Update modules/database/semantic_mongo_live_db.py

modules/database/semantic_mongo_live_db.py

@@ -2,63 +2,115 @@
 import logging
 from datetime import datetime, timezone
 import base64
+from bson import Binary
+from pymongo.errors import PyMongoError
 
-# Importaciones locales
-from .mongo_db import get_collection, insert_document, find_documents
-
+# Configuración del logger
 logger = logging.getLogger(__name__)
 COLLECTION_NAME = 'student_semantic_live_analysis'
 
 def store_student_semantic_live_result(username, text, analysis_result, lang_code='en'):
     """
     Guarda el resultado del análisis semántico en vivo en MongoDB.
+    Versión mejorada con manejo robusto de errores y verificación de datos.
     """
     try:
-        if not username or not text or not analysis_result:
-            logger.error("Datos insuficientes para guardar el análisis")
+        # 1. Validación exhaustiva de los parámetros de entrada
+        if not username or not isinstance(username, str):
+            logger.error("Nombre de usuario inválido o vacío")
+            return False
+
+        if not text or not isinstance(text, str):
+            logger.error("Texto de análisis inválido o vacío")
             return False
 
-        # Preparar el gráfico conceptual
+        if not analysis_result or not isinstance(analysis_result, dict):
+            logger.error("Resultado de análisis inválido o vacío")
+            return False
+
+        # 2. Preparación del gráfico conceptual con múltiples formatos soportados
         concept_graph_data = None
         if 'concept_graph' in analysis_result and analysis_result['concept_graph'] is not None:
             try:
-                if isinstance(analysis_result['concept_graph'], bytes):
-                    concept_graph_data = base64.b64encode(analysis_result['concept_graph']).decode('utf-8')
+                graph_data = analysis_result['concept_graph']
+                
+                if isinstance(graph_data, bytes):
+                    # Codificar a base64 para almacenamiento eficiente
+                    concept_graph_data = base64.b64encode(graph_data).decode('utf-8')
+                elif isinstance(graph_data, str):
+                    # Si ya es string (base64), usarlo directamente
+                    concept_graph_data = graph_data
+                elif isinstance(graph_data, Binary):
+                    # Si es Binary de pymongo, convertirlo
+                    concept_graph_data = base64.b64encode(graph_data).decode('utf-8')
                 else:
-                    logger.warning("El gráfico conceptual no está en formato bytes")
+                    logger.warning(f"Formato de gráfico no soportado: {type(graph_data)}")
             except Exception as e:
-                logger.error(f"Error al codificar gráfico conceptual: {str(e)}")
+                logger.error(f"Error al procesar gráfico conceptual: {str(e)}", exc_info=True)
+                # Continuar sin gráfico en lugar de fallar completamente
 
-        # Crear documento para MongoDB
+        # 3. Preparación del documento con validación de campos
         analysis_document = {
             'username': username,
             'timestamp': datetime.now(timezone.utc),
-            'text': text,
+            'text': text[:10000],  # Limitar tamaño para prevenir documentos muy grandes
             'analysis_type': 'semantic_live',
-            'key_concepts': analysis_result.get('key_concepts', []),
-            'concept_centrality': analysis_result.get('concept_centrality', {}),
-            'concept_graph': concept_graph_data,
-            'language': lang_code
+            'language': lang_code,
+            'metadata': {
+                'version': '1.0',
+                'source': 'live_interface'
+            }
         }
 
