Update modules/studentact/current_situation_interface.py

modules/studentact/current_situation_interface.py

@@ -96,92 +96,148 @@ def display_current_situation_interface(lang_code, nlp_models, t):
     """
     Interfaz con columnas de texto y resultados distribuidas equitativamente.
     """
+    # Inicializar estados si no existen
+    if 'text_base' not in st.session_state:
+        st.session_state.text_base = ""
+    
+    if 'text_iteration' not in st.session_state:
+        st.session_state.text_iteration = ""
+    
+    if 'show_base_results' not in st.session_state:
+        st.session_state.show_base_results = False
+    
+    if 'show_iteration_results' not in st.session_state:
+        st.session_state.show_iteration_results = False
+    
+    if 'base_doc' not in st.session_state:
+        st.session_state.base_doc = None
+    
+    if 'iteration_doc' not in st.session_state:
+        st.session_state.iteration_doc = None
+    
+    if 'base_metrics' not in st.session_state:
+        st.session_state.base_metrics = None
+    
+    if 'iteration_metrics' not in st.session_state:
+        st.session_state.iteration_metrics = None
+
     try:
-        # Inicializar estados
-        if 'text_input' not in st.session_state:
-            st.session_state.text_input = ""
-            st.session_state.baseline_metrics = None
-            st.session_state.baseline_text = None
-            st.session_state.iteration_text = ""
-            st.session_state.iteration_metrics = None
-
-        # Usar proporciones específicas para las columnas y garantizar que estén contiguas
-        cols = st.columns([3, 2, 3, 2], gap="small")
-        
-        # Columna 1: Texto Base (3 unidades de ancho)
-        with cols[0]:
-            st.markdown("### Texto Base")
-            text_input = st.text_area(
-                "Escribe o pega tu texto aquí:",
+    # Container principal con cuatro columnas
+    with st.container():
+        # Crear las cuatro columnas con distribución equitativa
+        text_base_col, metrics_base_col, text_iter_col, metrics_iter_col = st.columns([3,2,3,2], gap="small")
+
+        # COLUMNA 1: Texto Base
+        with text_base_col:
+            text_base = st.text_area(
+                t.get('input_prompt_base', "Escribe o pega el texto base aquí:"),
                 height=400,
                 key="text_area_base",
-                value=st.session_state.text_input,
-                help="Este texto servirá como línea base"
+                value=st.session_state.text_base,
+                help="Este texto servirá como línea base para la comparación"
             )
-            
-            baseline_button = st.button(
-                "Establecer Línea Base",
+
+            # Manejar cambios en el texto base
+            if text_base != st.session_state.text_base:
+                st.session_state.text_base = text_base
+                st.session_state.show_base_results = False
+
+            if st.button(
+                t.get('analyze_base_button', "Establecer Línea Base"),
                 type="primary",
-                disabled=not text_input.strip(),
-                use_container_width=True
-            )
+                disabled=not text_base.strip(),
+                use_container_width=True,
+            ):
+                try:
+                    with st.spinner(t.get('processing_base', "Analizando línea base...")):
+                        doc = nlp_models[lang_code](text_base)
+                        metrics = analyze_text_dimensions(doc)
+                        
+                        storage_success = store_current_situation_result(
+                            username=st.session_state.username,
+                            text=text_base,
+                            metrics=metrics,
+                            feedback=None,
+                            analysis_type='base'
+                        )
+                        
+                        if not storage_success:
+                            logger.warning("No se pudo guardar el análisis base en la base de datos")
+                        
+                        st.session_state.base_doc = doc
+                        st.session_state.base_metrics = metrics
+                        st.session_state.show_base_results = True
+                except Exception as e:
+                    logger.error(f"Error en análisis base: {str(e)}")
+                    st.error(t.get('analysis_error', "Error al analizar el texto base"))
+
+        # COLUMNA 2: Resultados Base
+        with metrics_base_col:
+            if st.session_state.show_base_results and st.session_state.base_metrics is not None:
+                st.markdown("### Métricas Base")
+                display_results(
+                    metrics=st.session_state.base_metrics,
+                    text_type=st.session_state.get('current_text_type', 'student_essay')
+                )
 
