Update app.py

app.py

@@ -7,21 +7,19 @@ import pandas as pd
 import gradio as gr
 from sentence_transformers import SentenceTransformer
 
-# ==== ПУТИ К ФАЙЛАМ (ВНУТРИ SPACE) ====
+# ==== ФАЙЛЫ ВНУТРИ SPACE ====
 ALL_DATA_PATH = "ALL_data.xlsx"              # лежит в корне репозитория
 EMBEDDINGS_PATH = "embeddings_full.json"     # общий файл эмбеддингов
-# =======================================
+# =============================
 
-# ==== ЗАГРУЗКА МЕТАДАННЫХ И ЭМБЕДДИНГОВ ====
+# ==== ЗАГРУЖАЕМ ДАННЫЕ ====
 
 print("Загружаю Excel с метаданными...")
 df_all = pd.read_excel(ALL_DATA_PATH)
 
-# registration_number приводим к строке и используем как индекс
 df_all["registration_number"] = df_all["registration_number"].astype(str)
 df_all = df_all.set_index("registration_number", drop=False)
 
-# Порядок и состав колонок, которые хотим видеть в выдаче
 COLUMNS_ORDER = [
     "registration_number",
     "name",
@@ -41,39 +39,29 @@ with open(EMBEDDINGS_PATH, "r", encoding="utf-8") as f:
 reg_nums = [str(item["registration_number"]) for item in emb_data]
 emb_matrix = np.array([item["embedding"] for item in emb_data], dtype="float32")
 
-# Нормализуем эмбеддинги (если уже нормализованы – не повредит)
 norms = np.linalg.norm(emb_matrix, axis=1, keepdims=True)
 emb_matrix = emb_matrix / np.maximum(norms, 1e-8)
 
-# Модель эмбеддингов (максимальное качество)
 MODEL_NAME = "intfloat/multilingual-e5-base"
 print(f"Загружаю модель {MODEL_NAME}...")
 model = SentenceTransformer(MODEL_NAME)
 
 
-# ==== ПОИСК ПО ЭМБЕДДИНГАМ ====
+# ==== ЛОГИКА ПОИСКА ====
 
 def search_core(query: str, top_k: int = 10):
-    """
-    Возвращает список словарей с:
-    - rank
-    - score
-    - registration_number
-    """
     query = query.strip()
     if not query:
         return []
 
-    # Для e5: документы кодировали как "passage: ...", запрос – как "query: ..."
     query_text = "query: " + query
 
     q_emb = model.encode(
         query_text,
         normalize_embeddings=True,
-    )  # shape (dim,)
+    )
 
-    # Косинусное сходство = скалярное произведение нормализованных векторов
-    scores = emb_matrix @ q_emb  # shape (N,)
+    scores = emb_matrix @ q_emb
 
     top_k = min(int(top_k), len(scores))
     top_idx = np.argsort(-scores)[:top_k]
@@ -90,11 +78,6 @@ def search_core(query: str, top_k: int = 10):
 
 
 def build_result_df(results):
-    """
-    Превращает список результатов (rank, score, registration_number)
-    в финальный DataFrame с нужными колонками:
-    №, score, registration_number, name, author_..., abstract.
-    """
     rows = []
 
     for r in results:
@@ -104,7 +87,6 @@ def build_result_df(results):
         if reg in df_all.index:
             meta = df_all.loc[reg]
         else:
-            # На случай, если registration_number нет в Excel
             meta = pd.Series({}, index=df_all.columns)
 
         row = {
@@ -112,7 +94,6 @@ def build_result_df(results):
             "score": round(score, 4),
         }
 
-        # Добавляем запрошенные метаданные
         for col in COLUMNS_ORDER:
             if col in meta.index:
                 row[col] = meta[col]
@@ -129,100 +110,80 @@ def build_result_df(results):
     return df_res
 
 
-# ==== ОБЁРТКА ДЛЯ GRADIO ====
-
-def search_gradio(query: str, top_k: int):
+def run_search(query: str, top_k: int):
     """
-    Функция для Gradio:
-    - получает текст запроса и top_k,
-    - считает эмбеддинг запроса,
-    - находит top_k близких диссертаций,
-    - строит таблицу,
-    - сохраняет её в Excel и PDF,
-    - возвращает таблицу + два файла.
+    Возвращает:
+    - DataFrame с результатами
+    - путь к Excel-файлу с этими результатами
     """
     query = query.strip()
     if not query:
         empty_df = pd.DataFrame(columns=["№", "score"] + COLUMNS_ORDER)
-        return empty_df, None, None
+        return empty_df, None
 
     results = search_core(query, top_k)
     df_res = build_result_df(results)
 
