Update app.py

app.py

@@ -139,10 +139,14 @@ def analizar_frase(frase):
   return tabla
 
 def tweets_localidad(buscar_localidad):
-    geolocator = Nominatim(user_agent="nombre_del_usuario")
-    location = geolocator.geocode(buscar_localidad)
-    radius = "10km"
-    tweets = api.search_tweets(q="",lang="es",geocode=f"{location.latitude},{location.longitude},{radius}", count = 50, tweet_mode="extended")
+    try:
+        geolocator = Nominatim(user_agent="nombre_del_usuario")
+        location = geolocator.geocode(buscar_localidad)
+        radius = "10km"
+        tweets = api.search_tweets(q="",lang="es",geocode=f"{location.latitude},{location.longitude},{radius}", count = 50, tweet_mode="extended")
+    except AttributeError:
+        st.text("No existe ninguna localidad con ese nombre") 
+        
     tweet_list = [i.full_text for i in tweets]
     text= pd.DataFrame(tweet_list)
     text[0] = text[0].apply(preprocess_tweet)
@@ -152,14 +156,10 @@ def tweets_localidad(buscar_localidad):
         if (text.startswith('RT')):
             continue
         else:
-            try:
-                prediction = pipeline_nlp(text)
-                for predic in prediction:
-                     etiqueta = {'Tweets': text,'Prediccion': predic['label'], 'Probabilidad': predic['score']}
-                     result.append(etiqueta)
-                
-            except FileNotFoundError:
-                st.text("No existe ninguna localidad con ese nombre")          
+            prediction = pipeline_nlp(text)
+            for predic in prediction:
+                etiqueta = {'Tweets': text,'Prediccion': predic['label'], 'Probabilidad': predic['score']}
+                result.append(etiqueta)        
     df = pd.DataFrame(result)
     df['Prediccion'] = np.where( df['Prediccion'] == 'LABEL_1', 'Sexista', 'No Sexista')
     #tabla = st.table(df.reset_index(drop=True).head(30).style.applymap(color_survived, subset=['Prediccion']))