data_loader.py

import requests
import pandas as pd
from datetime import datetime, timedelta


def build_date_range(dias: int) -> tuple[str, str]:
    fecha_fin    = datetime.today().date()
    fecha_inicio = fecha_fin - timedelta(days=dias)
    return fecha_inicio.isoformat(), fecha_fin.isoformat()


def fetch_articles(
    keywords: list[str],
    api_key: str,
    fecha_inicio: str,
    fecha_fin: str,
    idioma: str,
    max_articulos: int,
) -> tuple[pd.DataFrame, list[str]]:
    """
    Descarga artículos de NewsAPI para cada keyword en el rango de fechas.
    Devuelve (DataFrame limpio, lista de errores por keyword).
    """
    url = "https://newsapi.org/v2/everything"
    articulos_total = []
    errores = []

    for kw in keywords:
        params = {
            "q":        kw,
            "from":     fecha_inicio,
            "to":       fecha_fin,
            "language": idioma,
            "sortBy":   "publishedAt",
            "pageSize": max_articulos,
            "apiKey":   api_key,
        }
        response = requests.get(url, params=params, timeout=10)
        data     = response.json()

        if data.get("status") != "ok":
            errores.append(f"'{kw}': {data.get('message', 'error desconocido')}")
            continue

        for art in data.get("articles", []):
            art["keyword"] = kw
        articulos_total.extend(data.get("articles", []))

    if not articulos_total:
        return pd.DataFrame(), errores

    df = pd.DataFrame(articulos_total)
    df = df[["title", "source", "publishedAt", "keyword"]].dropna()
    df["date"]  = pd.to_datetime(df["publishedAt"]).dt.date
    df["media"] = df["source"].apply(lambda x: x.get("name", "") if isinstance(x, dict) else "")
    df = df.drop_duplicates(subset="title").reset_index(drop=True)

    return df, errores