app.py

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from transformers import pipeline
from typing import List

# Crear la aplicación FastAPI
app = FastAPI()

# Cargar el modelo UNA VEZ al iniciar
sentiment_pipeline = None
try:
    sentiment_pipeline = pipeline(
        "sentiment-analysis",
        model="pysentimiento/robertuito-sentiment-analysis"
    )
    print("✅ Modelo de sentimiento cargado exitosamente.")
except Exception as e:
    print(f"❌ Error CRÍTICO al cargar el modelo de sentimiento: {e}")

# Definir la estructura de los datos de entrada
class SentimentRequest(BaseModel):
    texts: List[str]

# Definir el endpoint de la API
@app.post("/analyze/")
def analyze_sentiment(request: SentimentRequest):
    # Comprobar si el modelo se cargó correctamente al inicio
    if sentiment_pipeline is None:
        raise HTTPException(status_code=503, detail="El modelo de IA no está disponible en este momento.")

    try:
        # Ejecutar el pipeline
        results = sentiment_pipeline(request.texts)
        
        # --- INICIO DE LA CORRECCIÓN ROBUSTA ---
        mapeo = {'POS': 'Positivo', 'NEG': 'Negativo', 'NEU': 'Neutro'}
        final_sentiments = []

        for res_list in results:
            # Comprobación de seguridad: asegurarse de que la lista no esté vacía
            if res_list and isinstance(res_list, list) and len(res_list) > 0:
                # Acceder al primer diccionario de la lista de forma segura
                main_res = res_list[0]
                label = main_res.get('label', 'NEU') # Usar 'NEU' como valor por defecto si falta la etiqueta
                sentiment_label = mapeo.get(label, 'Neutro') # Usar 'Neutro' si la etiqueta no está en el mapeo
                final_sentiments.append(sentiment_label)
            else:
                # Si la respuesta para un texto está vacía o mal formada, asignar 'N/A'
                final_sentiments.append('N/A')
        # --- FIN DE LA CORRECCIÓN ROBUSTA ---

        return {"sentiments": final_sentiments}
        
    except Exception as e:
        # Si ocurre cualquier otro error durante el análisis, devolver un error 500 claro
        print(f"💥 Error durante el análisis: {str(e)}")
        raise HTTPException(status_code=500, detail=f"Error interno durante el análisis: {str(e)}")

@app.get("/")
def read_root():
    return {"status": "API de Tono está en línea"}