Update app.py

app.py

@@ -3,43 +3,180 @@ from berber_nlp import BerberNLPPipeline
 
 pipeline = BerberNLPPipeline()
 
-def analyze(text, mode):
-    if mode == "Analizar Berber":
-        result = pipeline.analyze(text, lang="ber")
-        output = ""
-        for tok in result["tokens"]:
-            output += f"**{tok['form']}** → género: {tok.get('gender') or '—'}, estado: {tok.get('state') or '—'}\n"
-        output += f"\nOrden VSO: {result['vso_check']['order']}"
-        return output
-    else:
-        result = pipeline.analyze(text, lang="ca")
-        errors = result.get("learner_errors", [])
-        if not errors:
-            return "No se detectaron errores típicos."
-        return "\n".join([f"⚠️ [{e['id']}] {e['description']}\n   Corrección: *{e['correction']}*" for e in errors])
+# ── TAB 1: Análisis morfosintáctico ──────────────────────────────────────────
+
+def analyze_berber(text):
+    if not text.strip():
+        return "✏️ Introduce una frase en berber. Ejemplo: *ikerz argaz akal*"
+    result = pipeline.analyze(text, lang="ber")
+    
+    lines = ["### Tokens\n"]
+    lines.append("| Palabra | POS | Género | Estado | Aspecto |")
+    lines.append("|---------|-----|--------|--------|---------|")
+    for tok, morph in zip(result["tokens"], result["morphology"]):
+        lines.append(
+            f"| **{tok['form']}** "
+            f"| {morph.get('pos') or '—'} "
+            f"| {tok.get('gender') or '—'} "
+            f"| {tok.get('state') or '—'} "
+            f"| {morph.get('aspect') or '—'} |"
+        )
+    
+    vso = result["vso_check"]
+    lines.append(f"\n### Sintaxis")
+    lines.append(f"**Orden detectado:** {vso['order']}  ")
+    lines.append(f"**¿Orden canónico VSO?** {'✅ Sí' if vso['is_canonical'] else '⚠️ No'}  ")
+    lines.append(f"_{vso['note']}_")
+    
+    return "\n".join(lines)
+
+
+def detect_errors(text):
+    if not text.strip():
+        return "✏️ Introduce una frase en catalán escrita por un hablante berber. Ejemplo: *té una cotxe*"
+    result = pipeline.analyze(text, lang="ca")
+    errors = result.get("learner_errors", [])
+    if not errors:
+        return "✅ No se detectaron errores típicos de transferencia berber→catalán."
+    lines = [f"### {len(errors)} error(es) detectado(s)\n"]
+    for e in errors:
+        lines.append(f"**[{e['id']}] {e['category']}**")
+        lines.append(f"- 📝 {e['description']}")
+        lines.append(f"- ❌ Error: *{e['example_error']}*")
+        lines.append(f"- ✅ Corrección: *{e['correction']}*")
+        lines.append(f"- 🔍 Causa berber: {e['berber_cause']}")
+        lines.append(f"- 📖 Ref: {e['reference']}\n")
+    return "\n".join(lines)
+
+
+# ── TAB 2: Fonología ─────────────────────────────────────────────────────────
+
+def analyze_phonology(text):
+    if not text.strip():
+        return "✏️ Introduce una palabra berber. Ejemplo: *ṭafruxt*"
+    words = text.strip().split()
+    lines = []
+    for word in words[:6]:  # max 6 words
+        phon = pipeline.phonology.analyze_word_phonology(word)
+        lines.append(f"### `{word}`")
+        lines.append(f"| Campo | Valor |")
+        lines.append(f"|-------|-------|")
+        lines.append(f"| **IPA** | /{phon['ipa']}/ |")
+        lines.append(f"| **Sílabas** | {' · '.join(phon['syllables'])} ({phon['n_syllables']}) |")
+        lines.append(f"| **Vocales** | {phon['vowel_count']} |")
+        lines.append(f"| **Grupos consonánticos** | {', '.join(phon['consonant_clusters']) or '—'} |")
+        lines.append(f"| **¿Consonantes enfáticas?** | {'⚠️ Sí — ' + phon['notes'] if phon['has_emphatics'] else '✅ No'} |")
+        lines.append("")
+    return "\n".join(lines)
+
+
+# ── TAB 3: Diccionario ───────────────────────────────────────────────────────
 
 def translate(word, direction):
+    if not word.strip():
+        return "✏️ Introduce una palabra."
     src = "ca" if direction == "Catalán → Berber" else "ber"
-    results = pipeline.translate(word, src=src)
+    results = pipeline.translate(word.strip().lower(), src=src)
+    if not results:
+        # Try search
+        results = pipeline.dictionary.search(word.strip().lower(), lang=src)
     if not results:
-        return "No encontrado en el diccionario."
-    return "\n".join([f"**{r['form_ber'] if src=='ca' else r['form_ca']}** ({r['pos']}) — {r['notes']}" for r in results])
+        return f"❌ **{word}** no encontrado en el diccionario."
+    lines = [f"### Resultados para **{word}**\n"]
+    lines.append("| Catalán | Berber | POS | Notas |")
+    lines.append("|---------|--------|-----|-------|")
+    for r in results:
+        lines.append(f"| {r['form_ca']} | **{r['form_ber']}** | {r['pos']} | {r['notes'] or '—'} |")
+    return "\n".join(lines)
 
