Update app.py

app.py

@@ -11,78 +11,64 @@ 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
-from tempfile import NamedTemporaryFile
+import tempfile # 임시 파일을 생성하기 위한 라이브러리입니다.
 import os
 
 
+# PDF 문서로부터 텍스트를 추출하는 함수입니다.
 def get_pdf_text(pdf_docs):
-    with NamedTemporaryFile() as temp_file:
-        temp_file.write(pdf_docs.getvalue())
-        temp_file.seek(0)
-        pdf_loader = PyPDFLoader(temp_file.name)
-        # print('pdf_loader = ', pdf_loader)
-        pdf_doc = pdf_loader.load()
-        # print('pdf_doc = ',pdf_doc)
-        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):
-    with NamedTemporaryFile() as temp_file:
-        temp_file.write(docs.getvalue())
-        temp_file.seek(0)
-        text_loader = TextLoader(temp_file.name)
-        text_doc = text_loader.load()
-
-        return text_doc
+    pass
 
 
 def get_csv_file(docs):
-    with NamedTemporaryFile() as temp_file:
-        temp_file.write(docs.getvalue())
-        temp_file.seek(0)
-        text_loader = CSVLoader(temp_file.name)
-        text_doc = text_loader.load()
-
-        return text_doc
-
+    pass
 
 def get_json_file(docs):
-    with NamedTemporaryFile() as temp_file:
-        temp_file.write(docs.getvalue())
-        temp_file.seek(0)
-        json_loader = JSONLoader(temp_file.name,
-                                 jq_schema='.scans[].relationships',
-                                 text_content=False)
-        json_doc = json_loader.load()
-
-        return json_doc
-
+    pass
 
+    
+# 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):
-    # Load the desired embeddings model.
+    # OpenAI 임베딩 모델을 로드합니다. (Embedding models - Ada v2)
 
     embeddings = OpenAIEmbeddings()
-    vectorstore = FAISS.from_documents(text_chunks, embeddings)
+    vectorstore = FAISS.from_documents(text_chunks, embeddings) # FAISS 벡터 스토어를 생성합니다.
 
-    return vectorstore
+    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
+    
+    # 대화 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(),
@@ -90,9 +76,11 @@ 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):
@@ -106,7 +94,7 @@ def handle_userinput(user_question):
 
 def main():
     load_dotenv()
-    st.set_page_config(page_title="Chat with multiple PDFs",
+    st.set_page_config(page_title="Chat with multiple Files",
                        page_icon=":books:")
     st.write(css, unsafe_allow_html=True)
 
@@ -115,7 +103,7 @@ def main():
     if "chat_history" not in st.session_state:
         st.session_state.chat_history = None
 
-    st.header("Chat with multiple PDFs :books:")
+    st.header("Chat with multiple Files :")
     user_question = st.text_input("Ask a question about your documents:")
     if user_question:
         handle_userinput(user_question)