# modules/discourse/discourse/discourse_interface.py import streamlit as st import pandas as pd import plotly.graph_objects as go import logging from ..utils.widget_utils import generate_unique_key from .discourse_process import perform_discourse_analysis from ..database.chat_mongo_db import store_chat_history from ..database.discourse_mongo_db import store_student_discourse_result logger = logging.getLogger(__name__) def display_discourse_interface(lang_code, nlp_models, discourse_t): """ Interfaz para el análisis del discurso Args: lang_code: Código del idioma actual nlp_models: Modelos de spaCy cargados discourse_t: Diccionario de traducciones """ try: # 1. Inicializar estado si no existe if 'discourse_state' not in st.session_state: st.session_state.discourse_state = { 'analysis_count': 0, 'last_analysis': None, 'current_files': None } # 2. Título y descripción st.subheader(discourse_t.get('discourse_title', 'Análisis del Discurso')) st.info(discourse_t.get('initial_instruction', 'Cargue dos archivos de texto para realizar un análisis comparativo del discurso.')) # 3. Área de carga de archivos col1, col2 = st.columns(2) with col1: st.markdown(discourse_t.get('file1_label', "**Documento 1 (Patrón)**")) uploaded_file1 = st.file_uploader( discourse_t.get('file_uploader1', "Cargar archivo 1"), type=['txt'], key=f"discourse_file1_{st.session_state.discourse_state['analysis_count']}" ) with col2: st.markdown(discourse_t.get('file2_label', "**Documento 2 (Comparación)**")) uploaded_file2 = st.file_uploader( discourse_t.get('file_uploader2', "Cargar archivo 2"), type=['txt'], key=f"discourse_file2_{st.session_state.discourse_state['analysis_count']}" ) # 4. Botón de análisis col1, col2, col3 = st.columns([1,2,1]) with col1: analyze_button = st.button( discourse_t.get('discourse_analyze_button', 'Analizar Discurso'), key=generate_unique_key("discourse", "analyze_button"), type="primary", icon="🔍", disabled=not (uploaded_file1 and uploaded_file2), use_container_width=True ) # 5. Proceso de análisis if analyze_button and uploaded_file1 and uploaded_file2: try: with st.spinner(discourse_t.get('processing', 'Procesando análisis...')): # Leer contenido de archivos text1 = uploaded_file1.getvalue().decode('utf-8') text2 = uploaded_file2.getvalue().decode('utf-8') # Realizar análisis result = perform_discourse_analysis( text1, text2, nlp_models[lang_code], lang_code ) if result['success']: # Guardar estado st.session_state.discourse_result = result st.session_state.discourse_state['analysis_count'] += 1 st.session_state.discourse_state['current_files'] = ( uploaded_file1.name, uploaded_file2.name ) # Guardar en base de datos if store_student_discourse_result( st.session_state.username, text1, text2, result ): st.success(discourse_t.get('success_message', 'Análisis guardado correctamente')) # Mostrar resultados display_discourse_results(result, lang_code, discourse_t) else: st.error(discourse_t.get('error_message', 'Error al guardar el análisis')) else: st.error(discourse_t.get('analysis_error', 'Error en el análisis')) except Exception as e: logger.error(f"Error en análisis del discurso: {str(e)}") st.error(discourse_t.get('error_processing', f'Error procesando archivos: {str(e)}')) # 6. Mostrar resultados previos elif 'discourse_result' in st.session_state and st.session_state.discourse_result is not None: if st.session_state.discourse_state.get('current_files'): st.info( discourse_t.get('current_analysis_message', 'Mostrando análisis de los archivos: {} y {}') .format(*st.session_state.discourse_state['current_files']) ) display_discourse_results( st.session_state.discourse_result, lang_code, discourse_t ) except Exception as e: logger.error(f"Error general en interfaz del discurso: {str(e)}") st.error(discourse_t.get('general_error', 'Se produjo un error. Por favor, intente de nuevo.')) ##################################################################################################################### def display_discourse_results(result, lang_code, discourse_t): """ Muestra los resultados del análisis del discurso """ if not result.get('success'): st.warning(discourse_t.get('no_results', 'No hay resultados disponibles')) return # Estilo CSS st.markdown(""" """, unsafe_allow_html=True) col1, col2 = st.columns(2) # Documento 1 with col1: st.subheader(discourse_t.get('doc1_title', 'Documento 1')) st.markdown(discourse_t.get('key_concepts', 'Conceptos Clave')) if 'key_concepts1' in result: concepts_html = f"""
{''.join([ f'
{concept}' f'({freq:.2f})
' for concept, freq in result['key_concepts1'] ])}
""" st.markdown(concepts_html, unsafe_allow_html=True) if 'graph1' in result: st.markdown('
', unsafe_allow_html=True) st.pyplot(result['graph1']) # Botones y controles button_col1, spacer_col1 = st.columns([1,4]) with button_col1: if 'graph1_bytes' in result: st.download_button( label="📥 " + discourse_t.get('download_graph', "Download"), data=result['graph1_bytes'], file_name="discourse_graph1.png", mime="image/png", use_container_width=True ) # Interpretación como texto normal sin expander st.markdown("**📊 Interpretación del grafo:**") st.markdown(""" - 🔀 Las flechas indican la dirección de la relación entre conceptos - 🎨 Los colores más intensos indican conceptos más centrales en el texto - ⭕ El tamaño de los nodos representa la frecuencia del concepto - ↔️ El grosor de las líneas indica la fuerza de la conexión """) st.markdown('
', unsafe_allow_html=True) else: st.warning(discourse_t.get('graph_not_available', 'Gráfico no disponible')) else: st.warning(discourse_t.get('concepts_not_available', 'Conceptos no disponibles')) # Documento 2 with col2: st.subheader(discourse_t.get('doc2_title', 'Documento 2')) st.markdown(discourse_t.get('key_concepts', 'Conceptos Clave')) if 'key_concepts2' in result: concepts_html = f"""
{''.join([ f'
{concept}' f'({freq:.2f})
' for concept, freq in result['key_concepts2'] ])}
""" st.markdown(concepts_html, unsafe_allow_html=True) if 'graph2' in result: st.markdown('
', unsafe_allow_html=True) st.pyplot(result['graph2']) # Botones y controles button_col2, spacer_col2 = st.columns([1,4]) with button_col2: if 'graph2_bytes' in result: st.download_button( label="📥 " + discourse_t.get('download_graph', "Download"), data=result['graph2_bytes'], file_name="discourse_graph2.png", mime="image/png", use_container_width=True ) # Interpretación como texto normal sin expander st.markdown("**📊 Interpretación del grafo:**") st.markdown(""" - 🔀 Las flechas indican la dirección de la relación entre conceptos - 🎨 Los colores más intensos indican conceptos más centrales en el texto - ⭕ El tamaño de los nodos representa la frecuencia del concepto - ↔️ El grosor de las líneas indica la fuerza de la conexión """) st.markdown('
', unsafe_allow_html=True) else: st.warning(discourse_t.get('graph_not_available', 'Gráfico no disponible')) else: st.warning(discourse_t.get('concepts_not_available', 'Conceptos no disponibles')) # Nota informativa sobre la comparación st.info(discourse_t.get('comparison_note', 'La funcionalidad de comparación detallada estará disponible en una próxima actualización.'))