Update modules/discourse/discourse_interface.py

modules/discourse/discourse_interface.py

@@ -1,281 +1,281 @@
-# modules/discourse/discourse/discourse_interface.py
-
-import streamlit as st
-import pandas as pd
-import plotly.graph_objects as go
-import logging
-from ..utils.widget_utils import generate_unique_key
-from .discourse_process import perform_discourse_analysis
-from ..database.chat_mongo_db import store_chat_history
-from ..database.discourse_mongo_db import store_student_discourse_result
-
-logger = logging.getLogger(__name__)
-
-def display_discourse_interface(lang_code, nlp_models, discourse_t):
-    """
-    Interfaz para el análisis del discurso
-    Args:
-        lang_code: Código del idioma actual
-        nlp_models: Modelos de spaCy cargados
-        discourse_t: Diccionario de traducciones
-    """
-    try:
-        # 1. Inicializar estado si no existe
-        if 'discourse_state' not in st.session_state:
-            st.session_state.discourse_state = {
-                'analysis_count': 0,
-                'last_analysis': None,
-                'current_files': None
-            }
-
-        # 2. Título y descripción
-        st.subheader(discourse_t.get('discourse_title', 'Análisis del Discurso'))
-        st.info(discourse_t.get('initial_instruction', 
-            'Cargue dos archivos de texto para realizar un análisis comparativo del discurso.'))
-
-        # 3. Área de carga de archivos
-        col1, col2 = st.columns(2)
-        with col1:
-            st.markdown(discourse_t.get('file1_label', "**Documento 1 (Patrón)**"))
-            uploaded_file1 = st.file_uploader(
-                discourse_t.get('file_uploader1', "Cargar archivo 1"),
-                type=['txt'],
-                key=f"discourse_file1_{st.session_state.discourse_state['analysis_count']}"
-            )
-
-        with col2:
-            st.markdown(discourse_t.get('file2_label', "**Documento 2 (Comparación)**"))
-            uploaded_file2 = st.file_uploader(
-                discourse_t.get('file_uploader2', "Cargar archivo 2"),
-                type=['txt'],
-                key=f"discourse_file2_{st.session_state.discourse_state['analysis_count']}"
-            )
-
-        # 4. Botón de análisis
-        col1, col2, col3 = st.columns([1,2,1])
-        with col1:
-            analyze_button = st.button(
-                discourse_t.get('discourse_analyze_button', 'Analizar Discurso'),
-                key=generate_unique_key("discourse", "analyze_button"),
-                type="primary",
-                icon="🔍",
-                disabled=not (uploaded_file1 and uploaded_file2),
-                use_container_width=True
-            )
-
-        # 5. Proceso de análisis
-        if analyze_button and uploaded_file1 and uploaded_file2:
-            try:
-                with st.spinner(discourse_t.get('processing', 'Procesando análisis...')):
-                    # Leer contenido de archivos
-                    text1 = uploaded_file1.getvalue().decode('utf-8')
-                    text2 = uploaded_file2.getvalue().decode('utf-8')
-
-                    # Realizar análisis
-                    result = perform_discourse_analysis(
-                        text1, 
-                        text2, 
-                        nlp_models[lang_code],
-                        lang_code
-                    )
-
-                    if result['success']:
-                        # Guardar estado
-                        st.session_state.discourse_result = result
-                        st.session_state.discourse_state['analysis_count'] += 1
-                        st.session_state.discourse_state['current_files'] = (
-                            uploaded_file1.name,
-                            uploaded_file2.name
-                        )
-
-                        # Guardar en base de datos
-                        if store_student_discourse_result(
-                            st.session_state.username,
-                            text1,
-                            text2,
-                            result
-                        ):
-                            st.success(discourse_t.get('success_message', 'Análisis guardado correctamente'))
-                            
-                            # Mostrar resultados
-                            display_discourse_results(result, lang_code, discourse_t)
-                        else:
-                            st.error(discourse_t.get('error_message', 'Error al guardar el análisis'))
-                    else:
-                        st.error(discourse_t.get('analysis_error', 'Error en el análisis'))
-
-            except Exception as e:
-                logger.error(f"Error en análisis del discurso: {str(e)}")
-                st.error(discourse_t.get('error_processing', f'Error procesando archivos: {str(e)}'))
-
-        # 6. Mostrar resultados previos
-        elif 'discourse_result' in st.session_state and st.session_state.discourse_result is not None:
-            if st.session_state.discourse_state.get('current_files'):
-                st.info(
-                    discourse_t.get('current_analysis_message', 'Mostrando análisis de los archivos: {} y {}')
-                    .format(*st.session_state.discourse_state['current_files'])
-                )
-            display_discourse_results(
-                st.session_state.discourse_result,
-                lang_code,
-                discourse_t
-            )
-
-    except Exception as e:
-        logger.error(f"Error general en interfaz del discurso: {str(e)}")
-        st.error(discourse_t.get('general_error', 'Se produjo un error. Por favor, intente de nuevo.'))
