Update app.py

app.py

@@ -82,47 +82,52 @@ with colT2:
 
 def analizar_tweets(search_words, number_of_tweets):
   tabla = []
-  if(number_of_tweets > 0 || search_words == "" ):
-      tweets = api.user_timeline(screen_name = search_words,tweet_mode="extended", count= number_of_tweets)
-      result = []
-      
-      for tweet in tweets:
-          if (tweet.full_text.startswith('RT')):
-              continue
-          elif not tweet.full_text.strip():
-              continue
+  if(number_of_tweets > 0 and search_words != "" ):
+      try:
+          # Buscar la información del perfil de usuario
+          user = api.get_user(screen_name=search_words)
+          st.text(f"La cuenta @{search_words} existe.")
+          tweets = api.user_timeline(screen_name = search_words,tweet_mode="extended", count= number_of_tweets)
+          result = []
+          for tweet in tweets:
+              if (tweet.full_text.startswith('RT')):
+                  continue
+              elif not tweet.full_text.strip():
+                  continue
+              else:
+                  datos = preprocess(tweet.full_text)
+                  prediction = pipeline_nlp(datos)
+                  for predic in prediction:
+                      etiqueta = {'Tweets': datos,'Prediccion': predic['label'], 'Probabilidad': predic['score']}
+                      result.append(etiqueta)         
+          df = pd.DataFrame(result)
+          if df.empty:
+              df['Prediccion'] = np.where( df['Prediccion'] == 'LABEL_1', 'Sexista', 'No Sexista')
+              df = df[df["Prediccion"] == 'Sexista']
+              df = df[df["Probabilidad"] > 0.5]
+              muestra = st.table(df.reset_index(drop=True).head(30).style.applymap(color_survived, subset=['Prediccion']))
+              tabla.append(muestra)
+              resultado=df.groupby('Prediccion')['Probabilidad'].sum()
+              colores=["#aae977","#EE3555"]
+              fig, ax = plt.subplots(figsize=(1, 1), subplotpars=None)
+              plt.pie(resultado,labels=resultado.index,autopct='%1.1f%%',colors=colores)
+              ax.set_title("Porcentajes por Categorias", fontsize=1, fontweight="bold")
+              plt.rcParams.update({'font.size':1, 'font.weight':'bold'})
+              ax.legend()
+              # Muestra el gráfico
+              plt.show()
+              st.set_option('deprecation.showPyplotGlobalUse', False)
+              st.pyplot()
           else:
-              datos = preprocess(tweet.full_text)
-              prediction = pipeline_nlp(datos)
-              for predic in prediction:
-                  etiqueta = {'Tweets': datos,'Prediccion': predic['label'], 'Probabilidad': predic['score']}
-                  result.append(etiqueta)         
-      df = pd.DataFrame(result)
-      if df.empty:
-          df['Prediccion'] = np.where( df['Prediccion'] == 'LABEL_1', 'Sexista', 'No Sexista')
-          df = df[df["Prediccion"] == 'Sexista']
-          df = df[df["Probabilidad"] > 0.5]
-          muestra = st.table(df.reset_index(drop=True).head(30).style.applymap(color_survived, subset=['Prediccion']))
-          tabla.append(muestra)
-          resultado=df.groupby('Prediccion')['Probabilidad'].sum()
-          colores=["#aae977","#EE3555"]
-          fig, ax = plt.subplots(figsize=(1, 1), subplotpars=None)
-          plt.pie(resultado,labels=resultado.index,autopct='%1.1f%%',colors=colores)
-          ax.set_title("Porcentajes por Categorias", fontsize=1, fontweight="bold")
-          plt.rcParams.update({'font.size':1, 'font.weight':'bold'})
-          ax.legend()
-          # Muestra el gráfico
-          plt.show()
-          st.set_option('deprecation.showPyplotGlobalUse', False)
-          st.pyplot()
-      else:
-          muestra = st.text("No hay tweets a analizar")
-          tabla.append(muestra)
-      
+              muestra = st.text("No hay tweets a analizar")
+              tabla.append(muestra)
+      except tw.TweepError as e:
+          st.text(f"La cuenta @{search_words} no existe.") 
+           
   else:
       muestra = st.text("Ingrese los parametros correspondientes")
       tabla.append(muestra)
-      
+  
   return tabla
 
 def tweets_localidad(buscar_localidad):