Update app.py

app.py

@@ -31,19 +31,17 @@ def process_resumes(files, candidate_id: str, additional_notes: str = ""):
         raw_bytes = f.read()
         filetype = detect_filetype(f.name, raw_bytes)
 
-        # 1) テキスト抽出：画像/PDFはOpenAI Vision OCR、docx/txtは生文面＋OpenAI整形
+        # 1) テキスト抽出
         if filetype in {"pdf", "image"}:
             text = extract_text_with_openai(raw_bytes, filename=f.name, filetype=filetype)
         else:
             base_text = load_doc_text(filetype, raw_bytes)
-            # 生テキストをそのままOpenAIへ渡し、軽く整形した全文を返す
             text = extract_text_with_openai(base_text.encode("utf-8"), filename=f.name, filetype="txt")
 
         raw_texts.append({"filename": f.name, "text": text})
 
-        # 2) OpenAIでセクション構造化
+        # 2) 構造化
         structured = structure_with_openai(text)
-        # 念のためルールベース正規化も適用（期間抽出など補助）
         normalized = normalize_resume({
             "work_experience": structured.get("work_experience_raw", ""),
             "education": structured.get("education_raw", ""),
@@ -57,10 +55,10 @@ def process_resumes(files, candidate_id: str, additional_notes: str = ""):
             "normalized": normalized,
         })
 
-    # 3) 統合（複数ファイル→1候補者）
+    # 3) 統合
     merged = merge_normalized_records([r["normalized"] for r in partial_records])
 
-    # 4) スキル抽出（辞書/正規表現）
+    # 4) スキル抽出
     merged_text = "\n\n".join([r["text"] for r in partial_records])
     skills = extract_skills(merged_text, {
         "work_experience": merged.get("raw_sections", {}).get("work_experience", ""),
@@ -76,10 +74,10 @@ def process_resumes(files, candidate_id: str, additional_notes: str = ""):
     # 6) 品質スコア
     score = compute_quality_score(merged_text, merged)
 
-    # 7) 要約（300/100/1文）
+    # 7) 要約
     summaries = summarize_with_openai(merged_text)
 
-    # 8) 構造化出力
+    # 8) まとめ
     result_json = {
         "candidate_id": candidate_id or hashlib.sha256(merged_text.encode("utf-8")).hexdigest()[:16],
         "files": [f.name for f in files],
@@ -91,7 +89,7 @@ def process_resumes(files, candidate_id: str, additional_notes: str = ""):
         "notes": additional_notes,
     }
 
-    # 9) HF Datasets 保存
+    # 9) HF Datasets 保存（任意）
     dataset_repo = os.environ.get("DATASET_REPO")
     commit_info = None
     if dataset_repo:
@@ -109,7 +107,7 @@ def process_resumes(files, candidate_id: str, additional_notes: str = ""):
 
     return (
         json.dumps(result_json, ensure_ascii=False, indent=2),
-        skills,
+        json.dumps(skills, ensure_ascii=False, indent=2),
         json.dumps(score, ensure_ascii=False, indent=2),
         summaries["300chars"],
         summaries["100chars"],
@@ -127,7 +125,7 @@ with gr.Blocks(title=APP_TITLE) as demo:
             label="レジュメ類 (PDF/画像/Word/テキスト) 複数可",
             file_count="multiple",
             file_types=[".pdf", ".png", ".jpg", ".jpeg", ".tiff", ".bmp", ".docx", ".txt"],
-            type="file"  # ※読み取りコードが .read() 前提のため file のまま
+            type="file"
         )
         candidate_id = gr.Textbox(label="候補者ID（任意。未入力なら自動生成）")
     notes = gr.Textbox(label="補足メモ（任意）", lines=3)
@@ -138,11 +136,11 @@ with gr.Blocks(title=APP_TITLE) as demo:
         out_json = gr.Code(label="統合出力 (JSON)")
 
     with gr.Tab("抽出スキル"):
-        # gr.JSON → gr.Code に変更（Gradio 4.44.0 の schema 解析バグ回避）
-        out_skills = gr.Code(label="スキル一覧(JSON表示)")
+        # Gradio 4.44.0 の schema まわりを避けるため JSON 表示は Code に
+        out_skills = gr.Code(label="スキル一覧(JSON)")
 
     with gr.Tab("品質スコア"):
-        out_score = gr.Code(label="品質評価")
+        out_score = gr.Code(label="品質評価(JSON)")
 
     with gr.Tab("要約 (300/100/1文)"):
         out_sum_300 = gr.Textbox(label="300字要約")
@@ -153,7 +151,7 @@ with gr.Blocks(title=APP_TITLE) as demo:
         out_pdf = gr.File(label="匿名PDFダウンロード")
 
     with gr.Tab("Datasets 保存ログ"):
-        out_commit = gr.Code(label="コミット情報")
+        out_commit = gr.Code(label="コミット情報(JSON)")
 
     run_btn.click(
         process_resumes,
@@ -163,5 +161,5 @@ with gr.Blocks(title=APP_TITLE) as demo:
 
 
 if __name__ == "__main__":
-    # HF Spaces 上で localhost 非アクセス時の ValueError を回避
+    # HF Spaces での公開実行（localhost アクセス不可対策）
     demo.launch(server_name="0.0.0.0", server_port=7860)