.

.idea/misc.xml

@@ -0,0 +1,4 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="ProjectRootManager" version="2" project-jdk-name="Python 3.9 (talkWithME)" project-jdk-type="Python SDK" />
+</project>

aa.py

@@ -0,0 +1,19 @@
+docs = open("sample.pdf", "r")
+doc_list = []
+
+
+for file in docs:
+    print('file - type : ', file.type)
+    if file.type == 'text/plain':
+        # file is .txt
+        print("txt")
+    elif file.type in ['application/octet-stream', 'application/pdf']:
+        # file is .pdf
+        print("pdf")
+    elif file.type == 'text/csv':
+        # file is .csv
+        print("csv")
+    elif file.type == 'application/json':
+        # file is .json
+        print("json")
+

app.py

@@ -37,9 +37,9 @@ def get_text_file(docs):
     temp_dir = tempfile.TemporaryDirectory()  # 임시 디렉토리를 생성합니다.
     temp_filepath = os.path.join(temp_dir.name, docs.name)  # 임시 파일 경로를 생성합니다.
     with open(temp_filepath, "wb") as f:  # 임시 파일을 바이너리 쓰기 모드로 엽니다.
-        f.write(docs.getvalue())  # PDF 문서의 내용을 임시 파일에 씁니다.
-    txt_loader = TextLoader(temp_filepath)  # PyPDFLoader를 사용해 PDF를 로드합니다.
-    txt_doc = txt_loader.load()  # 텍스트를 추출합니다.
+        f.write(docs.getvalue())  # txt 문서의 내용을 임시 파일에 씁니다.
+    txt_loader = TextLoader(temp_filepath) # TextLoader를 사용해 txt를 로드합니다.
+    txt_doc = txt_loader.load() # 텍스트를 추출합니다.
     return txt_doc  # 추출한 텍스트를 반환합니다.
 
 
@@ -47,8 +47,8 @@ def get_csv_file(docs):
     temp_dir = tempfile.TemporaryDirectory()  # 임시 디렉토리를 생성합니다.
     temp_filepath = os.path.join(temp_dir.name, docs.name)  # 임시 파일 경로를 생성합니다.
     with open(temp_filepath, "wb") as f:  # 임시 파일을 바이너리 쓰기 모드로 엽니다.
-        f.write(docs.getvalue())  # PDF 문서의 내용을 임시 파일에 씁니다.
-    csv_loader = CSVLoader(temp_filepath)  # PyPDFLoader를 사용해 PDF를 로드합니다.
+        f.write(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  # 추출한 텍스트를 반환합니다.
 
@@ -57,12 +57,9 @@ def get_json_file(docs):
     temp_dir = tempfile.TemporaryDirectory()  # 임시 디렉토리를 생성합니다.
     temp_filepath = os.path.join(temp_dir.name, docs.name)  # 임시 파일 경로를 생성합니다.
     with open(temp_filepath, "wb") as f:  # 임시 파일을 바이너리 쓰기 모드로 엽니다.
-        f.write(docs.getvalue())  # PDF 문서의 내용을 임시 파일에 씁니다.
-    loader = JSONLoader(file_path=temp_filepath, jq_schema='.messages[].content', text_content=False)
-    # jq_schema='.messages[].content'
-    # data = json.loads(Path(temp_filepath).read_text())
+        f.write(docs.getvalue())  # JSON 문서의 내용을 임시 파일에 씁니다.
+    loader = JSONLoader(file_path=temp_filepath, jq_schema='.messages[].content', text_content=False) # JSONLoader를 사용해 JSON를 로드합니다.
     data = loader.load()
-    # raise Exception(data)
     return data  # 추출한 텍스트를 반환합니다.
 
 

code.py

@@ -0,0 +1,177 @@
+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
+import json
+from pathlib import Path
+from pprint import pprint
+
+
+# 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.
+    print(pdf_doc)
+    return pdf_doc  # 추출한 텍스트를 반환합니다.
+
+
+# 과제
+# 아래 텍스트 추출 함수를 작성
+
+def get_text_file(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(docs.getvalue())  # PDF 문서의 내용을 임시 파일에 씁니다.
+    txt_loader = TextLoader(temp_filepath)  # PyPDFLoader를 사용해 PDF를 로드합니다.
+    txt_doc = txt_loader.load()  # 텍스트를 추출합니다.
+    return txt_doc  # 추출한 텍스트를 반환합니다.
+
+
+def get_csv_file(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(docs.getvalue())  # PDF 문서의 내용을 임시 파일에 씁니다.
+    csv_loader = CSVLoader(temp_filepath)  # PyPDFLoader를 사용해 PDF를 로드합니다.
+    csv_doc = csv_loader.load()  # 텍스트를 추출합니다.
+    return csv_doc  # 추출한 텍스트를 반환합니다.
+
+
+def get_json_file(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(docs.getvalue())  # PDF 문서의 내용을 임시 파일에 씁니다.
+    data = json.loads(Path(temp_filepath).read_text())
+    return data  # 추출한 텍스트를 반환합니다.
+
+
+# 문서들을 처리하여 텍스트 청크로 나누는 함수입니다.
+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.
+
+
+# 텍스트 청크들로부터 벡터 스토어를 생성하는 함수입니다.
+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.
+
+
+def get_conversation_chain(vectorstore):
+    gpt_model_name = 'gpt-3.5-turbo'
+    llm = ChatOpenAI(model_name=gpt_model_name)  # gpt-3.5 모델 로드
+
+    # 대화 기록을 저장하기 위한 메모리를 생성합니다.
+    memory = ConversationBufferMemory(
+        memory_key='chat_history', return_messages=True)
+    # 대화 검색 체인을 생성합니다.
+    conversation_chain = ConversationalRetrievalChain.from_llm(
+        llm=llm,
+        retriever=vectorstore.as_retriever(),
+        memory=memory
+    )
+    return conversation_chain
+
+
+# 사용자 입력을 처리하는 함수입니다.
+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
+        st.session_state.chat_history = None
+    if "chat_history" not in st.session_state:
+        st.session_state.conversation = None
+        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 PDFs 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()

