Update modules/database/database.py

modules/database/database.py

@@ -256,34 +256,33 @@ def store_morphosyntax_result(username, text, repeated_words, arc_diagrams, pos_
 ################################################################################################################
 def store_semantic_result(username, text, analysis_result):
     if analysis_collection is None:
-        logger.error("La conexión a MongoDB no está inicializada")
+        print("La conexión a MongoDB no está inicializada")
         return False
-
     try:
+        # Convertir los conceptos clave a una lista de tuplas
+        key_concepts = [(concept, float(frequency)) for concept, frequency in analysis_result['key_concepts']]
+        
         # Convertir el gráfico a imagen base64
-        buf = io.BytesIO()
+        buf = BytesIO()
         analysis_result['relations_graph'].savefig(buf, format='png')
         buf.seek(0)
         img_str = base64.b64encode(buf.getvalue()).decode('utf-8')
-
-        # Convertir los conceptos clave a una lista de tuplas
-        key_concepts = [(concept, float(frequency)) for concept, frequency in analysis_result['key_concepts']]
-
+        
         analysis_document = {
             'username': username,
             'timestamp': datetime.utcnow(),
-            'text': text,
             'key_concepts': key_concepts,
-            'network_diagram': img_str,
+            'graph': img_str,
             'analysis_type': 'semantic'
         }
-
+        
         result = analysis_collection.insert_one(analysis_document)
-        logger.info(f"Análisis semántico guardado con ID: {result.inserted_id} para el usuario: {username}")
-        logger.info(f"Longitud de la imagen guardada: {len(img_str)}")
+        print(f"Análisis semántico guardado con ID: {result.inserted_id} para el usuario: {username}")
         return True
     except Exception as e:
-        logger.error(f"Error al guardar el análisis semántico para el usuario {username}: {str(e)}")
+        print(f"Error al guardar el análisis semántico para el usuario {username}: {str(e)}")
+        print(f"Tipo de excepción: {type(e).__name__}")
+        print(f"Detalles de la excepción: {e.args}")
         return False
 
 ###############################################################################################################
@@ -320,6 +319,10 @@ def store_discourse_analysis_result(username, text1, text2, analysis_result):
         img_str_combined = base64.b64encode(buf_combined.getvalue()).decode('utf-8')
         plt.close(fig)
 
+        # Convertir los conceptos clave a listas de tuplas
+        key_concepts1 = [(concept, float(frequency)) for concept, frequency in analysis_result['key_concepts1']]
+        key_concepts2 = [(concept, float(frequency)) for concept, frequency in analysis_result['key_concepts2']]
+
         # Crear el documento para guardar
         analysis_document = {
             'username': username,
@@ -329,6 +332,8 @@ def store_discourse_analysis_result(username, text1, text2, analysis_result):
             'graph1': img_str1,
             'graph2': img_str2,
             'combined_graph': img_str_combined,
+            'key_concepts1': key_concepts1,
+            'key_concepts2': key_concepts2,
             'analysis_type': 'discourse'
         }
 
@@ -366,7 +371,6 @@ def get_student_data(username):
     if analysis_collection is None or chat_collection is None:
         logger.error("La conexión a MongoDB no está inicializada")
         return None
-
     formatted_data = {
         "username": username,
         "entries": [],
@@ -376,7 +380,6 @@ def get_student_data(username):
         "discourse_analyses": [],
         "chat_history": []
     }
-
     try:
         logger.info(f"Buscando datos de análisis para el usuario: {username}")
         cursor = analysis_collection.find({"username": username})
@@ -384,12 +387,12 @@ def get_student_data(username):
         for entry in cursor:
             formatted_entry = {
                 "timestamp": entry.get("timestamp", datetime.utcnow()),
-                "text": entry.get("text", ""),
                 "analysis_type": entry.get("analysis_type", "morphosyntax")
             }
             
             if formatted_entry["analysis_type"] == "morphosyntax":
                 formatted_entry.update({
+                    "text": entry.get("text", ""),
                     "word_count": entry.get("word_count", {}),
                     "arc_diagrams": entry.get("arc_diagrams", [])
                 })
@@ -397,13 +400,18 @@ def get_student_data(username):
                     formatted_data["word_count"][category] = formatted_data["word_count"].get(category, 0) + count
             
             elif formatted_entry["analysis_type"] == "semantic":
-                formatted_entry["network_diagram"] = entry.get("network_diagram", "")
+                formatted_entry.update({
+                    "key_concepts": entry.get("key_concepts", []),
+                    "graph": entry.get("graph", "")
+                })
                 formatted_data["semantic_analyses"].append(formatted_entry)
             
             elif formatted_entry["analysis_type"] == "discourse":
                 formatted_entry.update({
                     "text1": entry.get("text1", ""),
                     "text2": entry.get("text2", ""),
+                    "key_concepts1": entry.get("key_concepts1", []),
+                    "key_concepts2": entry.get("key_concepts2", []),
                     "graph1": entry.get("graph1", ""),
                     "graph2": entry.get("graph2", ""),
                     "combined_graph": entry.get("combined_graph", "")
@@ -435,6 +443,5 @@ def get_student_data(username):
     
     except Exception as e:
         logger.error(f"Error al obtener historial de chat del estudiante {username}: {str(e)}")
-
     logger.info(f"Datos formateados para {username}: {formatted_data}")
     return formatted_data