Update app.py

app.py

@@ -1,5 +1,5 @@
-# ====================    El Detective de Alimentos (Versión 7.1 - Búsqueda FoodB Mejorada)  =====================================
-# Mejoras: Lógica del popover de FoodB corregida y centrada en el input del usuario.
+# ====================    El Detective de Alimentos (Versión 7.2 - Traducción Inteligente)  =====================================
+# Mejoras: Lógica de "traducción inteligente" para la búsqueda en FoodB.
 
 import streamlit as st
 import google.generativeai as genai
@@ -18,7 +18,7 @@ st.set_page_config(
     layout="wide"
 )
 
-# ... (Todo el código hasta la UI no cambia) ...
+# ... (Configuración de Gemini y carga de datos no cambia) ...
 # Configurar logging
 logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
 logger = logging.getLogger("food_detective_app")
@@ -72,12 +72,16 @@ def load_data():
         st.error(f"❌ Error: Un archivo JSON tiene un formato incorrecto: {e}")
         return None, None, None
 alimentos_data, lista_condiciones, foodb_index = load_data()
+
+
+# --- DICCIONARIOS DE MAPEADO ---
+# ... (FOOD_TO_COMPOUND_MAP y CONDITION_SYNONYMS no cambian) ...
 FOOD_TO_COMPOUND_MAP = {
     "pan": ["gluten"], "trigo": ["gluten"], "harina de trigo": ["gluten"], "cebada": ["gluten"], "centeno": ["gluten"], "pasta": ["gluten"], "galletas": ["gluten"], "avena": ["gluten"], "pizza": ["gluten"], "torta": ["gluten"],
     "leche": ["lácteos", "caseína", "lactosa"], "queso": ["lácteos", "caseína", "lactosa", "histamina", "tiramina"], "yogur": ["lácteos", "caseína", "lactosa"], "mantequilla": ["lácteos", "caseína", "lactosa"], "crema": ["lácteos"], "helado": ["lácteos"],
     "manzana": ["salicilatos", "fructosa"], "almendras": ["salicilatos", "arginina"], "uvas": ["salicilatos"], "pasas": ["salicilatos"], "naranja": ["salicilatos"], "brócoli": ["salicilatos", "goitrógenos", "fodmaps"], "cúrcuma": ["salicilatos"],
     "azucar": ["azúcar", "fructosa"], "dulces": ["azúcar"], "refrescos": ["azúcar", "fructosa"], "gaseosas": ["azúcar", "fructosa"], "miel": ["fructosa", "fodmaps"], "jarabe de maiz": ["fructosa"],
-    "vino tinto": ["histamina", "tiramina", "sulfitos"], "vino rojo": ["histamina", "tiramina", "sulfitos"], "cerveza": ["histamina", "tiramina", "purinas", "gluten"], "chocolate": ["cafeína", "tiramina", "níquel", "arginina"],
+    "vino tinto": ["histamina", "tiramina", "sulfitos"], "vino rojo": ["histamina", "tiramina", "sulfitos"], "vino": ["histamina", "tiramina", "sulfitos"], "cerveza": ["histamina", "tiramina", "purinas", "gluten"], "chocolate": ["cafeína", "tiramina", "níquel", "arginina"],
     "embutidos": ["histamina", "tiramina", "nitritos"], "pescado enlatado": ["histamina"], "tomate": ["histamina", "solaninas", "ácidos"],
     "aguacate": ["fodmaps", "polioles"], "cebolla": ["fodmaps"], "ajo": ["fodmaps"], "legumbres": ["fodmaps", "gos"],
     "carne": ["alfa-gal", "purinas", "hierro"], "carnes rojas": ["purinas", "alfa-gal", "hierro"],
@@ -89,16 +93,21 @@ CONDITION_SYNONYMS = {
     "gota / hiperuricemia.": ["acido urico aumentado"], "intolerancia a la lactosa.": ["déficit de lactasa"],
     "enfermedad celíaca (clásica).": ["dermatitis herpetiforme"], "migraña.": ["dolor de cabeza", "cefalea"]
 }
+
+# --- DICCIONARIO TRADUCTOR REFINADO ---
 FOOD_NAME_TO_FOODB_KEY = {
-    "pan": "bread", "pasta": "pasta", "galletas": "cookie", "pizza": "pizza", "cebada": "barley", "centeno": "rye",
+    # La clave ahora es más genérica para facilitar la búsqueda por contención
+    "pan": "bread", "pasta": "pasta", "galleta": "cookie", "pizza": "pizza", "cebada": "barley", "centeno": "rye",
     "leche": "milk", "queso": "cheese", "huevo": "egg", "carne": "meat", "ternera": "beef", "cerdo": "pork", "cordero": "lamb",
     "manzana": "apple", "naranja": "orange", "uva": "grape", "plátano": "banana", "aguacate": "avocado", "limón": "lemon",
-    "tomate": "tomato", "patata": "potato", "cebolla": "onion", "ajo": "garlic", "espinacas": "spinach",
-    "vino tinto": "red wine", "cerveza": "beer", "café": "coffee", "chocolate": "chocolate", "miel": "honey",
-    "almendras": "almond", "nueces": "walnut", "cacahuetes": "peanut", "arroz": "rice", "maíz": "corn",
-    "pescado": "fish", "atún": "tuna", "salmón": "salmon", "mariscos": "shellfish", "camarones": "shrimp"
+    "tomate": "tomato", "patata": "potato", "cebolla": "onion", "ajo": "garlic", "espinaca": "spinach",
+    "vino": "red wine", "cerveza": "beer", "café": "coffee", "chocolate": "chocolate", "miel": "honey",
+    "almendra": "almond", "nuez": "walnut", "cacahuete": "peanut", "arroz": "rice", "maíz": "corn",
+    "pescado": "fish", "atún": "tuna", "salmón": "salmon", "marisco": "shellfish", "camarón": "shrimp"
 }
 
