import logging
import random
# Telegram
from telegram.ext import Updater, CommandHandler, MessageHandler, Filters, CallbackQueryHandler
from telegram import InlineKeyboardButton, InlineKeyboardMarkup, ChatAction, ParseMode
# Machine learning
from pandas import DataFrame
import numpy
from sklearn import preprocessing
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
from . import config

LOGGER = logging.getLogger(__name__)

count_vectorizer = CountVectorizer()
classifier = MultinomialNB()

WAARHEID = 'w'
LEUGEN = 'l'
SOURCES = [
	("slecht.tkst", LEUGEN),
	("goed.tkst", WAARHEID),
	("slecht-gebruiker.tkst", LEUGEN),
	("goed-gebruiker.tkst", WAARHEID)
]
LEUGEN_ANTWOORDEN = ["Zeg makker...",
	"FOUTMELDING_BERICHT_BEVAT_LEUGEN",
	"Ik hoopte dat je inmiddels wijzer was.",
	"Ik ben niet boos, ik ben slechts teleurgesteld",
	"Zeg makkeroni...",
	"Voor jou heb ik nog een leuke anagram: je bent een flikkerende flakker.",
	"Zge mkaker",
	"Tijd voor een handhaving",
	"Jullie fantasieën kunnen ook nooit uitgedoofd worden. Jullie frikkende frikken!"]
LEUGEN_ANTWOORDEN_GEWICHT = [
	25,
	1,
	1,
	1,
	1,
	1,
	1,
	1,
	1]

data_frame = DataFrame({"tekst": [], "klasse": []})

def load_file(file_name):
	f = open(file_name)
	for line in f:
		yield line
	f.close()

def build_frame(file_name, classification):
	rows = []
	index = []
	i = 0;
	for message in load_file(file_name):
		rows.append({"tekst": message, "klasse": classification})
		index.append(file_name + ":" + str(i))
		i += 1
	data_frame = DataFrame(rows, index=index)
	return data_frame

def retrain_data():
	global data_frame
	data_frame = DataFrame({"tekst": [], "klasse": []})
	LOGGER.info("Loading dataset")
	for file_name, classification in SOURCES:
		data_frame = data_frame.append(build_frame(file_name, classification))

	LOGGER.info("Transforming dataset")
	counts = count_vectorizer.fit_transform(data_frame['tekst'].values)

	LOGGER.info("Training model")
	targets = data_frame['klasse'].values
	classifier.fit(counts, targets)

def gen_leugen_message(message, isEdit):
	return random.choices(LEUGEN_ANTWOORDEN, weights=LEUGEN_ANTWOORDEN_GEWICHT)[0]

def dump_dataset(update, context):
	context.bot.send_message(chat_id=update.message.chat_id, text="```" + str(data_frame) + "```", parse_mode=ParseMode.MARKDOWN)

def handle_message(update, context):
	mesg = update.effective_message
	is_edit = mesg.edit_date is not None

	message_counts = count_vectorizer.transform([mesg.text])
	result = classifier.predict(message_counts)[0]
	if result == WAARHEID:
		LOGGER.info("'{}' bevat de waarheid".format(mesg.text))
	elif result == LEUGEN:
		context.bot.send_chat_action(chat_id=mesg.chat_id, action=ChatAction.TYPING)
		keyboard = [[InlineKeyboardButton("Goed", callback_data=LEUGEN), InlineKeyboardButton("Fout", callback_data=WAARHEID)]]
		reply_markup = InlineKeyboardMarkup(keyboard)
		mesg.reply_text(gen_leugen_message(mesg.text, is_edit), quote=True, reply_markup=reply_markup)

def handle_correction(update, context):
	callback = update.callback_query
	LOGGER.info("{} drukte op {}".format(callback.from_user.id, callback.data))
	if callback.from_user.id in config.BEHEERDERS:
		if callback.data == WAARHEID:
			with open("goed-gebruiker.tkst", "a") as my_file:
				my_file.write(callback.message.reply_to_message.text + "\n")
			callback.answer(text="Bedankt voor de verbetering, beheerder!")
			#callback.edit_message_text("Bewerking: Sorry, ik zat fout. Oeps.".format(gen_leugen_message()), parse_mode=ParseMode.MARKDOWN)
			callback.message.delete()
		elif callback.data == LEUGEN:
			callback.answer(text="Bedankt voor de bevestiging, beheerder!")
		context.bot.edit_message_reply_markup(chat_id=callback.message.chat_id, message_id=callback.message.message_id, reply_markup=InlineKeyboardMarkup([[]]))
		#update.callback_query.edit_message_reply_markup(InlineKeyboardMarkup([[]]))
		retrain_data()

	else:
		if callback.data == WAARHEID:
			update.callback_query.answer(text="Bedankt voor de verbetering!")
		else:
			update.callback_query.answer(text="Bedankt voor de bevestiging!")

def rapporteer(update, context):
	if update.message.from_user.id not in config.BEHEERDERS:
		update.message.reply_text("Sorry, jij bent geen beheerder. Deze actie wordt niet uitgevoerd.")
	else:
		if update.message.reply_to_message is not None:
			text = update.message.reply_to_message.text
		else:
			text = " ".join(args)
		with open("slecht-gebruiker.tkst", "a") as my_file:
			my_file.write(text + "\n")
		update.message.reply_text("'{}' is toegevoegd aan de lijst met verboden uitdrukkingen!".format(text))
		retrain_data()

def init():
	"""Initializes the machine learning data"""
	retrain_data()