# 피어슨 유사도
def sim_pearson(data, id1, id2):
    avg_id1 = 0
    avg_id2 = 0
    count = 0

    for tech in data[id1]:
        if tech in data[id2]:
            avg_id1 = data[id1][tech]
            avg_id2 = data[id2][tech]
            count += 1
    avg_id1 = avg_id1 / count
    avg_id2 = avg_id2 / count

    sum_id1 = 0
    sum_id2 = 0
    sum_id1_id2 = 0
    count = 0

    for tech in data[id1]:
        if tech in data[id2]:
            sum_id1 += pow(data[id1][tech] - avg_id1, 2)
            sum_id2 += pow(data[id2][tech] - avg_id2, 2)
            sum_id1_id2 += (data[id1][tech] - avg_id1) * (data[id2][tech] - avg_id2)

    return sum_id1_id2 / (math.sqrt(sum_id1) * math.sqrt(sum_id2))

# 가장 유사도 높은 거 뽑기
def top_match(data, id, index=3, sim_function=sim_pearson):
    li = []

    for i in data:  # 딕셔너리를 돌고
        if id != i:  # 자기 자신이 아닐때만
            li.append((sim_function(data, id, i), i))  # sim_function()을 통해 상관계수를 구하고 li[]에 추가
    li.sort()  # 오름차순
    li.reverse()  # 내림차순
    return li[:index]

def getRecommendation(data, myId, sim_function=sim_pearson):
    result = top_match(data, myId)
    # print(result)
    simSum = 0  # 유사도 합을 위한 변수
    score = 0  # 평점 합을 위한 변수
    li = []  # 리턴을 위한 리스트
    score_dic = {}  # 유사도 총합을 위한 dic
    sim_dic = {}  # 평점 총합을 위한 dic

    for sim, otherId in result:  # 튜플이므로 한번에
        if sim <= 0:
            continue  # 유사도가 양수인 사람만
        for recruit in data[otherId]:
            if data[otherId][recruit] == 1 and recruit not in data[myId]: # 내 찜 목록에 없는데 그 사람 찜 목록에 있으면
                score += sim * data[otherId][recruit]
                score_dic.setdefault(recruit, 0)  # 기본값 설정
                score_dic[recruit] += score  # 합계 구함

                sim_dic.setdefault(recruit, 0)
                sim_dic[recruit] += sim
                continue
            if (data[myId][recruit] == 0 or recruit not in data[myId]) and data[otherId][recruit] == 1:  # 나는 찜 안 했는데 그 사람은 찜한 목록
            # if recruit in data[myId] and data[otherId][recruit] == 1:  # 나는 찜 안 했는데 그 사람은 찜한 목록
                score += sim * data[otherId][recruit]  # 그 사람의 찜 공고
                score_dic.setdefault(recruit, 0)  # 기본값 설정
                score_dic[recruit] += score  # 합계 구함

                # 조건에 맞는 사람의 유사도의 누적합을 구한다
                sim_dic.setdefault(recruit, 0)
                sim_dic[recruit] += sim

            score = 0  # 공고가 바뀌었으니 초기화한다

    for key in score_dic:
        score_dic[key] = sim_dic[key] != 0 and score_dic[key] / sim_dic[key] or 1.0  # 평점 총합 / 유사도 총합
        li.append((score_dic[key], key))  # list((tuple))의 리턴을 위해서.
    li.sort()  # 오름차순
    li.reverse()  # 내림차순
    return li

def main(access_token, recruit_id, receiver_uuids):
    print(receiver_uuids)
    uuids=receiver_uuids.split('*')
    
    tmp=""
    for i in uuids:
        tmp+='"'+i+'",'
    tmp=tmp[:len(tmp)-1]
    
    conn = pymysql.connect(host='localhost', user='root', password='ssafy', db='test', charset='utf8')
    curs = conn.cursor()
    # sql = "select * from recruits where recruit_id = (select recruit_id from recommend where user_id = "+user_id+" ) "
    sql = "select * from recruit where id = " + recruit_id

    curs.execute(sql)
    rows = curs.fetchall()
    rows_data = pd.DataFrame(rows)
    
    like_cnt=100
    title = rows_data[8][0]
    image_url=rows_data[3][0]
    if(image_url == ''):
        image_url="http://mud-kage.kakao.co.kr/dn/NTmhS/btqfEUdFAUf/FjKzkZsnoeE4o19klTOVI1/openlink_640x640s.jpg"
    description = rows_data[7][0]
    recruit_url=rows_data[9][0]
    
    print(title)
    print(description)
    # image_url="http://mud-kage.kakao.co.kr/dn/NTmhS/btqfEUdFAUf/FjKzkZsnoeE4o19klTOVI1/openlink_640x640s.jpg"

    template_dict_data = str({
        "object_type": "feed",
        "content": {
            "title": title,
            "description": description,
            "image_url": image_url,
            "image_width": 640,
            "image_height": 640,
            "link": {
                "web_url": recruit_url,
                "mobile_web_url": recruit_url,
                "android_execution_params": recruit_url,
                "ios_execution_params": recruit_url
            }
        },
        "social": {
            "like_count": like_cnt
        },
        "buttons": [
            {
                "title": "웹으로 이동",
                "link": {
                    "web_url": recruit_url,
                    "mobile_web_url": recruit_url
                }
            }
        ]
    })

    kakao_to_me_uri = 'https://kapi.kakao.com//v1/api/talk/friends/message/default/send'


    headers = {
        'Content-Type': "application/x-www-form-urlencoded",
        'Authorization': "Bearer " + access_token,
    }

    template_object = str(json.dumps(template_dict_data))
    template_object = template_object.replace("\"", "")
    template_object = template_object.replace("'", "\"")

    params = {}
    params['receiver_uuids'] = '['+tmp+']'
    params['template_object'] = template_object

    response = requests.request(method="POST", url=kakao_to_me_uri, params=params, headers=headers)
    print(response.json())

if __name__ == "__main__":
    main(sys.argv[1] , sys.argv[2] , sys.argv[3])