modules/semantic/semantic_interface.py

#modules/semantic/semantic_interface.py
import streamlit as st
from streamlit_float import *
from streamlit_antd_components import *
from streamlit.components.v1 import html
import spacy_streamlit
import io
from io import BytesIO
import base64
import matplotlib.pyplot as plt
import pandas as pd
import re
import logging

# Configuración del logger
logger = logging.getLogger(__name__)

# Importaciones locales
from .semantic_process import (
    process_semantic_input,
    format_semantic_results
)

from ..utils.widget_utils import generate_unique_key
from ..database.semantic_mongo_db import store_student_semantic_result
from ..database.chat_mongo_db import store_chat_history, get_chat_history

# from ..database.semantic_export import export_user_interactions


###############################

# En semantic_interface.py
def display_semantic_interface(lang_code, nlp_models, semantic_t):
    try:
        # 1. Inicializar el estado de la sesión
        if 'semantic_state' not in st.session_state:
            st.session_state.semantic_state = {
                'analysis_count': 0,
                'last_analysis': None,
                'current_file': None,
                'pending_analysis': False  # Nuevo flag para controlar el análisis pendiente
            }

        # 2. Área de carga de archivo con mensaje informativo
        st.info(semantic_t.get('initial_instruction', 
            'Para comenzar un nuevo análisis semántico, cargue un archivo de texto (.txt)'))
            
        uploaded_file = st.file_uploader(
            semantic_t.get('semantic_file_uploader', 'Upload a text file for semantic analysis'),
            type=['txt'],
            key=f"semantic_file_uploader_{st.session_state.semantic_state['analysis_count']}"
        )

        # 2.1 Verificar si hay un archivo cargado y un análisis pendiente
        if uploaded_file is not None and st.session_state.semantic_state.get('pending_analysis', False):
            try:
                with st.spinner(semantic_t.get('processing', 'Processing...')):
                    # Realizar análisis
                    text_content = uploaded_file.getvalue().decode('utf-8')
                    
                    analysis_result = process_semantic_input(
                        text_content, 
                        lang_code,
                        nlp_models,
                        semantic_t
                    )
                    
                    if analysis_result['success']:
                        # Guardar resultado
                        st.session_state.semantic_result = analysis_result
                        st.session_state.semantic_state['analysis_count'] += 1
                        st.session_state.semantic_state['current_file'] = uploaded_file.name
                        
                        # Guardar en base de datos
                        storage_success = store_student_semantic_result(
                            st.session_state.username,
                            text_content,
                            analysis_result['analysis']
                        )
                        
                        if storage_success:
                            st.success(
                                semantic_t.get('analysis_complete', 
                                'Análisis completado y guardado. Para realizar un nuevo análisis, cargue otro archivo.')
                            )
                        else:
                            st.error(semantic_t.get('error_message', 'Error saving analysis'))
                    else:
                        st.error(analysis_result['message'])
                    
                # Restablecer el flag de análisis pendiente
                st.session_state.semantic_state['pending_analysis'] = False
                    
            except Exception as e:
                logger.error(f"Error en análisis semántico: {str(e)}")
                st.error(semantic_t.get('error_processing', f'Error processing text: {str(e)}'))
                # Restablecer el flag de análisis pendiente en caso de error
                st.session_state.semantic_state['pending_analysis'] = False

        # 3. Columnas para los botones y mensajes
        col1, col2 = st.columns([1,4])
        
        # 4. Botón de análisis
        with col1:
            analyze_button = st.button(
                semantic_t.get('semantic_analyze_button', 'Analyze'),
                key=f"semantic_analyze_button_{st.session_state.semantic_state['analysis_count']}",
                type="primary",
                icon="🔍",
                disabled=uploaded_file is None,
                use_container_width=True
            )

        # 5. Procesar análisis
        if analyze_button and uploaded_file is not None:
            # En lugar de realizar el análisis inmediatamente, establecer el flag
            st.session_state.semantic_state['pending_analysis'] = True
            # Forzar la recarga de la aplicación
            st.rerun()
        
