Update app.py

app.py

@@ -28,23 +28,21 @@ def process_resumes(files, candidate_id: str, additional_notes: str = ""):
     raw_texts = []
 
     for f in files:
-        # gr.Files(type="binary") では .read() / .name が利用可能
+        # gr.Files(type="binary"): .read() / .name が利用可能
         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 -> 3) 正規化
         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", ""),
@@ -58,10 +56,10 @@ 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）
+    # 4) 複数ファイル統合
     merged = merge_normalized_records([r["normalized"] for r in partial_records])
 
-    # 4) スキル抽出（辞書/正規表現）
+    # 5) 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", ""),
@@ -70,17 +68,17 @@ def process_resumes(files, candidate_id: str, additional_notes: str = ""):
         "skills": ", ".join(merged.get("skills", [])),
     })
 
-    # 5) 匿名化
+    # 6) 匿名化
     anonymized_text, anon_map = anonymize_text(merged_text)
     anon_pdf_bytes = render_anonymized_pdf(anonymized_text)
 
-    # 6) 品質スコア
+    # 7) 品質スコア
     score = compute_quality_score(merged_text, merged)
 
-    # 7) 要約（300/100/1文）
+    # 8) 要約
     summaries = summarize_with_openai(merged_text)
 
-    # 8) 構造化出力
+    # 9) 構造化出力（最終JSON）
     result_json = {
         "candidate_id": candidate_id or hashlib.sha256(merged_text.encode("utf-8")).hexdigest()[:16],
         "files": [f.name for f in files],
@@ -92,7 +90,7 @@ def process_resumes(files, candidate_id: str, additional_notes: str = ""):
         "notes": additional_notes,
     }
 
-    # 9) HF Datasets 保存
+    # 10) HF Datasets 保存（任意）
     dataset_repo = os.environ.get("DATASET_REPO")
     commit_info = None
     if dataset_repo:
@@ -106,12 +104,15 @@ def process_resumes(files, candidate_id: str, additional_notes: str = ""):
             pdf_path=f"candidates/{file_hash}.anon.pdf",
         )
 
+    # gr.File には (filename, bytes) を返す
     anon_pdf = (result_json["candidate_id"] + ".anon.pdf", anon_pdf_bytes)
 
+    # ⚠️ gr.JSON は 4.44 で API スキーマ生成がコケる事があるため
+    # 画面表示用はすべて「文字列」にして gr.Code へ渡す
     return (
-        json.dumps(result_json, ensure_ascii=False, indent=2),
-        skills,
-        json.dumps(score, ensure_ascii=False, indent=2),
+        json.dumps(result_json, ensure_ascii=False, indent=2),           # out_json -> Code
+        json.dumps(skills, ensure_ascii=False, indent=2),                # out_skills -> Code
+        json.dumps(score, ensure_ascii=False, indent=2),                 # out_score -> Code
         summaries["300chars"],
         summaries["100chars"],
         summaries["onesent"],
@@ -120,7 +121,7 @@ def process_resumes(files, candidate_id: str, additional_notes: str = ""):
     )
 
 
-with gr.Blocks(title=APP_TITLE) as demo:
+with gr.Blocks(title=APP_TITLE, analytics_enabled=False) as demo:
     gr.Markdown(f"# {APP_TITLE}\n複数ファイルを統合→OpenAIで読み込み/構造化/要約→匿名化→Datasets保存")
 
     with gr.Row():
@@ -128,7 +129,7 @@ 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="binary",  # Gradio 4.44系：'binary' or 'filepath'
+            type="binary",  # ✅ 4.44系は 'binary' or 'filepath'
         )
         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)
@@ -139,10 +140,10 @@ 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"):
-        out_skills = gr.JSON(label="スキル一覧")
+        out_skills = gr.Code(label="スキル一覧(JSON表示)")
 
     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表示)")
 
     with gr.Tab("要約 (300/100/1文)"):
         out_sum_300 = gr.Textbox(label="300字要約")
@@ -163,5 +164,10 @@ with gr.Blocks(title=APP_TITLE) as demo:
 
 
 if __name__ == "__main__":
-    # Hugging Face Spaces では share=True は不要／非推奨
-    demo.launch()
+    # Spaces 等のPaaSで localhost アクセス不可な環境に合わせて明示
+    demo.launch(
+        server_name="0.0.0.0",
+        server_port=int(os.environ.get("PORT", "7860")),
+        share=True,                  # 必要環境での起動失敗を回避
+        show_error=True,
+    )