nuevo programa

.gitignore

@@ -0,0 +1 @@
+.venv/

.streamlit/secrets.toml

@@ -0,0 +1,4 @@
+[secrets]
+clave-openai = "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"
+
+clave-spaceserp = "a0119e8f-1852-4a23-add7-763205748abf"

Streamlit app.py

@@ -0,0 +1,321 @@
+import streamlit as st
+import openai
+import os
+import requests
+import pandas as pd
+import io
+from wordcloud import WordCloud
+import matplotlib.pyplot as plt
+from PIL import Image
+import base64
+from collections import Counter
+import numpy as np
+import nltk
+from nltk.corpus import stopwords
+from nltk.tokenize import word_tokenize
+
+
+
+nltk.download('stopwords')
+nltk.download('punkt')
+
+st.sidebar.image('logo-empresa.png', caption='Logo de la empresa')
+
+st.sidebar.markdown('### Configuración IA')
+
+# Solicita el API key de OpenAI en el panel lateral
+api_key = st.sidebar.text_input('Ingresa tu API key de OpenAI:', type="password")
+
+
+temperature = st.sidebar.slider('Ajuste de Temperature:', min_value=0.1, max_value=2.0, value=1.0, step=0.1)
+
+
+max_tokens = st.sidebar.slider('Max Tokens:', min_value=50, max_value=1500, value=1000, step=50)
+
+
+st.sidebar.markdown('### Información Adicional')
+
+st.sidebar.markdown('<a href="https://ia.promocioneconomicadesalamanca.com/" target="_blank">Acceso Curso Completo</a>', unsafe_allow_html=True)
+
+
+
+if api_key:
+    openai.api_key = api_key
+else:
+    # Configura tus credenciales de OpenAI aquí
+    openai.api_key = st.secrets["secrets"]["clave-openai"]  # Utilizará el valor por defecto si el usuario no proporciona un API key
+
+
+# Muestra la imagen en la parte superior
+st.image("logos.png", use_column_width=True)
+st.empty()  # Agrega un espacio vacío
+st.markdown('---')
+st.markdown('## Crea Automáticamente Contenido con tu IA Personalizada')
+
+def plot_histogram(articulo):
+    # Tokenizar el artículo en palabras
+    palabras = word_tokenize(articulo, language='spanish')
+
+    # Obtener las stopwords en español
+    stop_words = set(stopwords.words('spanish'))
+
+    # Filtrar las palabras para eliminar las stopwords y palabras no alfabéticas
+    palabras_filtradas = [word for word in palabras if word.isalpha() and word.lower() not in stop_words]
+
+    # Obtener la frecuencia de cada palabra
+    freq = Counter(palabras_filtradas)
+
+    # Ordenar las palabras por frecuencia y tomar las 8 más comunes
+    common_words = freq.most_common(8)
+    labels, values = zip(*common_words)
+
+    # Mostrar el histograma
+    plt.figure(figsize=(12, 8))
+    plt.bar(labels, values)
+    plt.xticks(rotation=90)  # Rotar las etiquetas del eje x para una mejor visualización
+    
+    # Ajustar los márgenes para asegurar que las etiquetas no se corten
+    plt.subplots_adjust(left=0.1, bottom=0.2)
+
+    # Aumentar el tamaño de la fuente de las etiquetas y el título
+    plt.xlabel('Palabras clave', fontsize=14)
+    plt.ylabel('Frecuencia', fontsize=14)
+    plt.title('Top 8 Palabras clave más frecuentes', fontsize=16)
+    plt.xticks(fontsize=12)
+    plt.yticks(fontsize=12)
+    
+    # Guardar la imagen en un buffer y mostrarla en Streamlit
+    buf = io.BytesIO()
+    plt.savefig(buf, format="png")
+    buf.seek(0)
+    tab1.image(buf, caption="Histograma de frecuencia de palabras (8 más comunes)", use_column_width=True)
+
+
+
+
+# Función para generar imágenes con DALL·E
+def generar_imagenes(descripcion, num_imagenes=4):
+    response = openai.Image.create(
+      prompt=descripcion,
+      n=num_imagenes,
+      size="512x512",
+      response_format="url"
+    )
+    urls = [data['url'] for data in response.data]
+    print(urls)  # Añade esta línea para ver las URLs generadas.
+    return urls
+
+def get_image_download_link(img_url, filename="imagen.png", text="Descargar imagen"):
+    """
+    Genera un link para descargar una imagen.
+    """
+    response = requests.get(img_url)
+    img_data = response.content
+    b64 = base64.b64encode(img_data).decode()