        # 6. Mostrar resultados previos o mensaje inicial
        elif 'semantic_result' in st.session_state and st.session_state.semantic_result is not None:
            # Mostrar mensaje sobre el análisis actual
            st.info(
                semantic_t.get('current_analysis_message', 
                'Mostrando análisis del archivo: {}. Para realizar un nuevo análisis, cargue otro archivo.'
                ).format(st.session_state.semantic_state["current_file"])
            )
                        
            display_semantic_results(
                st.session_state.semantic_result,
                lang_code,
                semantic_t
            )
        else:
            st.info(semantic_t.get('upload_prompt', 'Cargue un archivo para comenzar el análisis'))

    except Exception as e:
        logger.error(f"Error general en interfaz semántica: {str(e)}")
        st.error(semantic_t.get('general_error', "Se produjo un error. Por favor, intente de nuevo."))


#######################################
def display_semantic_results(semantic_result, lang_code, semantic_t):
    """
    Muestra los resultados del análisis semántico de conceptos clave.
    Versión simplificada que muestra el gráfico directamente.
    """
    if semantic_result is None or not semantic_result['success']:
        st.warning(semantic_t.get('no_results', 'No results available'))
        return

    analysis = semantic_result['analysis']

    # Mostrar conceptos clave
    st.subheader(semantic_t.get('key_concepts', 'Key Concepts'))
    if 'key_concepts' in analysis and analysis['key_concepts']:
        df = pd.DataFrame(
            analysis['key_concepts'],
            columns=[
                semantic_t.get('concept', 'Concept'),
                semantic_t.get('frequency', 'Frequency')
            ]
        )
        
        # Mostrar conceptos como chips
        cols = st.columns(4)  # 4 columnas para distribuir los conceptos
        for i, (concept, freq) in enumerate(df.values):
            with cols[i % 4]:
                st.markdown(
                    f"""
                    <div style="
                        background-color: #f0f2f6;
                        border-radius: 20px;
                        padding: 8px 12px;
                        margin: 5px 0;
                        text-align: center;
                    ">
                        <b>{concept}</b><br>
                        <small>{freq:.2f}</small>
                    </div>
                    """,
                    unsafe_allow_html=True
                )
    else:
        st.info(semantic_t.get('no_concepts', 'No key concepts found'))

    # Mostrar gráfico de conceptos directamente
    if 'concept_graph' in analysis and analysis['concept_graph'] is not None:
        try:
            # Mostrar el gráfico directamente con st.image()
            st.image(
                analysis['concept_graph'],
                use_column_width=True,
                caption=semantic_t.get('graph_description', 'Visualización de relaciones entre conceptos clave')
            )

            # Sección de interpretación
            with st.expander("📊 " + semantic_t.get('semantic_graph_interpretation', "Interpretación del gráfico")):
                st.markdown(f"""
                - 🔀 {semantic_t.get('semantic_arrow_meaning', 'Flechas: dirección de la relación')}
                - 🎨 {semantic_t.get('semantic_color_meaning', 'Color: centralidad del concepto')}
                - ⭕ {semantic_t.get('semantic_size_meaning', 'Tamaño: frecuencia del concepto')}
                - ↔️ {semantic_t.get('semantic_thickness_meaning', 'Grosor: fuerza de la conexión')}
                """)
            
            # Botón de descarga
            st.download_button(
                label="📥 " + semantic_t.get('download_graph', "Descargar gráfico"),
                data=analysis['concept_graph'],
                file_name="semantic_network.png",
                mime="image/png"
            )
            
        except Exception as e:
            logger.error(f"Error al mostrar el gráfico: {str(e)}")
            st.error(semantic_t.get('graph_error', 'Error al visualizar el gráfico'))
    else:
        st.info(semantic_t.get('no_graph', 'No se generó el gráfico de conceptos'))