-
-
-
-#####################################################################################################################
-
-def display_discourse_results(result, lang_code, discourse_t):
-    """
-    Muestra los resultados del análisis del discurso
-    """
-    if not result.get('success'):
-        st.warning(discourse_t.get('no_results', 'No hay resultados disponibles'))
-        return
-
-    # Estilo CSS
-    st.markdown("""
-        <style>
-        .concepts-container {
-            display: flex;
-            flex-wrap: nowrap;
-            gap: 8px;
-            padding: 12px;
-            background-color: #f8f9fa;
-            border-radius: 8px;
-            overflow-x: auto;
-            margin-bottom: 15px;
-            white-space: nowrap;
-        }
-        .concept-item {
-            background-color: white;
-            border-radius: 4px;
-            padding: 6px 10px;
-            display: inline-flex;
-            align-items: center;
-            gap: 4px;
-            box-shadow: 0 1px 2px rgba(0,0,0,0.1);
-            flex-shrink: 0;
-        }
-        .concept-name {
-            font-weight: 500;
-            color: #1f2937;
-            font-size: 0.85em;
-        }
-        .concept-freq {
-            color: #6b7280;
-            font-size: 0.75em;
-        }
-        .graph-container {
-            background-color: white;
-            padding: 15px;
-            border-radius: 8px;
-            box-shadow: 0 2px 4px rgba(0,0,0,0.1);
-            margin-top: 10px;
-        }
-        </style>
-    """, unsafe_allow_html=True)
-
-    col1, col2 = st.columns(2)
-
-    # Documento 1
-    with col1:
-        st.subheader(discourse_t.get('doc1_title', 'Documento 1'))
-        st.markdown(discourse_t.get('key_concepts', 'Conceptos Clave'))
-        if 'key_concepts1' in result:
-            concepts_html = f"""
-                <div class="concepts-container">
-                    {''.join([
-                        f'<div class="concept-item"><span class="concept-name">{concept}</span>'
-                        f'<span class="concept-freq">({freq:.2f})</span></div>'
-                        for concept, freq in result['key_concepts1']
-                    ])}
-                </div>
-            """
-            st.markdown(concepts_html, unsafe_allow_html=True)
-
-            if 'graph1' in result:
-                st.markdown('<div class="graph-container">', unsafe_allow_html=True)
-                st.pyplot(result['graph1'])
-                
-                # Botones y controles
-                button_col1, spacer_col1 = st.columns([1,4])
-                with button_col1:
-                    if 'graph1_bytes' in result:
-                        st.download_button(
-                            label="📥 " + discourse_t.get('download_graph', "Download"),
-                            data=result['graph1_bytes'],
-                            file_name="discourse_graph1.png",
-                            mime="image/png",
-                            use_container_width=True
-                        )
-
-                # Interpretación como texto normal sin expander
-                st.markdown("**📊 Interpretación del grafo:**")
-                st.markdown("""
-                    - 🔀 Las flechas indican la dirección de la relación entre conceptos
-                    - 🎨 Los colores más intensos indican conceptos más centrales en el texto
-                    - ⭕ El tamaño de los nodos representa la frecuencia del concepto
-                    - ↔️ El grosor de las líneas indica la fuerza de la conexión
-                """)
-                
-                st.markdown('</div>', unsafe_allow_html=True)
-            else:
-                st.warning(discourse_t.get('graph_not_available', 'Gráfico no disponible'))