-        # Insertar en MongoDB
-        result = insert_document(COLLECTION_NAME, analysis_document)
-        if result:
-            logger.info(f"Análisis semántico en vivo guardado para {username}")
-            return True
-        
-        logger.error("No se pudo insertar el documento en MongoDB")
-        return False
+        # Campos opcionales con validación
+        if 'key_concepts' in analysis_result and isinstance(analysis_result['key_concepts'], list):
+            analysis_document['key_concepts'] = analysis_result['key_concepts'][:50]  # Limitar a 50 conceptos
+
+        if 'concept_centrality' in analysis_result and isinstance(analysis_result['concept_centrality'], dict):
+            analysis_document['concept_centrality'] = analysis_result['concept_centrality']
+
+        if concept_graph_data:
+            analysis_document['concept_graph'] = concept_graph_data
+
+        # 4. Operación de base de datos con manejo de errores específico
+        try:
+            collection = get_collection(COLLECTION_NAME)
+            if not collection:
+                logger.error("No se pudo obtener la colección MongoDB")
+                return False
+
+            result = collection.insert_one(analysis_document)
+            
+            if result.inserted_id:
+                logger.info(f"Análisis guardado exitosamente para {username}. ID: {result.inserted_id}")
+                return True
+            
+            logger.error("La operación de inserción no devolvió un ID")
+            return False
+
+        except PyMongoError as mongo_error:
+            logger.error(f"Error de MongoDB al guardar análisis: {str(mongo_error)}", exc_info=True)
+            return False
 
     except Exception as e:
-        logger.error(f"Error al guardar el análisis semántico en vivo: {str(e)}")
+        logger.error(f"Error inesperado al guardar análisis: {str(e)}", exc_info=True)
         return False
 
 def get_student_semantic_live_analysis(username, limit=10):
     """
     Recupera los análisis semánticos en vivo de un estudiante.
+    Versión mejorada con paginación y manejo de errores.
     """
     try:
+        # Validación de parámetros
+        if not username or not isinstance(username, str):
+            logger.error("Nombre de usuario inválido para recuperación")
+            return []
+
+        if not isinstance(limit, int) or limit <= 0:
+            limit = 10  # Valor por defecto si el límite es inválido
+
+        # Consulta con proyección para optimizar transferencia
         query = {
             "username": username,
             "analysis_type": "semantic_live"
@@ -66,25 +118,42 @@ def get_student_semantic_live_analysis(username, limit=10):
         
         projection = {
             "timestamp": 1,
-            "text": 1,
-            "key_concepts": 1,
+            "text": {"$substr": ["$text", 0, 200]},  # Solo primeros 200 caracteres
+            "key_concepts": {"$slice": ["$key_concepts", 10]},  # Solo primeros 10 conceptos
             "concept_graph": 1,
-            "_id": 1
+            "_id": 1,
+            "metadata": 1
         }
         
-        results = find_documents(
-            COLLECTION_NAME,
-            query,
-            projection=projection,
-            sort=[("timestamp", -1)],
-            limit=limit
-        )
-        
-        logger.info(f"Recuperados {len(results)} análisis semánticos en vivo para {username}")
-        return results
-        
+        # Operación de base de datos con manejo de errores
+        try:
+            collection = get_collection(COLLECTION_NAME)
+            if not collection:
+                logger.error("No se pudo obtener la colección MongoDB")
+                return []
+
+            cursor = collection.find(query, projection).sort("timestamp", -1).limit(limit)
+            results = list(cursor)
+            
+            # Post-procesamiento para asegurar formato consistente
+            for doc in results:
+                if 'concept_graph' in doc and isinstance(doc['concept_graph'], str):
+                    try:
+                        # Convertir base64 string a bytes para compatibilidad
+                        doc['concept_graph'] = base64.b64decode(doc['concept_graph'])
+                    except Exception as e:
+                        logger.warning(f"Error al decodificar gráfico: {str(e)}")
+                        doc.pop('concept_graph', None)
+            
+            logger.info(f"Recuperados {len(results)} análisis para {username}")
+            return results
+
+        except PyMongoError as mongo_error:
+            logger.error(f"Error de MongoDB al recuperar análisis: {str(mongo_error)}")
+            return []
+
     except Exception as e:
-        logger.error(f"Error recuperando análisis semántico en vivo: {str(e)}")
+        logger.error(f"Error inesperado al recuperar análisis: {str(e)}", exc_info=True)
         return []
 
 __all__ = [