index.html

# app.py
import os
import html
import difflib
from typing import List, Tuple

import gradio as gr

# --- LanguageTool (rule-based grammar checker) ---
import language_tool_python

# --- Transformers model for grammar correction ---
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
import torch


LT_LANG = "en-US"
# Инициализаци (нэг удаа)
tool = language_tool_python.LanguageTool(LT_LANG)

# Жижиг, CPU-д ээлтэй T5 correction загвар
MODEL_NAME = "vennify/t5-base-grammar-correction"  # HF дээрх нийтлэг GEC загвар
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
model = AutoModelForSeq2SeqLM.from_pretrained(MODEL_NAME)
model.eval()


def t5_correct(text: str, max_new_tokens: int = 128) -> str:
    """
    T5 загвараар англи бичвэрийн зассан хувилбар гаргана.
    """
    if not text.strip():
        return ""

    # Зарим GEC-T5 загваруудад тусгай prefix хэрэглэдэг. Энэ загварт prefix шаардлагагүй.
    inputs = tokenizer([text], return_tensors="pt", truncation=True)
    with torch.no_grad():
        outputs = model.generate(
            **inputs,
            max_new_tokens=max_new_tokens,
            num_beams=4,
            early_stopping=True
        )
    out = tokenizer.decode(outputs[0], skip_special_tokens=True)
    return out.strip()


def lt_find_issues(text: str):
    """
    LanguageTool ашиглан дүрмийн асуудлууд, тайлбар, санал болгох засваруудыг буцаана.
    """
    matches = tool.check(text)
    rows = []
    for m in matches:
        err = text[m.offset : m.offset + m.errorLength]
        repls = ", ".join(m.replacements[:5]) if m.replacements else ""
        rows.append(
            {
                "Error": err,
                "Message": m.message,
                "Rule": m.ruleId,
                "Suggestions": repls,
                "Start": m.offset,
                "Length": m.errorLength,
            }
        )
    return rows


def highlight_html(text: str, rows: List[dict]) -> str:
    """
    Олдсон алдаануудыг текст дээр <mark> таг ашиглан тэмдэглэсэн HTML үүсгэнэ.
    Давхцах highlight үүсэхээс сэргийлж баруунаас нь эхлэн wrap хийнэ.
    """
    if not rows:
        return f"<div style='white-space:pre-wrap'>{html.escape(text)}</div>"

    # Баруунаас нь wrap хийхийн тулд эхлээд offset-ээр эрэмбэлнэ.
    rows_sorted = sorted(rows, key=lambda r: r["Start"], reverse=True)
    buf = text
    for r in rows_sorted:
        s = r["Start"]
        e = s + r["Length"]
        if s < 0 or e > len(buf):  # хамгаалалт
            continue
        frag = html.escape(buf[s:e])
        tip = html.escape(f'{r["Message"]}  |  Suggestions: {r.get("Suggestions","")}')
        wrapped = f"<mark title='{tip}'>{frag}</mark>"
        buf = html.escape(buf[:s]) + wrapped + html.escape(buf[e:])
        # Дээр нь escape давхардахгүй байх үүднээс буферийг дахин unescape хийхгүй.
        # Учир нь бид хэсгүүдийг аль хэдийн escape хийсэн.

        # Гэхдээ бид буферийн үлдсэн escape-г зөв үлдээхийн тулд дараах жижиг тохируулга:
        # html.escape аль хэдийн хийсэн тул <mark> тагийг буцааж сэргээе.
        buf = buf.replace("&lt;mark", "<mark").replace("mark&gt;", "mark>")

    return f"<div style='white-space:pre-wrap'>{buf}</div>"


def diff_html(a: str, b: str) -> str:
    """
    Эх бичвэр (a) ба зассан бичвэр (b)-ийн ялгааг HTML хэлбэрээр харуулна.
    """
    a_esc = html.escape(a)
    b_esc = html.escape(b)
    diff = difflib.ndiff(a_esc.split(), b_esc.split())
    parts = []
    for token in diff:
        if token.startswith("+ "):
            parts.append(f"<ins>{token[2:]}</ins>")
        elif token.startswith("- "):
            parts.append(f"<del>{token[2:]}</del>")
        elif token.startswith("? "):
            # туслах мөр – алгасъя
            continue
        else:
            parts.append(token[2:])
    return "<div style='line-height:1.9; word-wrap:break-word'>" + " ".join(parts) + "</div>"


def pipeline(text: str):
    """
    Нэг товчоор гурван үр дүн:
    1) LanguageTool-ийн алдааны хүснэгт
    2) Алдаатай хэсгийг highlight хийсэн HTML
    3) T5 загвараар зассан хувилбар + diff
    """
    text = (text or "").strip()
    if not text:
        return "", [], "", "", ""

    # 1) LanguageTool
    rows = lt_find_issues(text)
    table_rows = [
        [r["Error"], r["Message"], r["Rule"], r["Suggestions"]] for r in rows
    ]
    highlighted = highlight_html(text, rows)

    # 2) T5 correction
    corrected = t5_correct(text)

    # 3) Diff
    dhtml = diff_html(text, corrected)

    return corrected, table_rows, highlighted, dhtml, f"Found {len(rows)} potential issue(s)."


with gr.Blocks(title="Grammar Classroom (HF Space)") as demo:
    gr.Markdown(
        """
# 🧑‍🏫 English Grammar Classroom
- **Rule-based check** (LanguageTool): errors, explanations, suggestions  
- **AI correction** (T5): corrected version  
- **Diff view**: see changes compared to your original  
        """
    )

    with gr.Row():
        inp = gr.Textbox(
            label="Enter English text",
            placeholder="Paste or type your sentence/paragraph here…",
            lines=7,
        )
    run_btn = gr.Button("Check & Correct", variant="primary")

    gr.Markdown("### ✅ AI-corrected Text")
    corrected_out = gr.Textbox(label="Corrected", lines=6)

    gr.Markdown("### 📋 Grammar Issues (LanguageTool)")
    issues_df = gr.Dataframe(
        headers=["Error", "Message", "Rule", "Suggestions"],
        datatype=["str", "str", "str", "str"],
        wrap=True,
        interactive=False,
        row_count=(0, "dynamic"),
    )
    issues_summary = gr.Markdown()

    gr.Markdown("### ✨ Highlighted Issues")
    highlighted_out = gr.HTML()

    gr.Markdown("### 🔍 Diff (Original vs Corrected)")
    diff_out = gr.HTML()

    run_btn.click(
        fn=pipeline,
        inputs=[inp],
        outputs=[corrected_out, issues_df, highlighted_out, diff_out, issues_summary],
    )

if __name__ == "__main__":
    demo.launch()