+# --- LÓGICA DE BÚSQUEDA Y ANÁLISIS (SIN CAMBIOS) ---
+# (Todas las funciones hasta la UI se mantienen igual que en la versión anterior)
 def extract_and_infer_with_gemini(query, condiciones):
     if not model: return None
     condiciones_str = "\n".join([f"- {c}" for c in condiciones])
@@ -124,7 +133,6 @@ def extract_and_infer_with_gemini(query, condiciones):
         logger.error(f"Error en la extracción/inferencia con Gemini: {e}")
         st.error(f"Hubo un problema al interpretar tu consulta con la IA.")
         return None
-
 def find_best_matches_hybrid(entities, data):
     if not entities or not data: return []
     user_symptoms = set(s.lower().strip() for s in entities.get("sintomas", []))
@@ -161,9 +169,7 @@ def find_best_matches_hybrid(entities, data):
     if not results: return []
     sorted_results = sorted(results, key=lambda x: x['score']['total'], reverse=True)
     return sorted_results
-
 def generate_detailed_analysis(query, match):
-    # ... (Sin cambios)
     if not model: return "Error: El modelo de IA no está disponible."
     prompt_parts = [
         "Eres un asistente de IA experto en nutrición personalizada. Tu tono es empático, claro y muy educativo. NO actúas como un médico, sino como un guía informativo.",
@@ -201,10 +207,7 @@ def generate_detailed_analysis(query, match):
     except Exception as e:
         logger.error(f"Error generando análisis detallado con Gemini: {e}")
         return "No se pudo generar el análisis detallado."
-
-
 def create_relevance_chart(results):
-    # ... (Sin cambios)
     top_results = results[:5]
     condition_names = [re.sub(r'\(.*\)', '', res['entry']['condicion_asociada']).strip() for res in top_results]
     chart_data = {"Condición": condition_names, "Relevancia": [res['score']['total'] for res in top_results]}
@@ -215,9 +218,7 @@ def create_relevance_chart(results):
         tooltip=[alt.Tooltip('Condición:N', title='Condición'), alt.Tooltip('Relevancia:Q', title='Puntuación')]
     ).properties(title='Principales Coincidencias según tu Caso').configure_axis(labelFontSize=12, titleFontSize=14).configure_title(fontSize=16, anchor='start')
     return chart
-
 def log_feedback(query, result, feedback):
-    # ... (Sin cambios)
     log_entry = {
         "timestamp": datetime.now().isoformat(),
         "query": query,
@@ -229,7 +230,6 @@ def log_feedback(query, result, feedback):
     with open(os.path.join("logs", "feedback_log.txt"), "a", encoding="utf-8") as f:
         f.write(json.dumps(log_entry, ensure_ascii=False) + "\n")
 