-        else:
-            st.warning(discourse_t.get('concepts_not_available', 'Conceptos no disponibles'))
-
-    # Documento 2
-    with col2:
-        st.subheader(discourse_t.get('doc2_title', 'Documento 2'))
-        st.markdown(discourse_t.get('key_concepts', 'Conceptos Clave'))
-        if 'key_concepts2' in result:
-            concepts_html = f"""
-                <div class="concepts-container">
-                    {''.join([
-                        f'<div class="concept-item"><span class="concept-name">{concept}</span>'
-                        f'<span class="concept-freq">({freq:.2f})</span></div>'
-                        for concept, freq in result['key_concepts2']
-                    ])}
-                </div>
-            """
-            st.markdown(concepts_html, unsafe_allow_html=True)
-
-            if 'graph2' in result:
-                st.markdown('<div class="graph-container">', unsafe_allow_html=True)
-                st.pyplot(result['graph2'])
-                
-                # Botones y controles
-                button_col2, spacer_col2 = st.columns([1,4])
-                with button_col2:
-                    if 'graph2_bytes' in result:
-                        st.download_button(
-                            label="📥 " + discourse_t.get('download_graph', "Download"),
-                            data=result['graph2_bytes'],
-                            file_name="discourse_graph2.png",
-                            mime="image/png",
-                            use_container_width=True
-                        )
-
-                # Interpretación como texto normal sin expander
-                st.markdown("**📊 Interpretación del grafo:**")
-                st.markdown("""
-                    - 🔀 Las flechas indican la dirección de la relación entre conceptos
-                    - 🎨 Los colores más intensos indican conceptos más centrales en el texto
-                    - ⭕ El tamaño de los nodos representa la frecuencia del concepto
-                    - ↔️ El grosor de las líneas indica la fuerza de la conexión
-                """)
-                
-                st.markdown('</div>', unsafe_allow_html=True)
-            else:
-                st.warning(discourse_t.get('graph_not_available', 'Gráfico no disponible'))
-        else:
-            st.warning(discourse_t.get('concepts_not_available', 'Conceptos no disponibles'))
-
-    # Nota informativa sobre la comparación
-    st.info(discourse_t.get('comparison_note', 
+# modules/discourse/discourse/discourse_interface.py
+
+import streamlit as st
+import pandas as pd
+import plotly.graph_objects as go
+import logging
+from ..utils.widget_utils import generate_unique_key
+from .discourse_process import perform_discourse_analysis
+from ..database.chat_mongo_db import store_chat_history
+from ..database.discourse_mongo_db import store_student_discourse_result
+
+logger = logging.getLogger(__name__)
+
+def display_discourse_interface(lang_code, nlp_models, discourse_t):
+    """
+    Interfaz para el análisis del discurso
+    Args:
+        lang_code: Código del idioma actual
+        nlp_models: Modelos de spaCy cargados
+        discourse_t: Diccionario de traducciones
+    """
+    try:
+        # 1. Inicializar estado si no existe
+        if 'discourse_state' not in st.session_state:
+            st.session_state.discourse_state = {
+                'analysis_count': 0,
+                'last_analysis': None,
+                'current_files': None
+            }
+
+        # 2. Título y descripción
+        st.subheader(discourse_t.get('discourse_title', 'Análisis del Discurso'))
+        st.info(discourse_t.get('initial_instruction', 
+            'Cargue dos archivos de texto para realizar un análisis comparativo del discurso.'))
