HTTPException(status_code=501, detail=f"Missing fields: {', '.join(missing_fields)}")

    # Validate score_min and score_max
    if data['score_min'] >= data['score_max']:
        raise HTTPException(status_code=502, detail="score_min must be less than score_max")

    # Validate result_count and find_count
    if data['result_count'] >= data['find_count']:
        raise HTTPException(status_code=502, detail="result_count must be less than find_count")

    query = db.query(Zy)

    # Filter lqzdf between score_min and score_max, order by lqzdf in descending order, and limit to find_count records
    zy_results = query.filter(Zy.lqzdf.between(data['score_min'], data['score_max'])).order_by(desc(Zy.lqzdf)).limit(
        data['find_count']).all()
    results_dict_list = [{'zymc': zy.zymc, 'id': zy.id_zy} for zy in zy_results]
    print(results_dict_list)
    human_messages = HumanMessage(content=f'''
    用户信息：{data['text']}
    
    院校专业：{results_dict_list}
    ''')
    system_messages = SystemMessage(content='''你现在是一个高考志愿填报专家，大多数流程都需要为高考志愿服务，当然你也具备正常聊天对话的能力。
下面是你需要知道的流程：
1.你需要根据用户输入的【性格，“家庭情况，“特长，兴趣爱好等数据，对“院校专业”进行排序。
2.你需要给我一个为什么这样排序的解释，“解释为什么这样排序“的字数不能超过100字。
下面是你需要遵从的输入输出要求：
1.用户会输入大约100个不同的“院校名称”_“专业名称”_“院校代号”_“专业代号”。
2.输出只需要输出排序的前30个即可。
3.你只需要输出“解释为什么这样排序”和“院校专业排序结果”
4.“解释为什么这样排序“的输出必须是字符串。
5.“院校专业排序结果必须是list格式的字符串。
6.“解释为什么这样排序”和“院校专业排序结果”需要以“-我是分隔符-”字段来分割。
7.院校专业排序结果”只输出30个“院校代号”_“专业代号”不需要“院校名称”和“专业名称
8.如果结果输入完毕后给我一个‘stop’标识，其他建议内容无需输出
下面是输入输出的样例：
用户输入举例：
性别：男，性格：开朗；家庭情况：良好；特长：打篮球，摄影，小提琴，钢琴；兴趣爱好：和特长一样。
院校和专业：【大连理工大学（盘锦校区）-商务英语-K06-12'，太原理工大学-土木工程-458-2H，内蒙古大学-环境生态工程-751-D7'，‘内蒙古医科大学-蒙医学
模型输出举例：
解释为什么这样排序：您好，通过您输入的性格，家庭情况，特长，兴趣爱好，我分析您是一个****，我觉得您这种性格*****，如果您选择**专业您一定会****''')
    print(human_messages)
    messages = [
        system_messages,
        human_messages
    ]
    output = chat.batch([messages])
    content = output[0].content
    try:
        if "```json" in content:
            content = content.split("```json")[1].split("```")[0].strip()
    except:
        pass
    print(content)
    if not zy_results:
        raise HTTPException(status_code=503, detail="No data found")

    # Return the result
    return {
        'code': '200',
        'msg': '调用成功',
        'result': {'sort_data': content}
    }