Delete modules/semantic/semantic_interface.py

modules/semantic/semantic_interface.py

@@ -1,266 +0,0 @@
-#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(text, lang_code, nlp_models, t, 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 = uploaded_file.getvalue().decode('utf-8')
-                    
-                    analysis_result = process_semantic_input(
-                        text, 
-                        lang_code,
-                        nlp_models,
-                        t,
-                        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:
-            # Aplicar estilos directamente al contenedor de Streamlit
-            st.markdown(
-                """
-                <style>
-                .stContainer {
-                    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
-            )
-    
-            # Mostrar el gráfico directamente sin el div adicional
-            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
-            )
-    
-            # 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'))