+
+        # 3. Área de carga de archivos
+        col1, col2 = st.columns(2)
+        with col1:
+            st.markdown(discourse_t.get('file1_label', "**Documento 1 (Patrón)**"))
+            uploaded_file1 = st.file_uploader(
+                discourse_t.get('file_uploader1', "Cargar archivo 1"),
+                type=['txt'],
+                key=f"discourse_file1_{st.session_state.discourse_state['analysis_count']}"
+            )
+
+        with col2:
+            st.markdown(discourse_t.get('file2_label', "**Documento 2 (Comparación)**"))
+            uploaded_file2 = st.file_uploader(
+                discourse_t.get('file_uploader2', "Cargar archivo 2"),
+                type=['txt'],
+                key=f"discourse_file2_{st.session_state.discourse_state['analysis_count']}"
+            )
+
+        # 4. Botón de análisis
+        col1, col2, col3 = st.columns([1,2,1])
+        with col1:
+            analyze_button = st.button(
+                discourse_t.get('discourse_analyze_button', 'Comparar textos'),
+                key=generate_unique_key("discourse", "analyze_button"),
+                type="primary",
+                icon="🔍",
+                disabled=not (uploaded_file1 and uploaded_file2),
+                use_container_width=True
+            )
+
+        # 5. Proceso de análisis
+        if analyze_button and uploaded_file1 and uploaded_file2:
+            try:
+                with st.spinner(discourse_t.get('processing', 'Procesando análisis...')):
+                    # Leer contenido de archivos
+                    text1 = uploaded_file1.getvalue().decode('utf-8')
+                    text2 = uploaded_file2.getvalue().decode('utf-8')
+
+                    # Realizar análisis
+                    result = perform_discourse_analysis(
+                        text1, 
+                        text2, 
+                        nlp_models[lang_code],
+                        lang_code
+                    )
+
+                    if result['success']:
+                        # Guardar estado
+                        st.session_state.discourse_result = result
+                        st.session_state.discourse_state['analysis_count'] += 1
+                        st.session_state.discourse_state['current_files'] = (
+                            uploaded_file1.name,
+                            uploaded_file2.name
+                        )
+
+                        # Guardar en base de datos
+                        if store_student_discourse_result(
+                            st.session_state.username,
+                            text1,
+                            text2,
+                            result
+                        ):
+                            st.success(discourse_t.get('success_message', 'Análisis guardado correctamente'))
+                            
+                            # Mostrar resultados
+                            display_discourse_results(result, lang_code, discourse_t)
+                        else:
+                            st.error(discourse_t.get('error_message', 'Error al guardar el análisis'))
+                    else:
+                        st.error(discourse_t.get('analysis_error', 'Error en el análisis'))
+
+            except Exception as e:
+                logger.error(f"Error en análisis del discurso: {str(e)}")
+                st.error(discourse_t.get('error_processing', f'Error procesando archivos: {str(e)}'))
+
+        # 6. Mostrar resultados previos
+        elif 'discourse_result' in st.session_state and st.session_state.discourse_result is not None:
+            if st.session_state.discourse_state.get('current_files'):
+                st.info(
+                    discourse_t.get('current_analysis_message', 'Mostrando análisis de los archivos: {} y {}')
+                    .format(*st.session_state.discourse_state['current_files'])
+                )
+            display_discourse_results(
+                st.session_state.discourse_result,
+                lang_code,
+                discourse_t
+            )
+
+    except Exception as e:
+        logger.error(f"Error general en interfaz del discurso: {str(e)}")
+        st.error(discourse_t.get('general_error', 'Se produjo un error. Por favor, intente de nuevo.'))
+
+
+
+#####################################################################################################################
+
+def display_discourse_results(result, lang_code, discourse_t):
+    """
+    Muestra los resultados del análisis del discurso
+    """
+    if not result.get('success'):
+        st.warning(discourse_t.get('no_results', 'No hay resultados disponibles'))
+        return
+
+    # Estilo CSS
+    st.markdown("""
+        <style>
+        .concepts-container {
+            display: flex;
+            flex-wrap: nowrap;
+            gap: 8px;
+            padding: 12px;
+            background-color: #f8f9fa;
+            border-radius: 8px;
+            overflow-x: auto;
+            margin-bottom: 15px;
+            white-space: nowrap;
+        }
+        .concept-item {
+            background-color: white;
+            border-radius: 4px;
+            padding: 6px 10px;
+            display: inline-flex;
+            align-items: center;
+            gap: 4px;
+            box-shadow: 0 1px 2px rgba(0,0,0,0.1);
+            flex-shrink: 0;
