Update app.py

app.py

@@ -1,66 +1,89 @@
 import streamlit as st
 from dotenv import load_dotenv
-from langchain.text_splitter import RecursiveCharacterTextSplitter
-from langchain.embeddings import OpenAIEmbeddings
-from langchain.vectorstores import FAISS
+from PyPDF2 import PdfReader
+from langchain.text_splitter import CharacterTextSplitter, RecursiveCharacterTextSplitter
+from langchain.embeddings import OpenAIEmbeddings, HuggingFaceInstructEmbeddings
+from langchain.vectorstores import FAISS, Chroma
+from langchain.embeddings import HuggingFaceEmbeddings  # General embeddings from HuggingFace models.
 from langchain.chat_models import ChatOpenAI
 from langchain.memory import ConversationBufferMemory
 from langchain.chains import ConversationalRetrievalChain
+from htmlTemplates import css, bot_template, user_template
+from langchain.llms import HuggingFaceHub, LlamaCpp, CTransformers  # For loading transformer models.
 from langchain.document_loaders import PyPDFLoader, TextLoader, JSONLoader, CSVLoader
-import tempfile
+import tempfile  # 임시 파일을 생성하기 위한 라이브러리입니다.
 import os
 
-css = """
-    <style>
-    /* 여기에 CSS 코드를 넣어주세요 */
-    </style>
-"""
 
+# PDF 문서로부터 텍스트를 추출하는 함수입니다.
 def get_pdf_text(pdf_docs):
-    temp_dir = tempfile.TemporaryDirectory()
-    temp_filepath = os.path.join(temp_dir.name, pdf_docs.name)
-    with open(temp_filepath, "wb") as f:
-        f.write(pdf_docs.getvalue())
-    pdf_loader = PyPDFLoader(temp_filepath)
-    pdf_doc = pdf_loader.load()
-    return pdf_doc
+    temp_dir = tempfile.TemporaryDirectory()  # 임시 디렉토리를 생성합니다.
+    temp_filepath = os.path.join(temp_dir.name, pdf_docs.name)  # 임시 파일 경로를 생성합니다.
+    with open(temp_filepath, "wb") as f:  # 임시 파일을 바이너리 쓰기 모드로 엽니다.
+        f.write(pdf_docs.getvalue())  # PDF 문서의 내용을 임시 파일에 씁니다.
+    pdf_loader = PyPDFLoader(temp_filepath)  # PyPDFLoader를 사용해 PDF를 로드합니다.
+    pdf_doc = pdf_loader.load()  # 텍스트를 추출합니다.
+    return pdf_doc  # 추출한 텍스트를 반환합니다.
+
+
+# 과제
+# 아래 텍스트 추출 함수를 작성
 
 def get_text_file(docs):
-    text_loader = TextLoader(docs.name)
-    text = text_loader.load()
-    return [text]
+    text = docs.getvalue().decode("utf-8")  # Read the text file
+    return [text]  # Return a list containing the text
 
 def get_csv_file(docs):
-    csv_loader = CSVLoader(docs.name)
-    csv_text = csv_loader.load()
-    return csv_text.values.tolist()
+    import pandas as pd
+    csv_text = docs.getvalue().decode("utf-8")  # Read the CSV content
+    csv_data = pd.read_csv(pd.compat.StringIO(csv_text))  # Parse CSV data
+    csv_columns = csv_data.columns.tolist()
+    csv_rows = csv_data.to_dict(orient='records')
+    # Convert CSV rows to text
+    csv_texts = [', '.join([f"{col}: {row[col]}" for col in csv_columns]) for row in csv_rows]
+    return csv_texts  # Return a list containing text from CSV rows
 
 def get_json_file(docs):
-    json_loader = JSONLoader(docs.name)
-    json_text = json_loader.load()
-    return [json_text]
+    import json
+    json_text = docs.getvalue().decode("utf-8")  # Read the JSON content
+    json_data = json.loads(json_text)  # Parse JSON data
+    # Extract text from JSON data based on your JSON structure
+    # For instance, assuming JSON has a 'text' key in each object:
+    json_texts = [item.get('text', '') for item in json_data]
+    return json_texts  # Return a list containing text from JSON
+
+
 
