Update modules/ui/ui.py

modules/ui/ui.py

@@ -984,47 +984,47 @@ def display_discourse_analysis_interface(nlp_models, lang_code):
 
 def display_discourse_results(result, lang_code, t):
     if result is None:
-        st.warning(t['no_results'])  # Asegúrate de que 'no_results' esté en tus traducciones
+        st.warning(t.get('no_results', "No hay resultados disponibles."))
         return
 
     col1, col2 = st.columns(2)
 
     with col1:
-        with st.expander(t['file_uploader1'], expanded=True):
+        with st.expander(t.get('file_uploader1', "Documento 1"), expanded=True):
             if 'graph1' in result:
                 st.pyplot(result['graph1'])
             else:
-                st.warning(t['graph_not_available'])  # Añade esta traducción
-            st.subheader(t['key_concepts'])
+                st.warning(t.get('graph_not_available', "El gráfico no está disponible."))
+            st.subheader(t.get('key_concepts', "Conceptos Clave"))
             if 'key_concepts1' in result:
                 concept_text1 = " | ".join([f"{concept} ({frequency:.2f})" for concept, frequency in result['key_concepts1']])
                 st.write(concept_text1)
             else:
-                st.warning(t['concepts_not_available'])  # Añade esta traducción
+                st.warning(t.get('concepts_not_available', "Los conceptos clave no están disponibles."))
 
     with col2:
-        with st.expander(t['file_uploader2'], expanded=True):
+        with st.expander(t.get('file_uploader2', "Documento 2"), expanded=True):
             if 'graph2' in result:
                 st.pyplot(result['graph2'])
             else:
-                st.warning(t['graph_not_available'])  # Añade esta traducción
-            st.subheader(t['key_concepts'])
+                st.warning(t.get('graph_not_available', "El gráfico no está disponible."))
+            st.subheader(t.get('key_concepts', "Conceptos Clave"))
             if 'key_concepts2' in result:
                 concept_text2 = " | ".join([f"{concept} ({frequency:.2f})" for concept, frequency in result['key_concepts2']])
                 st.write(concept_text2)
             else:
-                st.warning(t['concepts_not_available'])  # Añade esta traducción
+                st.warning(t.get('concepts_not_available', "Los conceptos clave no están disponibles."))
 
     # Aquí puedes añadir más visualizaciones o comparaciones entre los dos documentos
-    st.subheader(t['comparison'])
+    st.subheader(t.get('comparison', "Comparación"))
     if 'key_concepts1' in result and 'key_concepts2' in result:
         df = pd.DataFrame({
-            t['file_uploader1']: dict(result['key_concepts1']),
-            t['file_uploader2']: dict(result['key_concepts2'])
+            t.get('file_uploader1', "Documento 1"): dict(result['key_concepts1']),
+            t.get('file_uploader2', "Documento 2"): dict(result['key_concepts2'])
         }).fillna(0)
         st.dataframe(df)
     else:
-        st.warning(t['comparison_not_available'])  # Añade esta traducción
+        st.warning(t.get('comparison_not_available', "La comparación no está disponible."))
 
 ##################################################################################################
 #def display_saved_discourse_analysis(analysis_data):