# Выбрать художественный текст (четные варианты – русскоязычный, нечетные – англоязычный) и обучить на нем
# рекуррентную нейронную сеть для решения задачи генерации. Подобрать архитектуру и параметры так, чтобы приблизиться
# к максимально осмысленному результату. Далее разбиться на пары четный-нечетный вариант, обменяться разработанными
# сетями и проверить, как архитектура товарища справляется с вашим текстом. В завершении подобрать компромиссную
# архитектуру, справляющуюся достаточно хорошо с обоими видами текстов.

import numpy as np
from keras.models import Sequential
from keras.layers import Embedding, LSTM, Dense
from keras.preprocessing.text import Tokenizer
from keras.preprocessing.sequence import pad_sequences

def load_text(file_path):
    with open(file_path, encoding='utf-8') as file:
        return file.read()


def create_tokenizer(text):
    tokenizer = Tokenizer()
    tokenizer.fit_on_texts([text])
    return tokenizer


def generate_input_sequences(text, tokenizer):
    input_sequences = []
    for line in text.split('\n'):
        token_list = tokenizer.texts_to_sequences([line])[0]
        for i in range(1, len(token_list)):
            n_gram_sequence = token_list[:i + 1]
            input_sequences.append(n_gram_sequence)

    max_sequence_length = max([len(x) for x in input_sequences])
    input_sequences = pad_sequences(input_sequences, maxlen=max_sequence_length, padding='pre')

    predictors, labels = input_sequences[:, :-1], input_sequences[:, -1]
    return predictors, labels, max_sequence_length


def create_model(total_words, max_sequence_length):
    model = Sequential()
    model.add(Embedding(total_words, 100, input_length=max_sequence_length - 1))
    model.add(LSTM(150))
    model.add(Dense(total_words, activation='softmax'))

    model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model


def train_model(model, predictors, labels, epochs):
    model.fit(predictors, labels, epochs=epochs, verbose=1)


def generate_text(seed_text, next_words, model, tokenizer, max_sequence_length):
    for _ in range(next_words):
        token_list = tokenizer.texts_to_sequences([seed_text])[0]
        token_list = pad_sequences([token_list], maxlen=max_sequence_length - 1, padding='pre')
        predicted = np.argmax(model.predict(token_list), axis=-1)
        output_word = ""
        for word, index in tokenizer.word_index.items():
            if index == predicted:
                output_word = word
                break
        seed_text += " " + output_word
    return seed_text


# Загрузка текста
#file_path = 'russian_text.txt'
file_path = 'english_text.txt'
text = load_text(file_path)

# Создание токенизатора
tokenizer = create_tokenizer(text)
total_words = len(tokenizer.word_index) + 1

# Генерация входных последовательностей
predictors, labels, max_sequence_length = generate_input_sequences(text, tokenizer)

# Создание модели
model = create_model(total_words, max_sequence_length)

# Тренировка модели
train_model(model, predictors, labels, epochs=150)

# Генерация текста
seed_text = "Old man"
next_words = 50
generated_text = generate_text(seed_text, next_words, model, tokenizer, max_sequence_length)
print(generated_text)