app.py

import streamlit as st
from dotenv import load_dotenv
from PyPDF2 import PdfReader
from langchain.text_splitter import CharacterTextSplitter, RecursiveCharacterTextSplitter
from langchain.embeddings import OpenAIEmbeddings, HuggingFaceInstructEmbeddings
from langchain.vectorstores import FAISS, Chroma
from langchain.embeddings import HuggingFaceEmbeddings  # General embeddings from HuggingFace models.
from langchain.chat_models import ChatOpenAI
from langchain.memory import ConversationBufferMemory
from langchain.chains import ConversationalRetrievalChain
from htmlTemplates import css, bot_template, user_template
from langchain.llms import HuggingFaceHub, LlamaCpp, CTransformers  # For loading transformer models.
from langchain.document_loaders import PyPDFLoader, TextLoader, JSONLoader, CSVLoader
import tempfile # 임시 파일을 생성하기 위한 라이브러리입니다.
import os

#[1]Document Loading : LangChain에서 제공하는 문서 파일(json, txt, csv, pdf) Loader를 통해 PDF에서 Text 추출
# PDF 문서로부터 텍스트를 추출하는 함수입니다.
def get_pdf_text(pdf_docs):
    temp_dir = tempfile.TemporaryDirectory() # 임시 디렉토리를 생성합니다.
    temp_filepath = os.path.join(temp_dir.name, pdf_docs.name) # 임시 파일 경로를 생성합니다.
    with open(temp_filepath, "wb") as f:  # 임시 파일을 바이너리 쓰기 모드로 엽니다.
        f.write(pdf_docs.getvalue()) # PDF 문서의 내용을 임시 파일에 씁니다.
    pdf_loader = PyPDFLoader(temp_filepath) # PyPDFLoader를 사용해 PDF를 로드합니다.
    pdf_doc = pdf_loader.load() # 텍스트를 추출합니다.
    return pdf_doc # 추출한 텍스트를 반환합니다.

# 과제
# 아래 텍스트 추출 함수를 작성

# TXT 문서로부터 텍스트를 추출하는 함수입니다.
def get_text_file(text_docs):
    temp_dir = tempfile.TemporaryDirectory() # 임시 디렉토리를 생성합니다.
    temp_filepath = os.path.join(temp_dir.name, text_docs.name)  # 임시 파일 경로를 생성합니다.
    with open(temp_filepath, "wb") as f:  # 임시 파일을 바이너리 쓰기 모드로 엽니다.
        f.write(text_docs.getvalue()) # TXT 문서의 내용을 임시 파일에 씁니다.
    text_loader = TextLoader(temp_filepath)  # TextLoader를 사용해 TXT를 로드합니다.
    text_doc = text_loader.load()  # 텍스트를 추출합니다.
    return text_doc

# CSV 문서로부터 텍스트를 추출하는 함수입니다.
def get_csv_file(csv_docs):
    temp_dir = tempfile.TemporaryDirectory()  # 임시 디렉토리를 생성합니다.
    temp_filepath = os.path.join(temp_dir.name, csv_docs.name)  # 임시 파일 경로를 생성합니다.
    with open(temp_filepath, "wb") as f:  # 임시 파일을 바이너리 쓰기 모드로 엽니다.
        f.write(csv_docs.getvalue()) # CSV 문서의 내용을 임시 파일에 씁니다.
    csv_loader = CSVLoader(temp_filepath)  # CSVLoader를 사용해 CSV를 로드합니다.
    csv_doc = csv_loader.load()  # 텍스트를 추출합니다.
    return csv_doc

# JSON 문서로부터 텍스트를 추출하는 함수입니다.
def get_json_file(json_docs):
    temp_dir = tempfile.TemporaryDirectory()  # 임시 디렉토리를 생성합니다.
    temp_filepath = os.path.join(temp_dir.name, json_docs.name)  # 임시 파일 경로를 생성합니다.
    jq_schema = '.messages[].content'
    text_content = False
    with open(temp_filepath, "wb") as f:  # 임시 파일을 바이너리 쓰기 모드로 엽니다.
        f.write(json_docs.getvalue()) # JSON 문서의 내용을 임시 파일에 씁니다.
    json_loader = JSONLoader(temp_filepath, jq_schema, text_content)  # JSONLoader를 사용해 TXT를 로드합니다.
    json_doc = json_loader.load()  # 텍스트를 추출합니다.
    return json_doc

    
#[2]TextSplitter : 문서들을 처리하여 텍스트 청크로 나누는 함수입니다. -> 모든 문서를 작은 텍스트 덩어리로 분할
def get_text_chunks(documents):
    text_splitter = RecursiveCharacterTextSplitter(
        chunk_size=1000, # 청크의 크기를 지정합니다.
        chunk_overlap=200, # 청크 사이의 중복을 지정합니다.
        length_function=len # 텍스트의 길이를 측정하는 함수를 지정합니다.
    )

    documents = text_splitter.split_documents(documents) # 문서들을 청크로 나눕니다
    return documents # 나눈 청크를 반환합니다.


