Update app.py

app.py

@@ -3,82 +3,60 @@ from transformers import pipeline
 import pdfplumber
 import os
 
-# Ленивая инициализация модели
+# --- Ленивая загрузка модели ---
 summarizer = None
 
 def get_summarizer():
     global summarizer
     if summarizer is None:
-        # Более лёгкая модель, чем facebook/bart-large-cnn,
-        # чтобы уменьшить риск проблем с памятью на Space.
         summarizer = pipeline(
             "summarization",
             model="sshleifer/distilbart-cnn-12-6"
         )
     return summarizer
 
-def read_text_from_file(file_path: str) -> str:
-    """
-    file_path — это строка с путём к временному файлу, который создаёт Gradio.
-    """
-    if not file_path:
+# --- Чтение текста из файла ---
+def read_text_from_file(file):
+    if file is None:
         return ""
 
-    file_path_lower = file_path.lower()
+    filepath = file   # Gradio отдаёт именно путь к временному файлу
+    filepath_lower = filepath.lower()
 
     # PDF
-    if file_path_lower.endswith(".pdf"):
+    if filepath_lower.endswith(".pdf"):
         text = ""
-        with pdfplumber.open(file_path) as pdf:
+        with pdfplumber.open(filepath) as pdf:
             for page in pdf.pages:
                 text += page.extract_text() or ""
         return text
 
-    # Всё остальное считаем текстом в UTF-8
-    try:
-        with open(file_path, "r", encoding="utf-8", errors="ignore") as f:
-            return f.read()
-    except Exception:
-        # На всякий случай — бинарный режим с декодированием
-        with open(file_path, "rb") as f:
-            return f.read().decode("utf-8", errors="ignore")
+    # TXT / другие
+    with open(filepath, "r", encoding="utf-8", errors="ignore") as f:
+        return f.read()
 
-# Основная функция суммаризации
-def summarize_file(file_path):
-    if file_path is None:
-        return "⚠️ Пожалуйста, загрузите файл."
+# --- Основная функция ---
+def summarize_file(file):
+    text = read_text_from_file(file)
 
-    # file_path — это строка
-    text = read_text_from_file(file_path).strip()
+    if not text.strip():
+        return "⚠️ Не удалось извлечь текст из файла."
 
     if len(text) < 50:
         return "⚠️ Слишком короткий текст для суммаризации."
 
-    # Ограничиваем длину, чтобы модель не упала по памяти
-    if len(text) > 3000:
-        text = text[:3000]
-
-    summarizer = get_summarizer()
-    summary = summarizer(
-        text,
-        max_length=200,
-        min_length=50,
-        do_sample=False
-    )
+    model = get_summarizer()
+    summary = model(text, max_length=200, min_length=50, do_sample=False)
     return summary[0]["summary_text"]
 
-# Интерфейс Gradio
+# --- Интерфейс ---
 demo = gr.Interface(
     fn=summarize_file,
-    inputs=gr.File(
-        label="Загрузите файл (.pdf или .txt)",
-        type="filepath"  # ЯВНО говорим: возвращай путь к файлу
-    ),
+    inputs=gr.File(label="Загрузите файл (.pdf или .txt)", type="filepath"),
     outputs=gr.Textbox(label="Результат суммаризации"),
     title="Eroha Summarizer 🧠",
     description="Загрузите документ (PDF или TXT), и модель создаст краткое резюме.",
 )
 
 if __name__ == "__main__":
-    # Для Hugging Face Spaces можно вообще просто demo.launch()
     demo.launch()