+        }
+        .concept-name {
+            font-weight: 500;
+            color: #1f2937;
+            font-size: 0.85em;
+        }
+        .concept-freq {
+            color: #6b7280;
+            font-size: 0.75em;
+        }
+        .graph-container {
+            background-color: white;
+            padding: 15px;
+            border-radius: 8px;
+            box-shadow: 0 2px 4px rgba(0,0,0,0.1);
+            margin-top: 10px;
+        }
+        </style>
+    """, unsafe_allow_html=True)
+
+    col1, col2 = st.columns(2)
+
+    # Documento 1
+    with col1:
+        st.subheader(discourse_t.get('doc1_title', 'Documento 1'))
+        st.markdown(discourse_t.get('key_concepts', 'Conceptos Clave'))
+        if 'key_concepts1' in result:
+            concepts_html = f"""
+                <div class="concepts-container">
+                    {''.join([
+                        f'<div class="concept-item"><span class="concept-name">{concept}</span>'
+                        f'<span class="concept-freq">({freq:.2f})</span></div>'
+                        for concept, freq in result['key_concepts1']
+                    ])}
+                </div>
+            """
+            st.markdown(concepts_html, unsafe_allow_html=True)
+
+            if 'graph1' in result:
+                st.markdown('<div class="graph-container">', unsafe_allow_html=True)
+                st.pyplot(result['graph1'])
+                
+                # Botones y controles
+                button_col1, spacer_col1 = st.columns([1,4])
+                with button_col1:
+                    if 'graph1_bytes' in result:
+                        st.download_button(
+                            label="📥 " + discourse_t.get('download_graph', "Download"),
+                            data=result['graph1_bytes'],
+                            file_name="discourse_graph1.png",
+                            mime="image/png",
+                            use_container_width=True
+                        )
+
+                # Interpretación como texto normal sin expander
+                st.markdown("**📊 Interpretación del grafo:**")
+                st.markdown("""
+                    - 🔀 Las flechas indican la dirección de la relación entre conceptos
+                    - 🎨 Los colores más intensos indican conceptos más centrales en el texto
+                    - ⭕ El tamaño de los nodos representa la frecuencia del concepto
+                    - ↔️ El grosor de las líneas indica la fuerza de la conexión
+                """)
+                
+                st.markdown('</div>', unsafe_allow_html=True)
+            else:
+                st.warning(discourse_t.get('graph_not_available', 'Gráfico no disponible'))
+        else:
+            st.warning(discourse_t.get('concepts_not_available', 'Conceptos no disponibles'))
+
+    # Documento 2
+    with col2:
+        st.subheader(discourse_t.get('doc2_title', 'Documento 2'))
+        st.markdown(discourse_t.get('key_concepts', 'Conceptos Clave'))
+        if 'key_concepts2' in result:
+            concepts_html = f"""
+                <div class="concepts-container">
+                    {''.join([
+                        f'<div class="concept-item"><span class="concept-name">{concept}</span>'
+                        f'<span class="concept-freq">({freq:.2f})</span></div>'
+                        for concept, freq in result['key_concepts2']
+                    ])}
+                </div>
+            """
+            st.markdown(concepts_html, unsafe_allow_html=True)
+
+            if 'graph2' in result:
+                st.markdown('<div class="graph-container">', unsafe_allow_html=True)
+                st.pyplot(result['graph2'])
+                
+                # Botones y controles
+                button_col2, spacer_col2 = st.columns([1,4])
+                with button_col2:
+                    if 'graph2_bytes' in result:
+                        st.download_button(
+                            label="📥 " + discourse_t.get('download_graph', "Download"),
+                            data=result['graph2_bytes'],
+                            file_name="discourse_graph2.png",
+                            mime="image/png",
+                            use_container_width=True
+                        )
+
+                # Interpretación como texto normal sin expander
+                st.markdown("**📊 Interpretación del grafo:**")
+                st.markdown("""
+                    - 🔀 Las flechas indican la dirección de la relación entre conceptos
+                    - 🎨 Los colores más intensos indican conceptos más centrales en el texto
+                    - ⭕ El tamaño de los nodos representa la frecuencia del concepto
+                    - ↔️ El grosor de las líneas indica la fuerza de la conexión
+                """)
+                
+                st.markdown('</div>', unsafe_allow_html=True)
+            else:
+                st.warning(discourse_t.get('graph_not_available', 'Gráfico no disponible'))
+        else:
+            st.warning(discourse_t.get('concepts_not_available', 'Conceptos no disponibles'))
+
+    # Nota informativa sobre la comparación
+    st.info(discourse_t.get('comparison_note', 
         'La funcionalidad de comparación detallada estará disponible en una próxima actualización.'))