app.py

import gradio as gr
from transformers import pipeline
import pdfplumber
import docx

# 1. 載入 SQuAD v2.0 預訓練模型
# 使用 deepset/roberta-base-squad2，它是針對 v2.0 優化的標準模型
qa_model = pipeline("question-answering", model="deepset/roberta-base-squad2")

# 2. 定義文件讀取函式
def extract_text(file):
    if file is None:
        return ""
    
    file_path = file.name
    text = ""
    
    # 處理 PDF
    if file_path.endswith('.pdf'):
        with pdfplumber.open(file_path) as pdf:
            for page in pdf.pages:
                text += page.extract_text() + "\n"
    
    # 處理 Word (.docx)
    elif file_path.endswith('.docx'):
        doc = docx.Document(file_path)
        for para in doc.paragraphs:
            text += para.text + "\n"
            
    # 處理純文字 (.txt)
    elif file_path.endswith('.txt'):
        with open(file_path, 'r', encoding='utf-8') as f:
            text = f.read()
            
    return text

# 3. 定義主預測邏輯
def predict(file, manual_context, question):
    # 1. 檢查問題是否為空
    if not question.strip():
        return "⚠️ 請輸入您想提問的問題。"

    # 2. 判斷資料來源優先級
    source_info = ""
    if file is not None:
        # 如果有上傳檔案，優先讀取檔案
        context = extract_text(file)
        source_info = f"📝 來源：已偵測到上傳檔案 ({file.name.split('/')[-1]})"
    elif manual_context.strip():
        # 如果沒有檔案但有貼上文字
        context = manual_context
        source_info = "📝 來源：手動輸入的文本"
    else:
        # 兩者皆無
        return "⚠️ 請先提供文件內容（上傳檔案或是在文字框貼上內容）。"

    # 3. 檢查 Context 是否成功提取文字
    if not context.strip():
        return "⚠️ 無法從提供的來源中提取有效文字，請檢查檔案格式。"

    # 4. 執行模型推理
    try:
        result = qa_model(question=question, context=context)
        
        # SQuAD 2.0 門檻檢查
        if result['score'] < 0.01:
            return f"{source_info}\n\n❌ 抱歉，在提供的內容中找不到相關答案。"
        
        return (f"{source_info}\n"
                f"🎯 模型回答：{result['answer']}\n"
                f"📊 信心分數：{round(result['score'] * 100, 2)}%")
                
    except Exception as e:
        return f"❌ 發生錯誤：{str(e)}"

# 4. 建立 Gradio 網頁介面
with gr.Blocks(title="Case Study: AI Document QA") as demo:
    gr.Markdown("# 📑 Case Study: 智慧文件問答系統")
    gr.Markdown("利用語言模型進行文件自動化讀取與問答。")
    
    with gr.Row():
        with gr.Column():
            file_input = gr.File(label="1. 上傳文件 (PDF, Word, TXT)")
            text_input = gr.Textbox(lines=8, label="或是在此貼上文件內容", placeholder="若已上傳文件則無需填寫此處...")
            question_input = gr.Textbox(lines=2, label="2. 輸入您的問題", placeholder="例如：這份文件的主要結論是什麼？")
            submit_btn = gr.Button("開始分析", variant="primary")
            
        with gr.Column():
            answer_output = gr.Textbox(label="模型回答結果", lines=10)

    # 綁定按鈕功能
    submit_btn.click(
        fn=predict, 
        inputs=[file_input, text_input, question_input], 
        outputs=answer_output
    )
    
    gr.Markdown("---")
    gr.Markdown("💡 **提示：** 針對 SQuAD v2.0 資料集訓練的模型具備判斷『問題是否可回答』的能力。")

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