Upload 2 files

modules/semantic/semantic_interface.py

@@ -0,0 +1,276 @@
+#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.
+    """
+    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 en formato horizontal
+    st.subheader(semantic_t.get('key_concepts', 'Key Concepts'))
+    if 'key_concepts' in analysis and analysis['key_concepts']:
+        # Crear tabla de conceptos
+        df = pd.DataFrame(
+            analysis['key_concepts'],
+            columns=[
+                semantic_t.get('concept', 'Concept'),
+                semantic_t.get('frequency', 'Frequency')
+            ]
+        )
+        
+        # Convertir DataFrame a formato horizontal
+        st.write(
+            """
+            <style>
+            .concept-table {
+                display: flex;
+                flex-wrap: wrap;
+                gap: 10px;
+                margin-bottom: 20px;
+            }
+            .concept-item {
+                background-color: #f0f2f6;
+                border-radius: 5px;
+                padding: 8px 12px;
+                display: flex;
+                align-items: center;
+                gap: 8px;
+            }
+            .concept-name {
+                font-weight: bold;
+            }
+            .concept-freq {
+                color: #666;
+                font-size: 0.9em;
+            }
+            </style>
+            <div class="concept-table">
+            """ + 
+            ''.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 df.values
+            ]) +
+            "</div>",
+            unsafe_allow_html=True
+        )
+    else:
+        st.info(semantic_t.get('no_concepts', 'No key concepts found'))
+
+    # Gráfico de conceptos
+    # st.subheader(semantic_t.get('concept_graph', 'Concepts Graph'))
+    #Colocar aquí el bloque de código 
+    if 'concept_graph' in analysis and analysis['concept_graph'] is not None:
+        try:
+            # Container para el grafo con estilos mejorados
+            st.markdown(
+                """
+                <style>
+                .graph-container {
+                    background-color: white;
+                    border-radius: 10px;
+                    padding: 20px;
+                    box-shadow: 0 2px 4px rgba(0,0,0,0.1);
+                    margin: 10px 0;
+                }
+                .button-container {
+                    display: flex;
+                    gap: 10px;
+                    margin: 10px 0;
+                }
+                </style>
+                """,
+                unsafe_allow_html=True
+            )
+    #Colocar aquí el bloque de código 
+
+            with st.container():
+                st.markdown('<div class="graph-container">', unsafe_allow_html=True)
+                
+                # Mostrar grafo
+                graph_bytes = analysis['concept_graph']
+                graph_base64 = base64.b64encode(graph_bytes).decode()
+                st.markdown(
+                    f'<img src="data:image/png;base64,{graph_base64}" alt="Concept Graph" style="width:100%;"/>',
+                    unsafe_allow_html=True
+                )
+                
+                # Leyenda del grafo
+                #st.caption(semantic_t.get(
+                #    'graph_description',
+                #    'Visualización de relaciones entre conceptos clave identificados en el texto.'
+                #))
+                
+                st.markdown('</div>', unsafe_allow_html=True)
+
+            # Expandible con la interpretación
+            with st.expander("📊 " + semantic_t.get('semantic_graph_interpretation', "Interpretación del gráfico semántico")):
+                 st.markdown(f"""
+                    - 🔀 {semantic_t.get('semantic_arrow_meaning', 'Las flechas indican la dirección de la relación entre conceptos')}
+                    - 🎨 {semantic_t.get('semantic_color_meaning', 'Los colores más intensos indican conceptos más centrales en el texto')}
+                    - ⭕ {semantic_t.get('semantic_size_meaning', 'El tamaño de los nodos representa la frecuencia del concepto')}
+                    - ↔️ {semantic_t.get('semantic_thickness_meaning', 'El grosor de las líneas indica la fuerza de la conexión')}
+                """)
+            
+            # Contenedor para botones
+            col1, col2 = st.columns([1,4])
+            with col1:
+                st.download_button(
+                    label="📥 " + semantic_t.get('download_semantic_network_graph', "Descargar gráfico de red semántica"),
+                    data=graph_bytes,
+                    file_name="semantic_graph.png",
+                    mime="image/png",
+                    use_container_width=True
+                )
+        
+        except Exception as e:
+            logger.error(f"Error displaying graph: {str(e)}")
+            st.error(semantic_t.get('graph_error', 'Error displaying the graph'))
+    else:
+        st.info(semantic_t.get('no_graph', 'No concept graph available'))

modules/semantic/semantic_process.py

@@ -0,0 +1,108 @@
+# modules/semantic/semantic_process.py
+import streamlit as st
+import matplotlib.pyplot as plt
+import io
+import base64
+import logging
+
+from ..text_analysis.semantic_analysis import (
+    perform_semantic_analysis,
+    identify_key_concepts,
+    create_concept_graph,
+    visualize_concept_graph
+)
+from ..database.semantic_mongo_db import store_student_semantic_result
+
+logger = logging.getLogger(__name__)
+
+def process_semantic_input(text, lang_code, nlp_models, t):
+    """
+    Procesa el texto ingresado para realizar el análisis semántico.
+    """
+    try:
+        logger.info(f"Iniciando análisis semántico para texto de {len(text)} caracteres")
+        
+        # Realizar el análisis semántico
+        nlp = nlp_models[lang_code]
+        analysis_result = perform_semantic_analysis(text, nlp, lang_code)
+        
+        if not analysis_result['success']:
+            return {
+                'success': False,
+                'message': analysis_result['error'],
+                'analysis': None
+            }
+            
+        logger.info("Análisis semántico completado. Guardando resultados...")
+        
+        # Intentar guardar en la base de datos
+        try:
+            store_result = store_student_semantic_result(
+                st.session_state.username,
+                text,
+                analysis_result
+            )
+            if not store_result:
+                logger.warning("No se pudo guardar el análisis en la base de datos")
+        except Exception as db_error:
+            logger.error(f"Error al guardar en base de datos: {str(db_error)}")
+        
+        # Devolver el resultado incluso si falla el guardado
+        return {
+            'success': True,
+            'message': t.get('success_message', 'Analysis completed successfully'),
+            'analysis': {
+                'key_concepts': analysis_result['key_concepts'],
+                'concept_graph': analysis_result['concept_graph']
+            }
+        }
+        
+    except Exception as e:
+        logger.error(f"Error en process_semantic_input: {str(e)}")
+        return {
+            'success': False,
+            'message': str(e),
+            'analysis': None
+        }
+
+def format_semantic_results(analysis_result, t):
+    """
+    Formatea los resultados del análisis para su visualización.
+    """
+    try:
+        if not analysis_result['success']:
+            return {
+                'formatted_text': analysis_result['message'],
+                'visualizations': None
+            }
+            
+        formatted_sections = []
+        analysis = analysis_result['analysis']
+        
+        # Formatear conceptos clave
+        if 'key_concepts' in analysis:
+            concepts_section = [f"### {t.get('key_concepts', 'Key Concepts')}"]
+            concepts_section.extend([
+                f"- {concept}: {frequency:.2f}"
+                for concept, frequency in analysis['key_concepts']
+            ])
+            formatted_sections.append('\n'.join(concepts_section))
+        
+        return {
+            'formatted_text': '\n\n'.join(formatted_sections),
+            'visualizations': {
+                'concept_graph': analysis.get('concept_graph')
+            }
+        }
+        
+    except Exception as e:
+        logger.error(f"Error en format_semantic_results: {str(e)}")
+        return {
+            'formatted_text': str(e),
+            'visualizations': None
+        }
+
+__all__ = [
+    'process_semantic_input',
+    'format_semantic_results'
+]