Update app.py

app.py

@@ -1,30 +1,59 @@
 import gradio as gr
 import glob
 from docx import Document
-from sklearn.feature_extraction.text import TfidfVectorizer
-from sklearn.metrics.pairwise import cosine_similarity
 
-# ---- Распознаёт первый docx в папке (поддерживает любые методички) ----
-def extract_paragraphs():
+def get_all_text_from_docx():
     docx_list = glob.glob("*.docx")
     if not docx_list:
-        return ["Файл .docx с материалами не найден!"]
+        return ["Файл .docx с методичкой не найден!"]
     doc = Document(docx_list[0])
-    return [p.text.strip() for p in doc.paragraphs if p.text.strip()]
+    blocks = []
+
+    # Извлекаем все нестандартные абзацы (пропускаем короткие технические, например '4')
+    for p in doc.paragraphs:
+        txt = p.text.strip()
+        if txt and not (len(txt) <= 3 and txt.isdigit()):
+            blocks.append(txt)
+
+    # Вытаскиваем ТЕКСТ из ТАБЛИЦ.
+    for table in doc.tables:
+        for row in table.rows:
+            # склеиваем все ячейки строки таблицы через " | "
+            row_text = " | ".join(cell.text.strip() for cell in row.cells if cell.text.strip())
+            if row_text:  # отсекаем совсем пустые строки
+                blocks.append(row_text)
+
+    # дополнительно: удаляем дубли (могут встречаться в Word после копирования)
+    seen = set()
+    uniq_blocks = []
+    for b in blocks:
+        if b not in seen:
+            uniq_blocks.append(b)
+            seen.add(b)
+    return uniq_blocks
+
+paragraphs = get_all_text_from_docx()
+
+# Проверьте, сколько блоков реально читается!
+print("Блоков для поиска:", len(paragraphs))
+
+from sklearn.feature_extraction.text import TfidfVectorizer
+from sklearn.metrics.pairwise import cosine_similarity
 
-paragraphs = extract_paragraphs()
 vectorizer = TfidfVectorizer().fit(paragraphs)
 paragraph_matrix = vectorizer.transform(paragraphs)
 
 def search_faq(question):
     if not question.strip():
         return "Пожалуйста, введите вопрос."
+    if len(paragraphs) < 2:
+        return "Ошибка: база знаний пуста или слишком мала. Проверьте содержимое .docx или перезагрузите файл с материалами."
     user_vec = vectorizer.transform([question])
-    sims = cosine_similarity(user_vec, paragraph_matrix)
+    sims = cosine_similarity(user_vec, paragraph_matrix)[0]
     idx = sims.argmax()
     score = sims[idx]
     if score < 0.12:
-        return "Не найдено подходящего ответа. Попробуйте переформулировать вопрос, либо обратитесь к преподавателю."
+        return "Не найдено подходящего ответа. Попробуйте иначе сформулировать вопрос или обратитесь к преподавателю."
     return paragraphs[idx]
 
 EXAMPLES = [
@@ -38,8 +67,9 @@ EXAMPLES = [
 with gr.Blocks() as demo:
     gr.Markdown(
         """
-        # Чат-бот по ВКР на базе ваших материалов
-        Задайте вопрос о правилах, требованиях и оформлении работы — найдите нужную информацию в своем методическом документе!
+        # Чат-бот по ВКР на базе вашей методички
+
+        Задайте вопрос — бот ищет точный ответ в вашем документе, в том числе в таблицах!
         """
     )
     question = gr.Textbox(label="Ваш вопрос", lines=2)
@@ -49,13 +79,13 @@ with gr.Blocks() as demo:
     question.submit(search_faq, question, answer)
     gr.Markdown("#### Примеры вопросов:")
     gr.Examples(EXAMPLES, inputs=question)
-
     gr.Markdown("""
     ---
-    ### Контакты (заполните по своей кафедре/руководителю)
+
+    ### Контакты (заполните сами)
     Преподаватель: ___________________
     Email: ___________________________
-    Кафедра/Программа: ____________________
+    Кафедра: _________________________
     """)
 
 demo.launch()