Update app.py

app.py

@@ -14,7 +14,7 @@ logger = logging.getLogger(__name__)
 
 # تنظیمات مسیرها
 UPLOAD_FOLDER = "uploaded_files"
-DATABASE_FILE = "vector_database.pkl"
+DATABASE_FILE = "/home/user/app/vector_database.pkl"  # مشخص کردن مسیر دقیق
 os.makedirs(UPLOAD_FOLDER, exist_ok=True)
 
 # بارگذاری دیتابیس برداری در صورت وجود
@@ -28,6 +28,7 @@ def load_database():
 def save_database(vector_db):
     with open(DATABASE_FILE, "wb") as f:
         pickle.dump(vector_db, f)
+    logger.info(f"✅ دیتابیس ذخیره شد: {DATABASE_FILE}")
 
 # دیتابیس کلی
 global_vector_db = load_database()
@@ -38,16 +39,12 @@ def process_and_store_pdfs(file_paths):
     for file_path in file_paths:
         try:
             logger.info(f"در حال پردازش فایل: {file_path}")
-
             if file_path.endswith(".pdf"):
-                # استفاده از PDFMinerLoader برای استخراج متن از PDF
                 loader = PDFMinerLoader(file_path)
                 documents = loader.load()
-
                 texts.extend(documents)
             else:
                 logger.warning(f"فرمت فایل {file_path} پشتیبانی نمی‌شود.")
-
         except Exception as e:
             logger.error(f"خطا در پردازش فایل {file_path}: {e}")
 
@@ -55,7 +52,7 @@ def process_and_store_pdfs(file_paths):
         logger.info("در حال ایجاد embeddings و ذخیره‌سازی در FAISS...")
         embeddings = OpenAIEmbeddings()
         vector_db = FAISS.from_documents(texts, embeddings)
-        logger.info("ذخیره‌سازی در FAISS با موفقیت انجام شد.")
+        logger.info("✅ ذخیره‌سازی در FAISS با موفقیت انجام شد.")
         return vector_db
     except Exception as e:
         logger.error(f"خطا در ایجاد embeddings یا ذخیره‌سازی در FAISS: {e}")
@@ -66,7 +63,7 @@ def chat_with_doc(query):
     try:
         global global_vector_db
         if not global_vector_db:
-            logger.warning("دیتابیس برداری خالی است.")
+            logger.warning("❌ دیتابیس برداری خالی است.")
             return "❌ لطفاً یک فایل مرتبط آپلود کنید."
 
         if not query.strip():
@@ -75,7 +72,6 @@ def chat_with_doc(query):
         logger.info("در حال جستجو در دیتابیس برداری...")
         retriever = global_vector_db.as_retriever(search_kwargs={"k": 5})
         docs = retriever.get_relevant_documents(query)
-
         context = "\n\n".join([doc.page_content for doc in docs])
 
         if not context:
@@ -90,9 +86,7 @@ def chat_with_doc(query):
         for doc in docs:
             final_response += f"- {doc.metadata.get('source', 'نامشخص')}, صفحه {doc.metadata.get('page', 'نامشخص')}\n"
 
-        logger.info(f"پاسخ تولید شده: {final_response}")
         return final_response
-
     except Exception as e:
         logger.error(f"خطا در پاسخ‌گویی بر اساس سند: {e}")
         return f"❌ خطایی رخ داده است: {e}"
@@ -106,23 +100,19 @@ def handle_file_upload(file):
     file_path = os.path.join(UPLOAD_FOLDER, os.path.basename(file.name))
     try:
         shutil.copy(file.name, file_path)
-        logger.info(f"فایل {file.name} با موفقیت ذخیره شد.")
+        logger.info(f"✅ فایل {file.name} ذخیره شد.")
 
