import sqlite3

# データベースファイルに接続（なければ自動的に作成される）
conn = sqlite3.connect('test.db')
cursor = conn.cursor()

# テーブル作成
cursor.execute('''
CREATE TABLE IF NOT EXISTS ingredients (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    name TEXT NOT NULL,
    quantity INTEGER NOT NULL,
    unit TEXT NOT NULL,
    expiration_date TEXT
)
''')

# ダミーデータ挿入
sample_data = [
    ("たまねぎ", 10, "個", "2025-05-01"),
    ("にんじん", 5, "本", "2025-04-15"),
    ("じゃがいも", 20, "個", "2025-04-20"),
    ("牛乳", 2, "本", "2025-04-11"),
    ("卵", 12, "個", "2025-04-18"),
    ("鶏むね肉", 3, "枚", "2025-04-13"),
    ("小麦粉", 1, "袋", "2025-10-01"),
    ("砂糖", 1, "袋", "2026-01-01"),
    ("塩", 1, "袋", None),
]

cursor.executemany('''
INSERT INTO ingredients (name, quantity, unit, expiration_date)
VALUES (?, ?, ?, ?)
''', sample_data)

# コミットして保存
conn.commit()

# データ確認
cursor.execute("SELECT * FROM ingredients")
for row in cursor.fetchall():
    print(row)

# 接続を閉じる
conn.close()

use freetype::Library;

// image = "0.25.6" を追加
use image::{GrayImage, Luma};

fn main() -> Result<(), Box<dyn std::error::Error>> {

    // FreeTypeライブラリ初期化
    let lib = Library::init()?;

    // フォント読み込み
    let face = lib.new_face("C:/Windows/Fonts/arial.ttf", 0)?;
    face.set_char_size(40 * 64, 0, 300, 0)?; // 40pt, 300dpi

    // 描画する文字
    face.load_char('A' as usize, freetype::face::LoadFlag::RENDER)?;

    let glyph = face.glyph();
    let bitmap = glyph.bitmap();

    let width = bitmap.width() as u32;
    let rows = bitmap.rows() as u32;

    // グレースケール画像作成
    let mut img = GrayImage::new(width, rows);

    for y in 0..rows {
        for x in 0..width {
            let value = bitmap.buffer()[(y * width + x) as usize];
            img.put_pixel(x, y, Luma([value]));
        }
    }

    img.save("glyph.png")?;// 出力

    Ok(())
}

from langchain_ollama import OllamaLLM

import re

llm = OllamaLLM(model="qwen3:8b")
response = llm.invoke("こんにちは")

response_without_think = re.sub(r"<think>.*?</think>", "", response, flags=re.DOTALL)

print(response_without_think)

from langchain_ollama import OllamaEmbeddings
from langchain_community.vectorstores import FAISS
from langchain_community.document_loaders import TextLoader
from langchain_ollama import OllamaLLM
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.chains import RetrievalQA

import re
import subprocess

def GetPythonCodeLLM( llm,shiji ):
   response = llm.invoke("あなたはWindows上で動作するPythonコード生成器です。次の指示を実行可能なPythonコードを作成せよ。出力にPythonコード以外の内容を一切含めてはならない。コードはMarkdownのコードブロックで囲むこと。以下指示："+ shiji )

   # <think>...</think> を削除
   response_without_think = re.sub(r"<think>.*?</think>", "", response, flags=re.DOTALL)
   
   return response_without_think

def extract_python_code_blocks(text):
    """
    与えられた文字列から、 ```python ～ ``` で囲まれた範囲のコードをリストで返す。
    """
    pattern = r"```python\s*(.*?)```"
    match = re.search(pattern, text, re.DOTALL)
    return match.group(1) if match else None

llm = OllamaLLM(model="qwen3:8b")



instructions = input("指示：").strip().lower()

response = GetPythonCodeLLM(llm,instructions)
code = extract_python_code_blocks(response)

print(">>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>")
print(code)
print("<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<")
confirmation = input("処理を続行しますか？ [Y/n]: ").strip().lower()

if confirmation in ['', 'y', 'yes']:

    with open('job.py', 'w') as file:
        file.write(code)
    subprocess.run(["python", "job.py"])

else:
    print("処理を中止しました。")

import requests

res = requests.post("http://localhost:11434/api/generate", json={
    "model": "llama3",
    "prompt": "こんにちは。お元気ですか？",
    "stream": False
})

print(res.json()["response"])