-with gr.Blocks(title="Berber NLP") as demo:
-    gr.Markdown("# 🌍 Berber / Amazigh NLP Toolkit\nBasado en Lamuela (2005), Universitat de Girona")
-    
-    with gr.Tab("Análisis morfosintáctico"):
-        mode = gr.Radio(["Analizar Berber", "Detectar errores (catalán de berberófonos)"], value="Analizar Berber")
-        text_in = gr.Textbox(label="Texto", placeholder="ikerz argaz akal")
-        btn = gr.Button("Analizar")
-        output = gr.Markdown()
-        btn.click(analyze, inputs=[text_in, mode], outputs=output)
-    
-    with gr.Tab("Diccionario"):
-        direction = gr.Radio(["Catalán → Berber", "Berber → Catalán"], value="Catalán → Berber")
-        word_in = gr.Textbox(label="Palabra", placeholder="home")
-        btn2 = gr.Button("Buscar")
-        output2 = gr.Markdown()
-        btn2.click(translate, inputs=[word_in, direction], outputs=output2)
+
+# ── TAB 4: Errores de aprendizaje (todos) ────────────────────────────────────
+
+def show_all_errors():
+    ea = pipeline.error_analyzer
+    lines = ["### Catálogo completo de errores (§3 Lamuela 2005)\n"]
+    lines.append("Errores típicos de hablantes berbers aprendiendo catalán, con explicación lingüística.\n")
+    for e in ea.ERROR_PATTERNS:
+        lines.append(f"---\n**[{e['id']}] {e['category']}**")
+        lines.append(f"- {e['description']}")
+        lines.append(f"- ❌ *{e['example_error']}* → ✅ *{e['correction']}*")
+        lines.append(f"- 🔍 {e['berber_cause']}")
+        lines.append(f"- 📖 {e['reference']}")
+    return "\n".join(lines)
+
+
+# ── INTERFAZ ─────────────────────────────────────────────────────────────────
+
+with gr.Blocks(title="Berber / Amazigh NLP Toolkit", theme=gr.themes.Soft()) as demo:
+    gr.Markdown("""
+# 🌍 Berber / Amazigh NLP Toolkit
+**Fantasmas en la Fuente: Resucitando una Lengua Muerta para la IA**  
+Basado en: Lamuela, X. (2005). *El Berber*. Universitat de Girona.  
+Familia lingüística: Afroasiática · ~15-20M hablantes · Escritura: Tifinagh / Latino
+""")
+
+    with gr.Tab("🔬 Morfosintaxis"):
+        gr.Markdown("Analiza tokens, género, estado libre/anex, aspecto verbal y orden VSO.")
+        with gr.Row():
+            with gr.Column():
+                text_ber = gr.Textbox(label="Frase en berber", placeholder="ikerz argaz akal")
+                btn_ber = gr.Button("Analizar", variant="primary")
+            out_ber = gr.Markdown()
+        btn_ber.click(analyze_berber, inputs=text_ber, outputs=out_ber)
+        gr.Examples(
+            [["ikerz argaz akal"], ["ur ikerz ara argaz"], ["ttuzzel tafruxt deg taddart"]],
+            inputs=text_ber
+        )
+
+    with gr.Tab("🔊 Fonología"):
+        gr.Markdown("Transcripción IPA, silabificación y detección de consonantes faringalizadas.")
+        with gr.Row():
+            with gr.Column():
+                text_phon = gr.Textbox(label="Palabras berbers (hasta 6)", placeholder="ṭafruxt argaz akal")
+                btn_phon = gr.Button("Analizar fonología", variant="primary")
+            out_phon = gr.Markdown()
+        btn_phon.click(analyze_phonology, inputs=text_phon, outputs=out_phon)
+        gr.Examples(
+            [["ṭafruxt"], ["argaz akal tiṭ"], ["tanemmirt azul"]],
+            inputs=text_phon
+        )
+
+    with gr.Tab("📖 Diccionario"):
+        gr.Markdown("Diccionario bilingüe catalán↔berber basado en el vocabulario del libro.")
+        with gr.Row():
+            with gr.Column():
+                word_in = gr.Textbox(label="Palabra", placeholder="home")
+                direction = gr.Radio(["Catalán → Berber", "Berber → Catalán"], value="Catalán → Berber")
+                btn_dict = gr.Button("Buscar", variant="primary")
+            out_dict = gr.Markdown()
+        btn_dict.click(translate, inputs=[word_in, direction], outputs=out_dict)
+        gr.Examples(
+            [["home"], ["dona"], ["negre"], ["gràcies"], ["un"]],
+            inputs=word_in
+        )
+
+    with gr.Tab("⚠️ Errores de aprendizaje"):
+        gr.Markdown("Detecta errores de transferencia en catalán escrito por berberófonos.")
+        with gr.Row():
+            with gr.Column():
+                text_err = gr.Textbox(label="Frase en catalán", placeholder="té una cotxe")
+                btn_err = gr.Button("Detectar errores", variant="primary")
+            out_err = gr.Markdown()
+        btn_err.click(detect_errors, inputs=text_err, outputs=out_err)
+        gr.Examples(
+            [["té una cotxe"], ["vaig a mercat ahir"], ["no vinc no"]],
+            inputs=text_err
+        )
+
+        gr.Markdown("---")
+        btn_catalog = gr.Button("Ver catálogo completo de errores documentados")
+        out_catalog = gr.Markdown()
+        btn_catalog.click(show_all_errors, outputs=out_catalog)
+
+    gr.Markdown("""
+---
+*Proyecto de NLP para lenguas de bajos recursos · Familia Afroasiática · Dialecto Tarifit/Rifeno*  
+*Código extraído y estructurado a partir del libro mediante decodificación de fuente propietaria (+29 ASCII shift)*
+""")
 
 demo.launch()