sample.pdf

@@ -0,0 +1,198 @@
+%PDF-1.3
+%����
+
+1 0 obj
+<<
+/Type /Catalog
+/Outlines 2 0 R
+/Pages 3 0 R
+>>
+endobj
+
+2 0 obj
+<<
+/Type /Outlines
+/Count 0
+>>
+endobj
+
+3 0 obj
+<<
+/Type /Pages
+/Count 2
+/Kids [ 4 0 R 6 0 R ] 
+>>
+endobj
+
+4 0 obj
+<<
+/Type /Page
+/Parent 3 0 R
+/Resources <<
+/Font <<
+/F1 9 0 R 
+>>
+/ProcSet 8 0 R
+>>
+/MediaBox [0 0 612.0000 792.0000]
+/Contents 5 0 R
+>>
+endobj
+
+5 0 obj
+<< /Length 1074 >>
+stream
+2 J
+BT
+0 0 0 rg
+/F1 0027 Tf
+57.3750 722.2800 Td
+( A Simple PDF File ) Tj
+ET
+BT
+/F1 0010 Tf
+69.2500 688.6080 Td
+( This is a small demonstration .pdf file - ) Tj
+ET
+BT
+/F1 0010 Tf
+69.2500 664.7040 Td
+( just for use in the Virtual Mechanics tutorials. More text. And more ) Tj
+ET
+BT
+/F1 0010 Tf
+69.2500 652.7520 Td
+( text. And more text. And more text. And more text. ) Tj
+ET
+BT
+/F1 0010 Tf
+69.2500 628.8480 Td
+( And more text. And more text. And more text. And more text. And more ) Tj
+ET
+BT
+/F1 0010 Tf
+69.2500 616.8960 Td
+( text. And more text. Boring, zzzzz. And more text. And more text. And ) Tj
+ET
+BT
+/F1 0010 Tf
+69.2500 604.9440 Td
+( more text. And more text. And more text. And more text. And more text. ) Tj
+ET
+BT
+/F1 0010 Tf
+69.2500 592.9920 Td
+( And more text. And more text. ) Tj
+ET
+BT
+/F1 0010 Tf
+69.2500 569.0880 Td
+( And more text. And more text. And more text. And more text. And more ) Tj
+ET
+BT
+/F1 0010 Tf
+69.2500 557.1360 Td
+( text. And more text. And more text. Even more. Continued on page 2 ...) Tj
+ET
+endstream
+endobj
+
+6 0 obj
+<<
+/Type /Page
+/Parent 3 0 R
+/Resources <<
+/Font <<
+/F1 9 0 R 
+>>
+/ProcSet 8 0 R
+>>
+/MediaBox [0 0 612.0000 792.0000]
+/Contents 7 0 R
+>>
+endobj
+
+7 0 obj
+<< /Length 676 >>
+stream
+2 J
+BT
+0 0 0 rg
+/F1 0027 Tf
+57.3750 722.2800 Td
+( Simple PDF File 2 ) Tj
+ET
+BT
+/F1 0010 Tf
+69.2500 688.6080 Td
+( ...continued from page 1. Yet more text. And more text. And more text. ) Tj
+ET
+BT
+/F1 0010 Tf
+69.2500 676.6560 Td
+( And more text. And more text. And more text. And more text. And more ) Tj
+ET
+BT
+/F1 0010 Tf
+69.2500 664.7040 Td
+( text. Oh, how boring typing this stuff. But not as boring as watching ) Tj
+ET
+BT
+/F1 0010 Tf
+69.2500 652.7520 Td
+( paint dry. And more text. And more text. And more text. And more text. ) Tj
+ET
+BT
+/F1 0010 Tf
+69.2500 640.8000 Td
+( Boring.  More, a little more text. The end, and just as well. ) Tj
+ET
+endstream
+endobj
+
+8 0 obj
+[/PDF /Text]
+endobj
+
+9 0 obj
+<<
+/Type /Font
+/Subtype /Type1
+/Name /F1
+/BaseFont /Helvetica
+/Encoding /WinAnsiEncoding
+>>
+endobj
+
+10 0 obj
+<<
+/Creator (Rave \(http://www.nevrona.com/rave\))
+/Producer (Nevrona Designs)
+/CreationDate (D:20060301072826)
+>>
+endobj
+
+xref
+0 11
+0000000000 65535 f
+0000000019 00000 n
+0000000093 00000 n
+0000000147 00000 n
+0000000222 00000 n
+0000000390 00000 n
+0000001522 00000 n
+0000001690 00000 n
+0000002423 00000 n
+0000002456 00000 n
+0000002574 00000 n
+
+trailer
+<<
+/Size 11
+/Root 1 0 R
+/Info 10 0 R
+>>
+
+startxref
+2714
+%%EOF