app.py

import gradio as gr
import spacy
import os

# Descargar modelo si no existe
def descargar_modelo():
    try:
        nlp = spacy.load("es_core_news_sm")
        print("✅ Modelo cargado correctamente")
        return nlp
    except OSError:
        print("📥 Descargando modelo de spaCy...")
        os.system("python -m spacy download es_core_news_sm")
        nlp = spacy.load("es_core_news_sm")
        print("✅ Modelo descargado y cargado")
        return nlp

# Cargar modelo
nlp = descargar_modelo()

def analizar_completo(texto, opciones):
    if not texto.strip():
        return "❌ Ingresa un texto para analizar."
    
    try:
        doc = nlp(texto)
        resultado = ""
        
        # Debug: ver qué opciones llegan
        print(f"Opciones recibidas: {opciones}, tipo: {type(opciones)}")
        
        # Si no hay opciones seleccionadas
        if not opciones:
            return "⚠️ Por favor selecciona al menos una opción de análisis."
        
        # Análisis de Tokens y POS Tagging
        if "tokens" in opciones:
            resultado += "📝 TOKENS Y GRAMÁTICA:\n"
            resultado += "-" * 40 + "\n"
            for token in doc:
                if not token.is_space:
                    resultado += f"{token.text:15} {token.pos_:10} {spacy.explain(token.pos_)}\n"
            resultado += "\n" + "="*50 + "\n\n"
        
        # Análisis de Entidades Nombradas
        if "entidades" in opciones:
            resultado += "🏷️ ENTIDADES NOMBRADAS:\n"
            resultado += "-" * 40 + "\n"
            if doc.ents:
                for ent in doc.ents:
                    resultado += f"{ent.text:20} {ent.label_:15} {spacy.explain(ent.label_)}\n"
            else:
                resultado += "No se encontraron entidades nombradas.\n"
            resultado += "\n" + "="*50 + "\n\n"
        
        # Análisis de Dependencias
        if "dependencias" in opciones:
            resultado += "🔗 ANÁLISIS DE DEPENDENCIAS:\n"
            resultado += "-" * 40 + "\n"
            for token in doc:
                if token.dep_ != "punct" and not token.is_space:
                    resultado += f"{token.text:12} <-{token.dep_:12}- {token.head.text:12}\n"
            resultado += "\n" + "="*50 + "\n\n"
        
        # Lematización
        if "lemas" in opciones:
            resultado += "📖 LEMATIZACIÓN:\n"
            resultado += "-" * 40 + "\n"
            lemas_unicos = set()
            for token in doc:
                if not token.is_punct and not token.is_space and token.lemma_.strip():
                    lemas_unicos.add((token.lemma_, token.pos_))
            
            for lemma, pos in sorted(lemas_unicos):
                resultado += f"{lemma:20} ({pos})\n"
            resultado += "\n"
        
        return resultado
        
    except Exception as e:
        return f"❌ Error al procesar el texto: {str(e)}"

# Crear la interfaz Gradio
with gr.Blocks(theme="soft", title="Analizador de Texto con spaCy") as demo:
    gr.Markdown("""
    # 🔍 Analizador de Texto Avanzado con spaCy
    **Analiza texto en español usando procesamiento de lenguaje natural**
    """)
    
    with gr.Row():
        with gr.Column(scale=1):
            gr.Markdown("### 📝 Entrada de Texto")
            texto_input = gr.Textbox(
                label="Escribe tu texto aquí",
                placeholder="Ej: El presidente de Microsoft visitó España la semana pasada...",
                lines=4,
                max_lines=6
            )
            
            gr.Markdown("### ⚙️ Opciones de Análisis")
            opciones = gr.CheckboxGroup(
                label="Selecciona qué análisis deseas realizar:",
                choices=[
                    "tokens", 
                    "entidades", 
                    "dependencias", 
                    "lemas"
                ],
                value=["tokens", "entidades"],
                info="Puedes seleccionar múltiples opciones"
            )
            
            analizar_btn = gr.Button("🚀 Analizar Texto", variant="primary", size="lg")
        
        with gr.Column(scale=2):
            gr.Markdown("### 📊 Resultados del Análisis")
            resultado_output = gr.Textbox(
                label="Resultado",
                lines=20,
                show_copy_button=True,
                placeholder="Los resultados del análisis aparecerán aquí...",
                elem_id="resultado"
            )
    
    # Ejemplos predefinidos
    gr.Markdown("### 💡 Ejemplos para Probar")
    
    # Definir ejemplos como lista de listas
    ejemplos_lista = [
        ["El presidente de Argentina anunció nuevas medidas económicas para 2024.", ["tokens", "entidades"]],
        ["María compró tres manzanas rojas en el supermercado de Madrid.", ["tokens", "lemas", "dependencias"]],
        ["La empresa Google fue fundada en 1998 por Larry Page y Sergey Brin.", ["entidades", "dependencias"]],
        ["El rápido zorro marrón salta sobre el perro perezoso.", ["tokens", "dependencias", "lemas"]]
    ]
    
    gr.Examples(
        examples=ejemplos_lista,
        inputs=[texto_input, opciones],
        label="Haz clic en un ejemplo para probar:",
        examples_per_page=4
    )
    
    # Conectar el botón
    analizar_btn.click(
        fn=analizar_completo,
        inputs=[texto_input, opciones],
        outputs=resultado_output
    )
    
    # Pie de página
    gr.Markdown("""
    ---
    *🔧 Desarrollado con spaCy y Gradio | Modelo: es_core_news_sm*
    """)

if __name__ == "__main__":
    demo.launch(share=False, server_name="127.0.0.1", server_port=7860)