         new_vector_db = process_and_store_pdfs([file_path])
         if new_vector_db:
             if global_vector_db:
-                logger.info("در حال ادغام دیتابیس جدید با دیتابیس موجود...")
                 global_vector_db.merge_from(new_vector_db)
             else:
                 global_vector_db = new_vector_db
 
             save_database(global_vector_db)
-            logger.info(f"✅ فایل {file.name} با موفقیت پردازش و ذخیره شد.")
             return f"✅ فایل {file.name} با موفقیت آپلود و پردازش شد."
         else:
-            logger.warning("❌ خطا در پردازش فایل.")
             return "❌ خطا در پردازش فایل."
-
     except Exception as e:
         logger.error(f"خطا در پردازش فایل: {e}")
         return f"❌ خطا: {e}"
@@ -134,33 +124,53 @@ def list_files_in_db():
         return f"تعداد فایل‌های آپلود شده در دیتابیس: {file_count} فایل"
     return "هیچ فایلی در دیتابیس وجود ندارد."
 
+# **بخش دباگ موقت برای بررسی مسیر و فایل‌ها**
+def check_files():
+    base_path = "/home/user/app"
+    files = []
+    for root, dirs, filenames in os.walk(base_path):
+        for filename in filenames:
+            files.append(os.path.join(root, filename))
+
+    return "\n".join(files) if files else "هیچ فایلی یافت نشد."
+
+def check_database_file():
+    if os.path.exists(DATABASE_FILE):
+        return f"✅ فایل دیتا��یس موجود است: {DATABASE_FILE}"
+    else:
+        return "❌ فایل دیتابیس یافت نشد!"
+
+def get_working_directory():
+    return f"Current Working Directory: {os.getcwd()}"
+
 # رابط کاربری با Gradio
 with gr.Blocks() as demo:
     gr.Markdown("# هوش مصنوعی همراه کارشناسان توزیع برق ایران")
 
-    with gr.Row():
-        query = gr.Textbox(label="سوال خود را بپرسید", lines=2)
-
-    with gr.Row():
-        upload_status = gr.Textbox(label="وضعیت آپلود", interactive=False)
+    query = gr.Textbox(label="سوال خود را بپرسید", lines=2)
+    response = gr.Textbox(label="پاسخ", lines=10, interactive=False)
+    submit_btn = gr.Button("ارسال سوال")
 
-    with gr.Row():
-        file = gr.File(label="📎 آپلود فایل", file_types=[".pdf"], interactive=True)
+    file = gr.File(label="📎 آپلود فایل", file_types=[".pdf"])
+    upload_status = gr.Textbox(label="وضعیت آپلود", interactive=False)
+    upload_btn = gr.Button("ارسال فایل")
 
-    with gr.Row():
-        submit_btn = gr.Button("ارسال سوال")
-        upload_btn = gr.Button("ارسال فایل")
+    list_files_btn = gr.Button("نمایش تعداد فایل‌های آپلود شده")
+    files_list = gr.Textbox(label="وضعیت دیتابیس", lines=2, interactive=False)
 
-    with gr.Row():
-        response = gr.Textbox(label="پاسخ", lines=10, interactive=False)
+    # دکمه‌های بخش دباگ
+    debug_files_btn = gr.Button("🔍 بررسی فایل‌ها")
+    debug_db_btn = gr.Button("📂 بررسی دیتابیس")
+    debug_dir_btn = gr.Button("📁 بررسی مسیر")
 
-    with gr.Row():
-        list_files_btn = gr.Button("نمایش تعداد فایل‌های آپلود شده")
-        files_list = gr.Textbox(label="وضعیت دیتابیس", lines=2, interactive=False)
+    debug_output = gr.Textbox(label="نتایج دباگ", lines=10, interactive=False)
 
     upload_btn.click(handle_file_upload, inputs=[file], outputs=upload_status)
     submit_btn.click(chat_with_doc, inputs=[query], outputs=response)
     list_files_btn.click(list_files_in_db, outputs=files_list)
 
-# اجرای Gradio
+    debug_files_btn.click(check_files, outputs=debug_output)
+    debug_db_btn.click(check_database_file, outputs=debug_output)
+    debug_dir_btn.click(get_working_directory, outputs=debug_output)
+
 demo.launch()