import subprocess

subprocess.run(["playwright", "install"])
subprocess.run(["playwright", "install-deps"])
subprocess.run(
        "apt-get update && apt-get install -y libnss3 libnspr4 libatk1.0-0 libatk-bridge2.0-0 libcups2 libatspi2.0-0 libxcomposite1 libxdamage1",
        shell=True,
        check=True,
    )

import os
import asyncio
from playwright.async_api import async_playwright
from bs4 import BeautifulSoup
import json
import nest_asyncio
import gradio as gr

nest_asyncio.apply()

async def scrapear_pinterest_async(categoria: str, cantidad: int = 50):
    urls = set()

    async with async_playwright() as p:
        browser = await p.chromium.launch(headless=True)
        context = await browser.new_context()

        # Leer cookies desde variable de entorno (secret)
        cookies_str = os.getenv("COOKIES_JSON")
        if not cookies_str:
            raise ValueError("La variable de entorno COOKIES_JSON no está configurada")
        cookies = json.loads(cookies_str)
        
        for cookie in cookies:
            if 'sameSite' in cookie:
                if cookie['sameSite'] not in ['Strict', 'Lax', 'None']:
                    cookie['sameSite'] = 'Lax'

        await context.add_cookies(cookies)
        page = await context.new_page()

        search_url = f"https://mx.pinterest.com/search/pins/?q={categoria.replace(' ', '%20')}"
        await page.goto(search_url, timeout=60000)
        await asyncio.sleep(3)

        max_intentos_sin_cambios = 3
        intentos_sin_cambios = 0
        cantidad_anterior = 0

        while len(urls) < cantidad and intentos_sin_cambios < max_intentos_sin_cambios:
            await page.mouse.wheel(0, 5000)
            await asyncio.sleep(2)

            content = await page.content()
            soup = BeautifulSoup(content, 'html.parser')
            images = soup.find_all("img", {"srcset": True})

            for img in images:
                srcset = img.get("srcset")
                candidates = [u.strip().split(" ")[0] for u in srcset.split(",")]
                if candidates:
                    url_grande = candidates[-1]
                    if "736x" in url_grande or "originals" in url_grande:
                        if url_grande not in urls:
                            urls.add(url_grande)
                            print(f"Imágenes encontradas: {len(urls)}")
                if len(urls) >= cantidad:
                    break

            # Verificar si se encontraron nuevas imágenes
            if len(urls) == cantidad_anterior:
                intentos_sin_cambios += 1
                print(f"No se encontraron nuevas imágenes. Intento {intentos_sin_cambios}/{max_intentos_sin_cambios}")
            else:
                intentos_sin_cambios = 0
                cantidad_anterior = len(urls)

        await browser.close()
        return list(urls)

def scrapear_pinterest(categoria: str, cantidad: int):
    urls = asyncio.run(scrapear_pinterest_async(categoria, cantidad))
    if len(urls) < cantidad:
        print(f"⚠️ Solo se encontraron {len(urls)} imágenes de las {cantidad} solicitadas.")
    resultados = [{"img_url": url} for url in urls]
    return json.dumps(resultados, indent=2, ensure_ascii=False)

iface = gr.Interface(
    fn=scrapear_pinterest,
    inputs=[
        gr.Textbox(label="Categoría a buscar", value="Escaramuza"),
        gr.Slider(minimum=1, maximum=500, step=1, label="Cantidad de imágenes", value=30),
    ],
    outputs=gr.JSON(label="URLs de imágenes"),
    title="Scraper Pinterest con Playwright y Gradio",
    description="Ingresa la categoría y cantidad de imágenes a obtener de Pinterest. Devuelve una lista de URLs en formato JSON."
)

if __name__ == "__main__":
    iface.launch()