+    return f'<a href="data:image/png;base64,{b64}" download="{filename}">{text}</a>'
+
+
+# Función para generar artículos
+def generar_articulo(tema):
+    prompt_articulo = "Eres un experto en marketing de contenidos y generador de artículos en profundidad"
+    mensajes = [
+        {"role": "system", "content": prompt_articulo},
+        {"role": "user", "content": f"Quiero que hagas un artículo sobre \"{tema}\" con índice, titulares, desarrollo de temas y un resumen al final."}
+    ]
+
+    respuesta = openai.ChatCompletion.create(
+        model="gpt-3.5-turbo",
+        messages=mensajes,
+        temperature=temperature,
+        max_tokens=max_tokens,
+        top_p=1,
+        frequency_penalty=0,
+        presence_penalty=0
+    )
+
+    return respuesta.choices[0].message['content']
+
+# Función para generar estudio de palabras clave
+
+
+def generar_estudio_palabras(tema):
+    prompt_keywords = "Eres un experto en SEO y análisis de palabras clave. Por favor, genera una lista de palabras clave en español relacionadas con el tema. No escribas nada más"
+    mensajes = [
+        {"role": "system", "content": prompt_keywords},
+        {"role": "user", "content": f"¿Cuáles son las palabras clave relacionadas con \"{tema}\"?"}
+    ]
+
+    respuesta = openai.ChatCompletion.create(
+        model="gpt-3.5-turbo",
+        messages=mensajes,
+        temperature=1,
+        max_tokens=200,
+        top_p=1,
+        frequency_penalty=0,
+        presence_penalty=0
+    )
+
+    return respuesta.choices[0].message['content'].split(',')
+
+
+def mostrar_palabras_clave(palabras_clave):
+    # Dividir la cadena de palabras clave en una lista
+    palabras_lista = palabras_clave[0].split('\n')
+    
+    # Eliminar cualquier cadena vacía que pueda haber en la lista
+    palabras_lista = [palabra for palabra in palabras_lista if palabra]
+    
+    # Mostrar las palabras clave en formato de lista en Streamlit
+    tab2.write("Aquí tienes una lista de palabras clave relacionadas con:")
+    for palabra in palabras_lista:
+        tab2.markdown(f"- {palabra}")
+
+
+def contar_palabras(titulos):
+    nltk.download('stopwords')
+    nltk.download('punkt')
+    
+    palabras = []
+    for titulo in titulos:
+        tokens = word_tokenize(titulo.lower())
+        palabras.extend(tokens)
+
+    stop_words = set(stopwords.words('spanish'))
+    palabras_filtradas = [p for p in palabras if p not in stop_words and p.isalpha()]
+
+    return Counter(palabras_filtradas)
+
+
+def generar_nube_palabras(palabras):
+    wordcloud = WordCloud(width=800, height=400, background_color='white').generate(' '.join(palabras))
+    plt.figure(figsize=(10, 5))
+    plt.imshow(wordcloud, interpolation='bilinear')
+    plt.axis('off')
+    
+    # Guardar la imagen en un buffer y mostrarla en Streamlit
+    buf = io.BytesIO()
+    plt.savefig(buf, format="png")
+    buf.seek(0)
+    tab2.image(buf, caption="Nube de palabras clave", use_column_width=True)
+
+
+
+def generar_ideas_articulos(titulos):
+    ideas = []
+    for titulo in titulos:
+        prompt = f"Basándote en el título '{titulo}', proporcióna una idea original para un artículo que pueda posicionarse bien en los motores de búsqueda."
+        mensajes = [
+            {"role": "system", "content": prompt}
+        ]
+        respuesta = openai.ChatCompletion.create(
+            model="gpt-3.5-turbo",
+            messages=mensajes,
+            temperature=0.7,
+            max_tokens=150,
+            top_p=1,
+            frequency_penalty=0,
+            presence_penalty=0
+        )
+        idea = respuesta.choices[0].message['content']
+        ideas.append(idea)
+    return ideas
+
+# Crear pestañas
+tab4, tab2, tab1, tab3 = st.tabs(["Mejores Ideas Competencia", "Estudio de Palabras Clave", "Generar Artículo", "Generar Imagen con DALL·E"])
+
+
+with tab1:
+    tab1.subheader("Generar un artículo")
+    tema = tab1.text_input('Introduce el tema para el artículo:')
+    if tab1.button('Generar Artículo'):
