Update app.py

app.py

@@ -23,6 +23,8 @@ def actualizar_tareas(modalidades_seleccionadas):
 
 # Función para generar el encabezado del CSV (ahora incluye 'id')
 def generar_encabezado(modalidades_seleccionadas, tareas_seleccionadas):
+    if not modalidades_seleccionadas or not tareas_seleccionadas:
+        raise ValueError("Debes seleccionar al menos una modalidad y una tarea.")
     columnas = ["id"]  # Añadimos 'id' como primer elemento
     for modalidad in modalidades_seleccionadas:
         columnas.append(f"{modalidad.lower()}_input")
@@ -32,22 +34,43 @@ def generar_encabezado(modalidades_seleccionadas, tareas_seleccionadas):
     return ",".join(columnas)
 
 # Función para buscar datasets compatibles en HuggingFace
-def buscar_datasets(modalidades_seleccionadas, tareas_seleccionadas):
+def buscar_datasets(modalidades_seleccionadas, tareas_seleccionadas, filtro_tamaño=None, filtro_licencia=None):
     query = "+".join(modalidades_seleccionadas + tareas_seleccionadas)
     url = f"https://huggingface.co/api/datasets?search={query}"
     response = requests.get(url)
     datasets = response.json()
+    
     resultados = []
     for dataset in datasets:
+        # Aplicar filtros adicionales
+        if filtro_tamaño and dataset.get("size_categories") != filtro_tamaño:
+            continue
+        if filtro_licencia and dataset.get("license") != filtro_licencia:
+            continue
         resultados.append(f"- {dataset['id']}: {dataset['description']}")
     return "\n".join(resultados)
 
 # Función para generar el dataset
 def generar_dataset(encabezado, datasets_seleccionados):
-    # Aquí puedes implementar la lógica para extraer datos reales de internet o datasets
-    # Por simplicidad, generaremos un dataset ficticio basado en el encabezado
+    if not datasets_seleccionados:
+        raise ValueError("Debes seleccionar al menos un dataset.")
+    
     columnas = encabezado.split(",")
-    filas = [",".join([f"valor_{i}" for i in range(len(columnas))])]
+    filas = []
+    
+    # Cargar datos reales desde los datasets seleccionados
+    for dataset_id in datasets_seleccionados.split("\n"):
+        dataset_id = dataset_id.strip("- ").split(":")[0]  # Extraer ID del dataset
+        try:
+            dataset = load_dataset(dataset_id, split="train")
+            for i, fila in enumerate(dataset):
+                if i >= 5:  # Limitar a 5 filas por simplicidad
+                    break
+                valores = [str(fila.get(col, "valor_default")) for col in columnas[1:]]  # Ignorar 'id'
+                filas.append(f"id_{i}," + ",".join(valores))
+        except Exception as e:
+            filas.append(f"Error cargando dataset {dataset_id}: {str(e)}")
+    
     contenido_csv = "\n".join([encabezado] + filas)
     return contenido_csv
 
@@ -60,9 +83,9 @@ with gr.Blocks() as demo:
         modalidades = list(MODALIDAD_TAREAS.keys())
         modalidades_seleccionadas = gr.CheckboxGroup(choices=modalidades, label="Selecciona Modalidades")
     
-    # Panel 2: Configuración de Tareas (CheckboxGroup)
+    # Panel 2: Configuración de Tareas (CheckboxGroup expandido)
     with gr.Row():
-        tareas_disponibles = gr.CheckboxGroup(choices=[], label="Selecciona Tareas")
+        tareas_disponibles = gr.CheckboxGroup(choices=[], label="Selecciona Tareas", interactive=True, elem_classes=["expanded-checkbox"])
         modalidades_seleccionadas.change(actualizar_tareas, inputs=modalidades_seleccionadas, outputs=tareas_disponibles)
 
     # Panel 3: Generar Encabezado del CSV
@@ -71,11 +94,18 @@ with gr.Blocks() as demo:
         encabezado_generado = gr.Textbox(label="Encabezado Generado", interactive=False)
         btn_generar_encabezado.click(generar_encabezado, inputs=[modalidades_seleccionadas, tareas_disponibles], outputs=encabezado_generado)
 
-    # Panel 4: Buscar Datasets Compatibles
+    # Panel 4: Buscar Datasets Compatibles con Filtros Adicionales
     with gr.Row():
+        with gr.Column():
+            filtro_tamaño = gr.Dropdown(choices=["small", "medium", "large"], label="Filtrar por Tamaño")
+            filtro_licencia = gr.Dropdown(choices=["mit", "apache-2.0", "cc-by-4.0"], label="Filtrar por Licencia")
         btn_buscar_datasets = gr.Button("Buscar Datasets Compatibles")
         datasets_encontrados = gr.Textbox(label="Datasets Encontrados", interactive=False)
-        btn_buscar_datasets.click(buscar_datasets, inputs=[modalidades_seleccionadas, tareas_disponibles], outputs=datasets_encontrados)
+        btn_buscar_datasets.click(
+            buscar_datasets,
+            inputs=[modalidades_seleccionadas, tareas_disponibles, filtro_tamaño, filtro_licencia],
+            outputs=datasets_encontrados
+        )
 
     # Panel 5: Generar Dataset
     with gr.Row():
@@ -84,5 +114,13 @@ with gr.Blocks() as demo:
         btn_descargar_csv = gr.File(label="Descargar CSV")
         btn_generar_dataset.click(generar_dataset, inputs=[encabezado_generado, datasets_encontrados], outputs=vista_previa_csv)
 
+# Estilo CSS para expandir el área de selección de tareas
+demo.css = """
+.expanded-checkbox {
+    max-height: 200px; /* Altura máxima */
+    overflow-y: auto;  /* Scroll vertical si es necesario */
+}
+"""
+
 # Ejecutar la aplicación
 demo.launch()