Analise de Sentimentos com Inteligencia Artificial

import boto3      # SDK da AWS para Python
import uuid       # Gera IDs unicos para cada registro
import json       # Manipulacao de dados JSON

# ============================================
# Inicializando os clientes AWS
# Cada cliente se conecta a um servico diferente
# ============================================
s3 = boto3.client('s3')              # Cliente para ler arquivos do S3
comprehend = boto3.client('comprehend')  # Cliente para analise de sentimento (IA)
dynamodb = boto3.resource('dynamodb')    # Cliente para o banco de dados
table = dynamodb.Table('AnaliseSentimentos')  # Referencia a tabela criada

def lambda_handler(event, context):
    """
    Funcao principal que a AWS Lambda executa.
    - event: contem os dados do evento S3 (qual arquivo foi enviado)
    - context: informacoes do ambiente de execucao
    """
    
    # PASSO 1: Extrair o nome do bucket e do arquivo
    # O evento S3 envia essas informacoes automaticamente
    bucket_name = event['Records'][0]['s3']['bucket']['name']
    file_key = event['Records'][0]['s3']['object']['key']
    
    try:
        # PASSO 2: Ler o conteudo do arquivo de texto no S3
        # get_object retorna o objeto, .read() le o conteudo
        response = s3.get_object(Bucket=bucket_name, Key=file_key)
        texto_para_analisar = response['Body'].read().decode('utf-8')
        
        # PASSO 3: Enviar o texto para o Amazon Comprehend
        # detect_sentiment analisa se o texto e POSITIVO, NEGATIVO, etc.
        # LanguageCode='pt' indica que o texto esta em portugues
        resultado_ia = comprehend.detect_sentiment(
            Text=texto_para_analisar,
            LanguageCode='pt'
        )
        
        # Extrair os resultados da analise
        sentimento = resultado_ia['Sentiment']      # Ex: POSITIVE, NEGATIVE
        confianca = resultado_ia['SentimentScore']   # Porcentagem de confianca
        
        # PASSO 4: Salvar o resultado no DynamoDB
        # put_item insere um novo registro na tabela
        item_id = str(uuid.uuid4())  # Gera um ID unico
        table.put_item(
            Item={
                'id': item_id,
                'arquivo': file_key,
                'texto': texto_para_analisar[:100],  # Primeiros 100 chars
                'sentimento': sentimento,
                'confianca': json.dumps(confianca)
            }
        )
        
        # Retorna sucesso com o resultado
        return {
            'statusCode': 200,
            'body': f"Analise concluida para {file_key}: {sentimento}"
        }
        
    except Exception as e:
        # Em caso de erro, registra no CloudWatch e relanca
        print(f"Erro: {str(e)}")
        raise e