-    # === Сохраняем в Excel ===
-    excel_fd, excel_path = tempfile.mkstemp(suffix=".xlsx")
-    os.close(excel_fd)
+    # Сохраняем во временный Excel
+    fd, excel_path = tempfile.mkstemp(suffix=".xlsx")
+    os.close(fd)
     df_res.to_excel(excel_path, index=False)
 
-    # === Сохраняем в PDF (через reportlab) ===
-    try:
-        from reportlab.platypus import SimpleDocTemplate, Table, TableStyle
-        from reportlab.lib import colors
-        from reportlab.lib.pagesizes import A4, landscape
-
-        pdf_fd, pdf_path = tempfile.mkstemp(suffix=".pdf")
-        os.close(pdf_fd)
+    return df_res, excel_path
 
-        doc = SimpleDocTemplate(pdf_path, pagesize=landscape(A4))
 
-        # Данные для таблицы: заголовки + строки
-        data = [list(df_res.columns)]
-        for _, row in df_res.iterrows():
-            data.append([str(x) if x is not None else "" for x in row.tolist()])
-
-        table = Table(data, repeatRows=1)
-        table.setStyle(TableStyle([
-            ("BACKGROUND", (0, 0), (-1, 0), colors.lightgrey),
-            ("GRID", (0, 0), (-1, -1), 0.25, colors.grey),
-            ("FONTSIZE", (0, 0), (-1, -1), 8),
-            ("ALIGN", (0, 0), (1, -1), "CENTER"),  # № и score
-            ("VALIGN", (0, 0), (-1, -1), "TOP"),
-        ]))
-
-        doc.build([table])
-
-    except ImportError:
-        # Если reportlab не установлен по какой-то причине – PDF не отдаём
-        pdf_path = None
+def clear_all():
+    """
+    Очистка: пустой запрос, пустая таблица, отсутствие файла.
+    """
+    empty_df = pd.DataFrame(columns=["№", "score"] + COLUMNS_ORDER)
+    return "", empty_df, None
 
-    return df_res, excel_path, pdf_path
 
+# ==== UI НА BLOCKS ====
 
-# ==== GRADIO ИНТЕРФЕЙС ====
+with gr.Blocks() as demo:
+    gr.Markdown("## Поиск релевантных диссертаций")
 
-demo = gr.Interface(
-    fn=search_gradio,
-    inputs=[
-        gr.Textbox(
+    with gr.Row():
+        query = gr.Textbox(
             label="Запрос",
             lines=3,
             placeholder="Например: пластификаторы для самоуплотняющихся бетонов",
-        ),
-        gr.Slider(
-            label="Сколько результатов показать",
-            minimum=1,
-            maximum=100,
-            step=1,
-            value=20,
-        ),
-    ],
-    outputs=[
-        gr.Dataframe(
-            label="Результаты поиска",
-            interactive=False,  # но текст можно выделять и копировать
-        ),
-        gr.File(label="Скачать таблицу (Excel)"),
-        gr.File(label="Скачать таблицу (PDF)"),
-    ],
-    title="Поиск релевантных диссертаций",
-    description=(
-        "Вводите текст запроса (по-русски),\n"
-        "получайте таблицу с №, score, registration_number, названием, автором, "
-        "организацией, типом, датой и аннотацией.\n"
-        "Текст из таблицы можно копировать мышкой; "
-        "результаты можно сохранить в Excel или PDF."
-    ),
-)
+        )
+
+    top_k = gr.Slider(
+        label="Сколько результатов показать",
+        minimum=1,
+        maximum=100,
+        step=1,
+        value=20,
+    )
+
+    with gr.Row():
+        search_btn = gr.Button("Поиск")
+        clear_btn = gr.Button("Очистить")
+
+    # ТАБЛИЦА ПОД КНОПКАМИ
+    results_df = gr.Dataframe(
+        label="Результаты поиска",
+        interactive=True,  # можно выделять и копировать текст
+    )
+    excel_file = gr.File(label="Скачать таблицу (Excel)")
+
+    # Клик по "Поиск"
+    search_btn.click(
+        fn=run_search,
+        inputs=[query, top_k],
+        outputs=[results_df, excel_file],
+    )
+
+    # Клик по "Очистить"
+    clear_btn.click(
+        fn=clear_all,
+        inputs=[],
+        outputs=[query, results_df, excel_file],
+    )
 
 if __name__ == "__main__":
     demo.launch()