modules/database/semantic_mongo_db.py

#/modules/database/semantic_mongo_db.py

# Importaciones estándar
import io
import base64
from datetime import datetime, timezone
import logging

# Importaciones de terceros
import matplotlib.pyplot as plt

# Importaciones locales
from .mongo_db import (
    get_collections,
    insert_document, 
    find_documents, 
    update_document, 
    delete_document
)

# Configuración del logger
logger = logging.getLogger(__name__)  # Cambiado de name a __name__
COLLECTION_NAME = 'student_semantic_analysis'

def store_student_semantic_result(username, text, analysis_result):
    """
    Guarda el resultado del análisis semántico en MongoDB.
    Args:
        username: Nombre del usuario
        text: Texto analizado
        analysis_result: Resultado del análisis
    Returns:
        bool: True si se guardó correctamente, False en caso contrario
    """
    try:
        # Convertir gráfico conceptual a formato base64
        concept_graph_data = None
        if 'concept_graph' in analysis_result and analysis_result['concept_graph'] is not None:
            buf = io.BytesIO()
            try:
                analysis_result['concept_graph'].savefig(buf, format='png', dpi=300, bbox_inches='tight')
                buf.seek(0)
                concept_graph_data = base64.b64encode(buf.getvalue()).decode('utf-8')
                plt.close(analysis_result['concept_graph'])  # Cerrar la figura
            except Exception as e:
                logger.error(f"Error al convertir gráfico conceptual: {str(e)}")

        # Convertir gráfico de entidades a formato base64
        entity_graph_data = None
        if 'entity_graph' in analysis_result and analysis_result['entity_graph'] is not None:
            buf = io.BytesIO()
            try:
                analysis_result['entity_graph'].savefig(buf, format='png', dpi=300, bbox_inches='tight')
                buf.seek(0)
                entity_graph_data = base64.b64encode(buf.getvalue()).decode('utf-8')
                plt.close(analysis_result['entity_graph'])  # Cerrar la figura
            except Exception as e:
                logger.error(f"Error al convertir gráfico de entidades: {str(e)}")

        # Crear documento para MongoDB
        analysis_document = {
            'username': username,
            'timestamp': datetime.now(timezone.utc).isoformat(),
            'text': text,
            'analysis_type': 'semantic',
            'key_concepts': analysis_result.get('key_concepts', []),
            'concept_graph': concept_graph_data,
            'entities': analysis_result.get('entities', {}),
            'entity_graph': entity_graph_data
        }

        # Insertar en MongoDB
        result = insert_document(COLLECTION_NAME, analysis_document)
        if result:
            logger.info(f"Análisis semántico guardado con ID: {result} para el usuario: {username}")
            return True
        
        logger.error("No se pudo insertar el documento en MongoDB")
        return False

    except Exception as e:
        logger.error(f"Error al guardar el análisis semántico: {str(e)}")
        return False
    finally:
        # Asegurarnos de cerrar cualquier figura pendiente
        plt.close('all')

def get_student_semantic_analysis(username, limit=10):
    """
    Recupera los análisis semánticos de un estudiante.
    Args:
        username: Nombre del usuario
        limit: Número máximo de análisis a retornar
    Returns:
        list: Lista de análisis semánticos
    """
    try:
        collection = get_collection(COLLECTION_NAME)
        if not collection:
            logger.error("No se pudo obtener la colección semantic")
            return []

        query = {
            "username": username,
            "analysis_type": "semantic"
        }
        
        # Definir los campos que queremos recuperar
        projection = {
            "timestamp": 1,
            "concept_graph": 1,
            "_id": 1
        }
        
        cursor = collection.find(query, projection).sort("timestamp", -1)
        
        if limit:
            cursor = cursor.limit(limit)
            
        result = list(cursor)
        logger.info(f"Recuperados {len(result)} análisis semánticos")
        return result
        
    except Exception as e:
        logger.error(f"Error recuperando análisis semántico: {str(e)}")
        return []

def update_student_semantic_analysis(analysis_id, update_data):
    """
    Actualiza un análisis semántico existente.
    Args:
        analysis_id: ID del análisis a actualizar
        update_data: Datos a actualizar
    """
    query = {"_id": analysis_id}
    update = {"$set": update_data}
    return update_document(COLLECTION_NAME, query, update)

def delete_student_semantic_analysis(analysis_id):
    """
    Elimina un análisis semántico.
    Args:
        analysis_id: ID del análisis a eliminar
    """
    query = {"_id": analysis_id}
    return delete_document(COLLECTION_NAME, query)

def get_student_semantic_data(username):
    """
    Obtiene todos los análisis semánticos de un estudiante.
    Args:
        username: Nombre del usuario
    Returns:
        dict: Diccionario con todos los análisis del estudiante
    """
    analyses = get_student_semantic_analysis(username, limit=None)
    
    formatted_analyses = []
    for analysis in analyses:
        formatted_analysis = {
            'timestamp': analysis['timestamp'],
            'text': analysis['text'],
            'key_concepts': analysis['key_concepts'],
            'entities': analysis['entities']
            # No incluimos los gráficos en el resumen general
        }
        formatted_analyses.append(formatted_analysis)
    
    return {
        'entries': formatted_analyses
    }

# Exportar las funciones necesarias
__all__ = [
    'store_student_semantic_result',
    'get_student_semantic_analysis',
    'update_student_semantic_analysis',
    'delete_student_semantic_analysis',
    'get_student_semantic_data'
]