+        articulo = generar_articulo(tema)
+        tab1.text_area("Artículo Generado:", articulo, height=400)
+        st.download_button("Descargar Artículo", articulo, "mi_articulo.txt")
+        # Llama a plot_histogram() sólo después de haber definido articulo
+        plot_histogram(articulo)
+
+
+
+with tab2:
+    tab2.subheader("Estudio de palabras clave")
+    tema_keywords = tab2.text_input('Introduce el tema para el estudio de palabras clave:')
+    
+    # Inicializa el estado del botón si aún no está definido
+    if "btn_estudio_pressed" not in st.session_state:
+        st.session_state.btn_estudio_pressed = False
+
+    # Botón que cambia el estado cuando se presiona
+    if tab2.button('Generar Estudio'):
+        st.session_state.btn_estudio_pressed = not st.session_state.btn_estudio_pressed
+    
+    # Verifica el estado para decidir si ejecutar el código
+    if st.session_state.btn_estudio_pressed:
+        palabras_clave = generar_estudio_palabras(tema_keywords)
+        generar_nube_palabras(palabras_clave)
+        mostrar_palabras_clave(palabras_clave)  # Añade esta línea
+
+with tab3:
+    tab3.subheader("Generar una imagen con DALL·E")
+    descripcion = tab3.text_input('Introduce una descripción para la imagen:')
+    if tab3.button('Generar Imagen'):
+        urls_imagenes = generar_imagenes(descripcion)
+        
+        # Establece las columnas para las imágenes (2x2)
+        col1, col2 = tab3.columns(2)
+        for i, url in enumerate(urls_imagenes):
+            # Si es imagen impar, la muestra en la columna 1, si no, en la columna 2
+            if i % 2 == 0:
+                col = col1
+            else:
+                col = col2
+
+            # Mostrar la imagen
+            img = Image.open(requests.get(url, stream=True).raw)
+            col.image(img, caption=descripcion, use_column_width=True)
+            
+            # Botón de descarga debajo de cada imagen
+            col.markdown(get_image_download_link(url, filename=f"imagen_{i+1}.png"), unsafe_allow_html=True)
+
+
+
+with tab4:
+    tab4.subheader("Generar ideas de artículos posicionados de la competencia")
+
+    # Entrada de texto para el término de búsqueda
+    busqueda = tab4.text_input("Introduce el término de búsqueda:")
+
+    if tab4.button('Buscar Compentencia y Generar Ideas'):
+        
+        # Consulta a la API de spaceserp con el término de búsqueda y tu API key
+        url = f"https://api.spaceserp.com/google/search?apiKey={st.secrets['secrets']['clave-spaceserp']}&q={busqueda}&gl=es&hl=es"
+        response = requests.get(url)
+        if response.status_code == 200:
+            data = response.json()
+            titulos_serp = [result["title"] for result in data["organic_results"]]
+            
+            # Genera ideas de artículos basadas en estos títulos
+            ideas_articulos = generar_ideas_articulos(titulos_serp)
+
+            # Convertir los resultados en un DataFrame y mostrarlo en una tabla
+            df = pd.DataFrame({
+                'Título SERP': titulos_serp,
+                'Idea para Artículo': ideas_articulos
+            })
+            tab4.table(df)
+
+            # Contar las palabras clave más usadas en los títulos
+            frecuencia_palabras = contar_palabras(titulos_serp)
+
+            # Generar el histograma con Streamlit y matplotlib
+            palabras, frecuencias = zip(*frecuencia_palabras.most_common(30))
+            fig, ax = plt.subplots(figsize=(10, 8))
+            ax.barh(palabras, frecuencias)
+            ax.set_title("Palabras clave más utilizadas")
+            ax.invert_yaxis()  # invertir el eje y para que las palabras más frecuentes estén en la parte superior
+            tab4.pyplot(fig)
+            
+        else:
+            tab4.warning("Hubo un error al consultar la API de spaceserp.")
+
+
+

requirements.txt

@@ -0,0 +1,9 @@
+streamlit
+openai
+requests
+pandas
+matplotlib
+PILlow
+numpy
+nltk
+wordcloud