+# 문서들을 처리하여 텍스트 청크로 나누는 함수입니다.
 def get_text_chunks(documents):
     text_splitter = RecursiveCharacterTextSplitter(
-        chunk_size=1000,
-        chunk_overlap=200,
-        length_function=len
+        chunk_size=1000,  # 청크의 크기를 지정합니다.
+        chunk_overlap=200,  # 청크 사이의 중복을 지정합니다.
+        length_function=len  # 텍스트의 길이를 측정하는 함수를 지정합니다.
     )
 
-    documents = text_splitter.split_documents(documents)
-    return documents
+    documents = text_splitter.split_documents(documents)  # 문서들을 청크로 나눕니다
+    return documents  # 나눈 청크를 반환합니다.
 
+
+# 텍스트 청크들로부터 벡터 스토어를 생성하는 함수입니다.
 def get_vectorstore(text_chunks):
+    # OpenAI 임베딩 모델을 로드합니다. (Embedding models - Ada v2)
+
     embeddings = OpenAIEmbeddings()
-    vectorstore = FAISS.from_documents(text_chunks, embeddings)
-    return vectorstore
+    vectorstore = FAISS.from_documents(text_chunks, embeddings)  # FAISS 벡터 스토어를 생성합니다.
+
+    return vectorstore  # 생성된 벡터 스토어를 반환합니다.
+
 
 def get_conversation_chain(vectorstore):
     gpt_model_name = 'gpt-3.5-turbo'
-    llm = ChatOpenAI(model_name=gpt_model_name)
+    llm = ChatOpenAI(model_name=gpt_model_name)  # gpt-3.5 모델 로드
 
+    # 대��� 기록을 저장하기 위한 메모리를 생성합니다.
     memory = ConversationBufferMemory(
         memory_key='chat_history', return_messages=True)
+    # 대화 검색 체인을 생성합니다.
     conversation_chain = ConversationalRetrievalChain.from_llm(
         llm=llm,
         retriever=vectorstore.as_retriever(),
@@ -68,8 +91,12 @@ def get_conversation_chain(vectorstore):
     )
     return conversation_chain
 
+
+# 사용자 입력을 처리하는 함수입니다.
 def handle_userinput(user_question):
+    # 대화 체인을 사용하여 사용자 질문에 대한 응답을 생성합니다.
     response = st.session_state.conversation({'question': user_question})
+    # 대화 기록을 저장합니다.
     st.session_state.chat_history = response['chat_history']
 
     for i, message in enumerate(st.session_state.chat_history):
@@ -80,6 +107,7 @@ def handle_userinput(user_question):
             st.write(bot_template.replace(
                 "{{MSG}}", message.content), unsafe_allow_html=True)
 
+
 def main():
     load_dotenv()
     st.set_page_config(page_title="Chat with multiple Files",
@@ -103,26 +131,37 @@ def main():
 
         st.subheader("Your documents")
         docs = st.file_uploader(
-            "Upload your files here and click on 'Process'", accept_multiple_files=True)
+            "Upload your PDFs here and click on 'Process'", accept_multiple_files=True)
         if st.button("Process"):
             with st.spinner("Processing"):
+                # get pdf text
                 doc_list = []
 
                 for file in docs:
+                    print('file - type : ', file.type)
                     if file.type == 'text/plain':
+                        # file is .txt
                         doc_list.extend(get_text_file(file))
                     elif file.type in ['application/octet-stream', 'application/pdf']:
+                        # file is .pdf
                         doc_list.extend(get_pdf_text(file))
                     elif file.type == 'text/csv':
+                        # file is .csv
                         doc_list.extend(get_csv_file(file))
                     elif file.type == 'application/json':
+                        # file is .json
                         doc_list.extend(get_json_file(file))
 
+                # get the text chunks
                 text_chunks = get_text_chunks(doc_list)
+
+                # create vector store
                 vectorstore = get_vectorstore(text_chunks)
+
+                # create conversation chain
                 st.session_state.conversation = get_conversation_chain(
                     vectorstore)
 
+
 if __name__ == '__main__':
     main()
-