-
 # --- INTERFAZ DE USUARIO Y LÓGICA PRINCIPAL (CON CAMBIOS) ---
 col_img, col_text = st.columns([1, 4], gap="medium")
 with col_img:
@@ -242,7 +242,7 @@ st.markdown("---")
 
 if 'search_results' not in st.session_state: st.session_state.search_results = None
 if 'user_query' not in st.session_state: st.session_state.user_query = ""
-if 'entities' not in st.session_state: st.session_state.entities = None # Para guardar las entidades extraídas
+if 'entities' not in st.session_state: st.session_state.entities = None
 
 def clear_search_state():
     st.session_state.search_results = None
@@ -262,13 +262,12 @@ if submitted:
         st.session_state.user_query = query
         with st.spinner("🧠 Interpretando tu caso y buscando pistas con IA..."):
             entities = extract_and_infer_with_gemini(query, lista_condiciones)
-            st.session_state.entities = entities # Guardamos las entidades
+            st.session_state.entities = entities
         
         if entities and (entities.get("alimentos") or entities.get("sintomas")):
             info_str = f"IA identificó - Alimentos: {', '.join(entities.get('alimentos',[])) or 'Ninguno'}, Síntomas: {', '.join(entities.get('sintomas',[])) or 'Ninguno'}"
             if entities.get("condicion_probable"): info_str += f", Condición Probable: {entities.get('condicion_probable')}"
             st.info(info_str)
-
             with st.spinner("🔬 Cruzando información y calculando relevancia..."):
                 results = find_best_matches_hybrid(entities, alimentos_data)
                 st.session_state.search_results = results
@@ -298,7 +297,6 @@ if st.session_state.search_results is not None:
             col1, col2 = st.columns([3, 1])
             with col1:
                 st.markdown("##### Desglose de la Puntuación de Relevancia:")
-                # ... (código de las métricas no cambia)
                 score_col1, score_col2, score_col3, score_col4 = st.columns(4)
                 score_col1.metric("Puntos por Condición", f"{best_score['condition']}")
                 score_col2.metric("Puntos por Alimento", f"{best_score['food']}")
@@ -308,33 +306,37 @@ if st.session_state.search_results is not None:
             with col2:
                 st.write("")
                 if foodb_index:
-                    # --- LÓGICA DEL POPOVER COMPLETAMENTE RECONSTRUIDA ---
-                    with st.popover("🔬 Principales componentes moleculares del alimento"):
-                        # Obtenemos los alimentos que el usuario mencionó
+                    # --- LÓGICA DEL POPOVER COMPLETAMENTE RECONSTRUIDA Y CORREGIDA ---
+                    with st.popover("🔬 Principales componentes moleculares"):
                         user_foods_mentioned = st.session_state.entities.get("alimentos", [])
                         
                         if not user_foods_mentioned:
-                            st.info("El análisis se basa en los alimentos de ejemplo de esta condición.")
-                            # Si el usuario no mencionó comida, usamos los de ejemplo del JSON
+                            st.info("Mostrando componentes de los alimentos de ejemplo de esta condición.")
                             food_string_to_check = best_match.get("compuesto_alimento", "")
-                            user_foods_mentioned = re.findall(r'\b\w+\b', re.sub(r'\(.*\)', '', food_string_to_check))
-
+                            # Usamos una regex más simple para encontrar palabras en mayúsculas o minúsculas
+                            user_foods_mentioned = [food.strip() for food in re.split(r'[,()]', food_string_to_check) if food.strip() and not food.islower()]
 
                         found_data = False
+                        # Iteramos sobre los alimentos que el usuario mencionó
                         for alimento_es in user_foods_mentioned:
-                            alimento_en = FOOD_NAME_TO_FOODB_KEY.get(alimento_es.lower())
-                            if alimento_en and alimento_en in foodb_index:
+                            foodb_key = None
+                            # Buscamos la traducción con la lógica de contención
+                            for key_es, key_en in FOOD_NAME_TO_FOODB_KEY.items():
+                                if key_es in alimento_es.lower():
+                                    foodb_key = key_en
+                                    break
+                            
+                            if foodb_key and foodb_key in foodb_index:
                                 found_data = True
                                 with st.container(border=True):
                                     st.subheader(f"Análisis de: {alimento_es.capitalize()}")
-                                    for item in foodb_index[alimento_en][:5]:
+                                    for item in foodb_index[foodb_key][:5]:
                                         st.write(f"**Compuesto:** {item['compound']}")
                                         st.write(f"**Efectos reportados:** {', '.join(item['effects'])}")
                                         st.markdown("---")
                         
                         if not found_data:
-                            # Mensaje corregido y más simple
-                            st.write("Sin datos moleculares para este alimento.")
+                            st.warning("Sin datos moleculares para este alimento.") # Mensaje corregido
 
             st.markdown("---")
             
@@ -354,7 +356,6 @@ if st.session_state.search_results is not None:
 
         if len(results) > 1:
             with st.expander("Otras posibles coincidencias (ordenadas por relevancia)"):
-                # ... (código para mostrar otras coincidencias no cambia) ...
                 for result in results[1:]:
                     entry = result['entry']
                     score = result['score']