# modules/semantic/semantic_live_interface.py
import streamlit as st
from streamlit_float import *
from streamlit_antd_components import *
import pandas as pd
import logging
# Configuración del logger
logger = logging.getLogger(__name__)
# Importaciones locales
from .semantic_process import (
process_semantic_input,
format_semantic_results
)
from ..utils.widget_utils import generate_unique_key
from ..database.semantic_mongo_db import store_student_semantic_result
from ..database.chat_mongo_db import store_chat_history, get_chat_history
def display_semantic_live_interface(lang_code, nlp_models, semantic_t):
"""
Interfaz para el análisis semántico en vivo con proporciones de columna ajustadas
"""
try:
# 1. Inicializar el estado de la sesión de manera más robusta
if 'semantic_live_state' not in st.session_state:
st.session_state.semantic_live_state = {
'analysis_count': 0,
'current_text': '',
'last_result': None,
'text_changed': False
}
# 2. Función para manejar cambios en el texto
def on_text_change():
current_text = st.session_state.semantic_live_text
st.session_state.semantic_live_state['current_text'] = current_text
st.session_state.semantic_live_state['text_changed'] = True
# 3. Crear columnas con nueva proporción (1:3)
input_col, result_col = st.columns([1, 3])
# Columna izquierda: Entrada de texto
with input_col:
st.subheader(semantic_t.get('enter_text', 'Ingrese su texto'))
# Área de texto con manejo de eventos
text_input = st.text_area(
semantic_t.get('text_input_label', 'Escriba o pegue su texto aquí'),
height=500,
key="semantic_live_text",
value=st.session_state.semantic_live_state.get('current_text', ''),
on_change=on_text_change,
label_visibility="collapsed" # Oculta el label para mayor estabilidad
)
# Botón de análisis y procesamiento
analyze_button = st.button(
semantic_t.get('analyze_button', 'Analizar'),
key="semantic_live_analyze",
type="primary",
icon="🔍",
disabled=not text_input,
use_container_width=True
)
if analyze_button and text_input:
try:
with st.spinner(semantic_t.get('processing', 'Procesando...')):
analysis_result = process_semantic_input(
text_input,
lang_code,
nlp_models,
semantic_t
)
if analysis_result['success']:
st.session_state.semantic_live_state['last_result'] = analysis_result
st.session_state.semantic_live_state['analysis_count'] += 1
st.session_state.semantic_live_state['text_changed'] = False
store_student_semantic_result(
st.session_state.username,
text_input,
analysis_result['analysis']
)
else:
st.error(analysis_result.get('message', 'Error en el análisis'))
except Exception as e:
logger.error(f"Error en análisis: {str(e)}")
st.error(semantic_t.get('error_processing', 'Error al procesar el texto'))
# Columna derecha: Visualización de resultados
with result_col:
st.subheader(semantic_t.get('live_results', 'Resultados en vivo'))
if 'last_result' in st.session_state.semantic_live_state and \
st.session_state.semantic_live_state['last_result'] is not None:
analysis = st.session_state.semantic_live_state['last_result']['analysis']
if 'key_concepts' in analysis and analysis['key_concepts'] and \
'concept_graph' in analysis and analysis['concept_graph'] is not None:
st.markdown("""
<style>
.unified-container {
background-color: white;
border-radius: 10px;
overflow: hidden;
box-shadow: 0 2px 4px rgba(0,0,0,0.1);
width: 100%;
margin-bottom: 1rem;
}
.concept-table {
display: flex;
flex-wrap: nowrap; /* Evita el wrap */
gap: 6px; /* Reducido el gap */
padding: 10px;
background-color: #f8f9fa;
overflow-x: auto; /* Permite scroll horizontal si es necesario */
white-space: nowrap; /* Mantiene todo en una línea */
}
.concept-item {
background-color: white;
border-radius: 4px;
padding: 4px 8px; /* Padding reducido */
display: inline-flex; /* Cambiado a inline-flex */
align-items: center;
gap: 4px; /* Gap reducido */
box-shadow: 0 1px 2px rgba(0,0,0,0.1);
flex-shrink: 0; /* Evita que los items se encojan */
}
.concept-name {
font-weight: 500;
color: #1f2937;
font-size: 0.8em; /* Tamaño de fuente reducido */
}
.concept-freq {
color: #6b7280;
font-size: 0.75em; /* Tamaño de fuente reducido */
}
.graph-section {
padding: 20px;
background-color: white;
}
</style>
""", unsafe_allow_html=True)
with st.container():
# Conceptos en una sola línea
concepts_html = """
<div class="unified-container">
<div class="concept-table">
"""
concepts_html += ''.join(
f'<div class="concept-item"><span class="concept-name">{concept}</span>'
f'<span class="concept-freq">({freq:.2f})</span></div>'
for concept, freq in analysis['key_concepts']
)
concepts_html += "</div></div>"
st.markdown(concepts_html, unsafe_allow_html=True)
# Grafo
if 'concept_graph' in analysis and analysis['concept_graph'] is not None:
st.image(
analysis['concept_graph'],
use_container_width=True
)
# Botones y controles
button_col, spacer_col = st.columns([1,5])
with button_col:
st.download_button(
label="📥 " + semantic_t.get('download_graph', "Download"),
data=analysis['concept_graph'],
file_name="semantic_live_graph.png",
mime="image/png",
use_container_width=True
)
with st.expander("📊 " + semantic_t.get('graph_help', "Graph Interpretation")):
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
""")
else:
st.info(semantic_t.get('no_graph', 'No hay datos para mostrar'))
except Exception as e:
logger.error(f"Error general en interfaz semántica en vivo: {str(e)}")
st.error(semantic_t.get('general_error', "Se produjo un error. Por favor, intente de nuevo."))