Update app.py

app.py

@@ -1,5 +1,6 @@
 import os
 import json
+import traceback # <--- AÑADIDO PARA DIAGNÓSTICO
 from flask import Flask, request, jsonify, render_template
 import PyPDF2
 from openai import OpenAI
@@ -9,11 +10,9 @@ import pytesseract
 import io
 
 # 1. Configuración de Flask
-# Usa '.' como carpeta de plantillas si index.html está en la raíz.
 app = Flask(__name__, template_folder='.') 
 
 # 2. Configuración de OpenAI
-# Lee la clave de API desde la variable de entorno 'OPENAI_API_KEY'.
 client = OpenAI(
     api_key=os.environ.get("OPENAI_API_KEY"),
 )
@@ -22,7 +21,6 @@ def ocr_page(img_bytes):
     """Realiza OCR en una imagen (byte stream) usando Tesseract."""
     try:
         image = Image.open(io.BytesIO(img_bytes))
-        # Usa el idioma español ('spa').
         text = pytesseract.image_to_string(image, lang='spa') 
         return text
     except Exception as e:
@@ -44,13 +42,10 @@ def extract_text_from_file(file):
             for page in pdf_reader.pages:
                 total_text += page.extract_text() or ""
             
-            # Si se extrajo una cantidad significativa de texto, úsalo.
             if len(total_text.strip()) > 100: 
-                print("Extracción: Éxito nativo.")
                 return total_text.strip()
             
         elif file.filename.endswith('.txt'):
-             print("Extracción: Éxito TXT.")
              return file_bytes.decode('utf-8').strip()
 
     except Exception:
@@ -62,21 +57,18 @@ def extract_text_from_file(file):
             document = fitz.open(stream=file_bytes, filetype="pdf")
             ocr_text = ""
             
-            # ITERAR SOBRE TODAS las páginas
             for i in range(len(document)): 
                 page = document.load_page(i)
-                pix = page.get_pixmap(dpi=300) # 300 DPI para buena precisión
+                pix = page.get_pixmap(dpi=300) 
                 
                 img_bytes = pix.tobytes("ppm") 
                 
                 ocr_text += ocr_page(img_bytes) + "\n"
             
             if len(ocr_text.strip()) > 100:
-                print("Extracción: Éxito OCR.")
                 return ocr_text.strip()
             
         except Exception as e:
-            print(f"Fallo el proceso OCR con Tesseract: {e}")
             raise Exception("Fallo la extracción de texto del PDF. Asegúrate de que el documento no sea un archivo de imagen corrupto.")
 
     return ""
@@ -87,7 +79,6 @@ def generate_summary_openai(text):
     Genera un análisis experto en formato JSON.
     """
     try:
-        # Define el esquema JSON para asegurar la estructura de la respuesta
         json_schema = {
             "type": "object",
             "properties": {
@@ -120,20 +111,19 @@ def generate_summary_openai(text):
         )
         
         json_string = response.choices[0].message.content.strip()
-        
         structured_data = json.loads(json_string)
         
         return structured_data
         
     except Exception as e:
         print(f"Error al generar el resumen/JSON con OpenAI: {e}")
-        raise Exception("Error al generar el JSON. Verifica que la APIKey o que el documento sea legible y contenga texto relevante.")
+        # Relanzamos el error para que sea capturado por el bloque except de summarize
+        raise 
 
 # --- Rutas de Flask ---
 
 @app.route('/')
 def index():
-    # Renderiza index.html desde la raíz
     return render_template('index.html') 
 
 @app.route('/summarize', methods=['POST'])
@@ -153,18 +143,27 @@ def summarize():
             
         structured_summary = generate_summary_openai(raw_text)
         
-        # Convertimos el diccionario a una lista de strings formateados para el panel de Summary en el frontend
         summary_list = [f"**{k.replace('_', ' ').title()}:** {v}" for k, v in structured_summary.items()]
 
-        # Devolvemos el JSON completo y la lista formateada
         return jsonify({
             'structured_data': structured_summary, 
             'summary': summary_list 
         })
         
     except Exception as e:
-        print(f"Error general en la ruta /summarize: {e}")
-        return jsonify({'error': f"Error interno del servidor: {str(e)}"}), 500
+        # --- BLOQUE DE DIAGNÓSTICO CRÍTICO ---
+        # 1. Imprime el traceback completo en la consola
+        print("\n" + "="*50)
+        print("DIAGNÓSTICO: ERROR 500 DURANTE EL PROCESAMIENTO")
+        print(f"Tipo de Error: {type(e).__name__}")
+        print("Traceback Completo:")
+        traceback.print_exc() # Imprime el stack trace completo
+        print("="*50 + "\n")
+        # ----------------------------------------
+        
+        # 2. Devuelve el error de forma segura al usuario
+        # El frontend recibirá un mensaje de error que incluye el tipo de error
+        return jsonify({'error': f"Error interno del servidor. Detalle: {type(e).__name__} - {str(e)}"}), 500
 
 if __name__ == '__main__':
     app.run(debug=True)