Update modules/semantic/semantic_interface.py

modules/semantic/semantic_interface.py

@@ -29,21 +29,17 @@ from ..database.chat_mongo_db import store_chat_history, get_chat_history
 
 
 ###############################
+
+# En semantic_interface.py
 def display_semantic_interface(lang_code, nlp_models, semantic_t):
-    """
-    Interfaz para el análisis semántico
-    Args:
-        lang_code: Código del idioma actual
-        nlp_models: Modelos de spaCy cargados
-        semantic_t: Diccionario de traducciones semánticas
-    """
     try:
         # 1. Inicializar el estado de la sesión
         if 'semantic_state' not in st.session_state:
             st.session_state.semantic_state = {
                 'analysis_count': 0,
                 'last_analysis': None,
-                'current_file': None
+                'current_file': None,
+                'pending_analysis': False  # Nuevo flag para controlar el análisis pendiente
             }
 
         # 2. Área de carga de archivo con mensaje informativo
@@ -56,28 +52,13 @@ def display_semantic_interface(lang_code, nlp_models, semantic_t):
             key=f"semantic_file_uploader_{st.session_state.semantic_state['analysis_count']}"
         )
 
-        # 3. Columnas para los botones y mensajes
-        col1, col2 = st.columns([1,4])
-        
-        # 4. Botón de análisis
-        with col1:
-            analyze_button = st.button(
-                semantic_t.get('semantic_analyze_button', 'Analyze'),
-                key=f"semantic_analyze_button_{st.session_state.semantic_state['analysis_count']}",
-                type="primary",  # Nuevo en Streamlit 1.39.0
-                icon="🔍",      # Nuevo en Streamlit 1.39.0
-                disabled=uploaded_file is None,
-                use_container_width=True
-            )
-
-        # 5. Procesar análisis
-        if analyze_button and uploaded_file is not None:
+        # Verificar si hay un archivo cargado y un análisis pendiente
+        if uploaded_file is not None and st.session_state.semantic_state.get('pending_analysis', False):
             try:
                 with st.spinner(semantic_t.get('processing', 'Processing...')):
-                    # Leer contenido del archivo
+                    # Realizar análisis
                     text_content = uploaded_file.getvalue().decode('utf-8')
                     
-                    # Realizar análisis
                     analysis_result = process_semantic_input(
                         text_content, 
                         lang_code,
@@ -92,30 +73,51 @@ def display_semantic_interface(lang_code, nlp_models, semantic_t):
                         st.session_state.semantic_state['current_file'] = uploaded_file.name
                         
                         # Guardar en base de datos
-                        if store_student_semantic_result(
+                        storage_success = store_student_semantic_result(
                             st.session_state.username,
                             text_content,
                             analysis_result['analysis']
-                        ):
+                        )
+                        
+                        if storage_success:
                             st.success(
                                 semantic_t.get('analysis_complete', 
                                 'Análisis completado y guardado. Para realizar un nuevo análisis, cargue otro archivo.')
                             )
-                            
-                            # Mostrar resultados
-                            display_semantic_results(
-                                st.session_state.semantic_result,
-                                lang_code,
-                                semantic_t
-                            )
                         else:
                             st.error(semantic_t.get('error_message', 'Error saving analysis'))
                     else:
                         st.error(analysis_result['message'])
-                        
+                    
+                # Restablecer el flag de análisis pendiente
+                st.session_state.semantic_state['pending_analysis'] = False
+                    
             except Exception as e:
                 logger.error(f"Error en análisis semántico: {str(e)}")
                 st.error(semantic_t.get('error_processing', f'Error processing text: {str(e)}'))
+                # Restablecer el flag de análisis pendiente en caso de error
+                st.session_state.semantic_state['pending_analysis'] = False
+
+        # 3. Columnas para los botones y mensajes
+        col1, col2 = st.columns([1,4])
+        
+        # 4. Botón de análisis
+        with col1:
+            analyze_button = st.button(
+                semantic_t.get('semantic_analyze_button', 'Analyze'),
+                key=f"semantic_analyze_button_{st.session_state.semantic_state['analysis_count']}",
+                type="primary",
+                icon="🔍",
+                disabled=uploaded_file is None,
+                use_container_width=True
+            )
+
+        # 5. Procesar análisis
+        if analyze_button and uploaded_file is not None:
+            # En lugar de realizar el análisis inmediatamente, establecer el flag
+            st.session_state.semantic_state['pending_analysis'] = True
+            # Forzar la recarga de la aplicación
+            st.rerun()
         
         # 6. Mostrar resultados previos o mensaje inicial
         elif 'semantic_result' in st.session_state and st.session_state.semantic_result is not None:
@@ -138,6 +140,7 @@ def display_semantic_interface(lang_code, nlp_models, semantic_t):
         logger.error(f"Error general en interfaz semántica: {str(e)}")
         st.error(semantic_t.get('general_error', "Se produjo un error. Por favor, intente de nuevo."))
 
+
 #######################################
 def display_semantic_results(semantic_result, lang_code, semantic_t):
     """