Update app.py

app.py

@@ -1,2 +1,82 @@
 import gradio as gr
+import pandas as pd
 
+# Lecture du lexique
+def read_lexicon(lexicon_file):
+    df = pd.read_csv(lexicon_file, sep='\t')
+    df['keyword_no_cat'] = df['lemma'].str.split(' #').str[0].str.strip().str.replace(' ', '_')
+    return df
+
+lexicon = read_lexicon("lexicon.csv")
+
+# Récupération de l'ID du pictogramme depuis le lexique
+def get_id_picto_from_predicted_lemma(df_lexicon, lemma):
+    lemma = lemma.strip().lower()
+    if lemma.endswith("!"):
+        lemma = lemma[:-1]
+    id_picto = df_lexicon.loc[df_lexicon['keyword_no_cat'] == lemma, 'id_picto'].tolist()
+    return (id_picto[0], lemma) if id_picto else (0, lemma)
+
+# Génération de contenu HTML pour afficher les pictogrammes
+def generate_html(ids):
+    html_content = '''
+    <style>
+        figure {
+            display: inline-block;
+            text-align: center;
+            font-family: Arial, sans-serif;
+            margin: 10px;
+        }
+        figcaption {
+            color: black;
+            background-color: white;
+            border-radius: 5px;
+            margin-top: 5px;
+            padding: 2px;
+        }
+        img {
+            background-color: white;
+            margin: 0;
+            padding: 0;
+            border-radius: 6px;
+            box-shadow: 0 2px 4px rgba(0,0,0,0.2);
+        }
+    </style>
+    '''
+    for picto_id, lemma in ids:
+        if picto_id != 0:  # pictogramme trouvé
+            img_url = f"https://static.arasaac.org/pictograms/{picto_id}/{picto_id}_500.png"
+            html_content += f'''
+            <figure>
+                <img src="{img_url}" alt="{lemma}" width="100" height="100"/>
+                <figcaption>{lemma}</figcaption>
+            </figure>
+            '''
+        else:  # pictogramme non trouvé
+            html_content += f'''
+            <figure>
+                <figcaption>Token "{lemma}" non trouvé dans le lexique</figcaption>
+            </figure>
+            '''
+    return html_content
+
+# Fonction principale de traitement
+def process_text(input_text):
+    tokens = input_text.strip().split()  # Découper l'entrée utilisateur en tokens
+    pictogram_ids = [get_id_picto_from_predicted_lemma(lexicon, token) for token in tokens]
+    return generate_html(pictogram_ids)
+
+# Configuration de l'interface Gradio
+with gr.Blocks() as demo:
+    gr.Markdown("## Visualize Pictograms Application")
+    gr.Markdown("Saisissez une phrase pour voir les pictogrammes correspondants.")
+
+    with gr.Row():
+        input_text = gr.Textbox(label="Entrez votre texte", placeholder="Exemple : bonjour comment ça va")
+        output_html = gr.HTML(label="Résultats")
+
+    submit_btn = gr.Button("Afficher les pictogrammes")
+    submit_btn.click(process_text, inputs=input_text, outputs=output_html)
+
+# Lancer l'application
+demo.launch()