-        # Columna 2: Resultados Base (2 unidades de ancho)
-        with cols[1]:
-            st.markdown("### Métricas Base")
-            if baseline_button and text_input:
-                with st.spinner("Analizando línea base..."):
-                    doc = nlp_models[lang_code](text_input)
-                    metrics = analyze_text_dimensions(doc)
-                    st.session_state.baseline_metrics = metrics
-                    display_metrics_column(metrics, "Base")
-            elif st.session_state.baseline_metrics:
-                display_metrics_column(st.session_state.baseline_metrics, "Base")
-
-        # Columna 3: Texto Iteración (3 unidades de ancho)
-        with cols[2]:
-            st.markdown("### Texto Iterativo")
-            iteration_text = st.text_area(
-                "Nueva versión del texto:",
+        # COLUMNA 3: Texto Iteración
+        with text_iter_col:
+            text_iter = st.text_area(
+                t.get('input_prompt_iter', "Escribe la nueva versión del texto:"),
                 height=400,
                 key="text_area_iter",
-                value=st.session_state.iteration_text,
-                help="Escribe la versión mejorada de tu texto",
-                disabled=not st.session_state.baseline_metrics
-            )
-            
-            iterate_button = st.button(
-                "Analizar Iteración",
-                type="primary",
-                disabled=not iteration_text.strip() or not st.session_state.baseline_metrics,
-                use_container_width=True
+                value=st.session_state.text_iteration,
+                help="Este texto será comparado con la línea base",
+                disabled=not st.session_state.show_base_results
             )
 
-        # Columna 4: Resultados Iteración (2 unidades de ancho)
-        with cols[3]:
-            st.markdown("### Métricas Iteración")
-            if iterate_button and iteration_text:
-                with st.spinner("Analizando iteración..."):
-                    doc = nlp_models[lang_code](iteration_text)
-                    metrics = analyze_text_dimensions(doc)
-                    st.session_state.iteration_metrics = metrics
-                    display_metrics_column(metrics, "Iteración")
-            elif st.session_state.iteration_metrics:
-                display_metrics_column(st.session_state.iteration_metrics, "Iteración")
-
-        # Gráfico radar en expander debajo de las columnas
-        if st.session_state.baseline_metrics and st.session_state.iteration_metrics:
-            with st.expander("Ver Comparación Visual", expanded=False):
-                display_radar_chart(
-                    metrics_config=prepare_metrics_config(st.session_state.iteration_metrics),
-                    thresholds=TEXT_TYPES['student_essay']['thresholds'],
-                    baseline_metrics=st.session_state.baseline_metrics
-                )
+            # Manejar cambios en el texto de iteración
+            if text_iter != st.session_state.text_iteration:
+                st.session_state.text_iteration = text_iter
+                st.session_state.show_iteration_results = False
 
-    except Exception as e:
-        logger.error(f"Error en interfaz principal: {str(e)}")
-        st.error("Ocurrió un error al cargar la interfaz")
+            if st.button(
+                t.get('analyze_iter_button', "Analizar Iteración"),
+                type="primary",
+                disabled=not text_iter.strip() or not st.session_state.show_base_results,
+                use_container_width=True,
+            ):
+                try:
+                    with st.spinner(t.get('processing_iter', "Analizando iteración...")):
+                        doc = nlp_models[lang_code](text_iter)
+                        metrics = analyze_text_dimensions(doc)
+                        
+                        storage_success = store_current_situation_result(
+                            username=st.session_state.username,
+                            text=text_iter,
+                            metrics=metrics,
+                            feedback=None,
+                            analysis_type='iteration'
+                        )
+                        
+                        if not storage_success:
+                            logger.warning("No se pudo guardar el análisis de iteración en la base de datos")
+                        
+                        st.session_state.iteration_doc = doc
+                        st.session_state.iteration_metrics = metrics
+                        st.session_state.show_iteration_results = True
+                except Exception as e:
+                    logger.error(f"Error en análisis de iteración: {str(e)}")
+                    st.error(t.get('analysis_error', "Error al analizar la iteración"))
+
+        # COLUMNA 4: Resultados Iteración
+        with metrics_iter_col:
+            if st.session_state.show_iteration_results and st.session_state.iteration_metrics is not None:
+                st.markdown("### Métricas Iteración")
+                display_results(
+                    metrics=st.session_state.iteration_metrics,
+                    text_type=st.session_state.get('current_text_type', 'student_essay')
+                )
 
+except Exception as e:
+    logger.error(f"Error en interfaz principal: {str(e)}")
+    st.error("Ocurrió un error al cargar la interfaz")
+       
 ###################################
 
 def display_metrics_column(metrics, title):