#[3]Storage : 텍스트 청크들을 임베딩(벡터화) 후 벡터 저장소(Vectorstore-저장 스토어)를 생성하는 함수입니다. -> 사용자 질의와 유사한 문서를 검색하는 기능을 함
def get_vectorstore(text_chunks):
    # OpenAI 임베딩 모델을 로드합니다. (Embedding models - Ada v2)

    embeddings = OpenAIEmbeddings()
    vectorstore = FAISS.from_documents(text_chunks, embeddings) # FAISS 벡터 스토어를 생성합니다.

    return vectorstore # 생성된 벡터 스토어를 반환합니다.

#[4]Retrieval : 문서와 언어 모델을 결합해주는 역할
def get_conversation_chain(vectorstore):
    gpt_model_name = 'gpt-3.5-turbo'
    llm = ChatOpenAI(model_name = gpt_model_name) #gpt-3.5 모델 로드
    
    #[4-1]대화 기록을 저장하기 위한 메모리를 생성합니다. -> 입력/출력을 추적하고 대화를 유지하는 데 필요한 메모리 개체 생성
    memory = ConversationBufferMemory(
        memory_key='chat_history', return_messages=True)
    #[4-2]대화 검색 체인을 생성합니다. -> 프롬프트와 문서들 간의 의미론적 유사성을 기반으로 벡터 저장소에서 검색
    conversation_chain = ConversationalRetrievalChain.from_llm(
        llm=llm,
        retriever=vectorstore.as_retriever(),
        memory=memory
    )
    return conversation_chain

#[5]Output : 사용자 입력을 처리하는 함수입니다. -> 사용자의 질의문을 LangChain에게 전달하여 응답으로 얻음, 채팅 기록은 "chat_history" 메모리에 저장
def handle_userinput(user_question):
    # 대화 체인을 사용하여 사용자 질문에 대한 응답을 생성합니다.
    response = st.session_state.conversation({'question': user_question})
    # 대화 기록을 저장합니다.
    st.session_state.chat_history = response['chat_history']

    for i, message in enumerate(st.session_state.chat_history):
        if i % 2 == 0:
            st.write(user_template.replace(
                "{{MSG}}", message.content), unsafe_allow_html=True)
        else:
            st.write(bot_template.replace(
                "{{MSG}}", message.content), unsafe_allow_html=True)


def main():
    load_dotenv()
    st.set_page_config(page_title="Chat with multiple Files",
                       page_icon=":books:")
    st.write(css, unsafe_allow_html=True)

    if "conversation" not in st.session_state:
        st.session_state.conversation = None
    if "chat_history" not in st.session_state:
        st.session_state.chat_history = None

    st.header("Chat with multiple Files :")
    user_question = st.text_input("Ask a question about your documents:")
    if user_question:
        handle_userinput(user_question)

    with st.sidebar:
        openai_key = st.text_input("Paste your OpenAI API key (sk-...)")
        if openai_key:
            os.environ["OPENAI_API_KEY"] = openai_key

        st.subheader("Your documents")
        docs = st.file_uploader(
            "Upload your Files here and click on 'Process'", accept_multiple_files=True)
        if st.button("Process"):
            with st.spinner("Processing"):
                # get pdf text
                doc_list = []

                for file in docs:
                    print('file - type : ', file.type)
                    if file.type == 'text/plain':
                        # file is .txt
                        doc_list.extend(get_text_file(file))
                    elif file.type in ['application/octet-stream', 'application/pdf']:
                        # file is .pdf
                        doc_list.extend(get_pdf_text(file))
                    elif file.type == 'text/csv':
                        # file is .csv
                        doc_list.extend(get_csv_file(file))
                    elif file.type == 'application/json':
                        # file is .json
                        doc_list.extend(get_json_file(file))

                # get the text chunks
                text_chunks = get_text_chunks(doc_list)

                # create vector store
                vectorstore = get_vectorstore(text_chunks)

                # create conversation chain
                st.session_state.conversation = get_conversation_chain(
                    vectorstore)


if __name__ == '__main__':
    main()