app_bk.py

import gradio as gr
import langextract as lx
import json
import os
import tempfile
import textwrap

# --- 默认模板和示例 (已更新为临床影像报告场景) ---

# 1. 默认提取指令 (Prompt)
DEFAULT_PROMPT = textwrap.dedent("""\
    请从影像检查报告中，按顺序提取关键的影像学发现、涉及的解剖部位、尺寸测量、影像学特征以及阴性发现。
    - 提取时必须使用报告中的确切文本。
    - 不要转述或概括。
    - 为每个提取的实体提供详细的属性，以增加结构化信息。""")

# 2. 默认提取示例 (Examples)
# 提供一个高质量的CT报告提取示例
DEFAULT_EXAMPLES_DICT = [
    {
        "text": "腹部CT平扫增强检查显示：肝脏右叶可见一大小约3.2 x 2.8 cm的低密度占位灶，边缘清晰，增强扫描后呈轻度环形强化。胰腺及双肾未见明确异常。",
        "extractions": [
            {
                "extraction_class": "anatomy",
                "extraction_text": "肝脏右叶",
                "attributes": {"organ": "肝脏", "lobe": "右叶"}
            },
            {
                "extraction_class": "size_measurement",
                "extraction_text": "3.2 x 2.8 cm",
                "attributes": {"value": "3.2 x 2.8", "unit": "cm"}
            },
            {
                "extraction_class": "finding",
                "extraction_text": "低密度占位灶",
                "attributes": {"density": "低密度", "type": "占位灶"}
            },
            {
                "extraction_class": "radiologic_feature",
                "extraction_text": "边缘清晰",
                "attributes": {"feature_type": "边缘", "description": "清晰"}
            },
            {
                "extraction_class": "radiologic_feature",
                "extraction_text": "轻度环形强化",
                "attributes": {"feature_type": "增强扫描", "degree": "轻度", "pattern": "环形强化"}
            },
            {
                "extraction_class": "normal_finding",
                "extraction_text": "胰腺及双肾未见明确异常",
                "attributes": {"organs": ["胰腺", "双肾"]}
            }
        ]
    }
]

# 将字典转换为格式化的 JSON 字符串，用于在界面上显示
DEFAULT_EXAMPLES_JSON = json.dumps(DEFAULT_EXAMPLES_DICT, ensure_ascii=False, indent=2)


# --- 后端处理函数 (无需修改) ---

def extract_information(api_key, prompt, examples_json, input_text):
    """
    接收用户输入，调用 LangExtract 进行信息提取。
    """
    # 1. 输入验证
    if not api_key:
        raise gr.Error("请输入您的 Google AI Studio API 密钥。")
    if not prompt or not examples_json or not input_text:
        raise gr.Error("提取指令、示例和源文本均不能为空。")

    # 2. 解析用户输入的 JSON 示例
    try:
        examples_data = json.loads(examples_json)
        # 将 JSON 字典转换为 LangExtract 的 ExampleData 对象
        examples = [
            lx.data.ExampleData(
                text=ex['text'],
                extractions=[
                    lx.data.Extraction(**extr) for extr in ex['extractions']
                ]
            ) for ex in examples_data
        ]
    except (json.JSONDecodeError, KeyError) as e:
        raise gr.Error(f"提取示例的 JSON 格式无效，请检查。错误: {e}")

    # 3. 调用 LangExtract
    try:
        # 将 API 密钥设置到环境变量中，LangExtract 会自动读取
        os.environ['LANGEXTRACT_API_KEY'] = api_key
        
        result = lx.extract(
            text_or_documents=input_text,
            prompt_description=prompt,
            examples=examples,
            model_id="gemini-1.5-flash",  # 使用速度和成本效益高的模型
        )
        
        # 将结果转换为可序列化的字典以便在 Gradio 中显示
        output_for_display = {
            "source_text": result.source_text,
            "extractions": [ext.to_dict() for ext in result.extractions]
        }

        # 4. 创建可供下载的文件
        with tempfile.NamedTemporaryFile(mode='w+', delete=False, suffix='.jsonl', encoding='utf-8') as tmp_file:
            lx.io.save_annotated_documents([result], file_path=tmp_file.name)
            download_path = tmp_file.name
            
        return output_for_display, download_path

    except Exception as e:
        # 捕获 LangExtract 或 API 调用可能出现的任何错误
        raise gr.Error(f"提取过程中发生错误: {e}")


# --- Gradio UI 界面 (无需修改) ---

with gr.Blocks(theme=gr.themes.Soft(), title="LangExtract 交互式信息提取工具") as demo:
    gr.Markdown("# LangExtract 交互式信息提取工具")
    gr.Markdown(
        "在左侧定义您的提取规则和输入文本，然后点击“开始提取”在右侧查看结果。\n"
        "您需要一个 [Google AI Studio API Key](https://aistudio.google.com/app/apikey) 才能使用此工具。"
    )

    with gr.Row():
        # 左侧：用户输入区域
        with gr.Column(scale=1):
            gr.Markdown("## 1. 输入配置")
            
            api_key_input = gr.Textbox(
                label="🔑 Google AI Studio API Key",
                type="password",
                placeholder="在此处粘贴您的 API 密钥..."
            )

            gr.Markdown("## 2. 定义提取模板")
            
            prompt_input = gr.Textbox(
                label="提取指令 (Prompt)",
                value=DEFAULT_PROMPT,
                lines=5,
            )
            gr.Markdown("告诉模型您想提取什么，以及遵循什么规则。")
            
            examples_input = gr.Code(
                label="提取示例 (JSON 格式)",
                value=DEFAULT_EXAMPLES_JSON,
                language="json",
                lines=20, # 增加了行数以更好地显示复杂的JSON
            )
            gr.Markdown("提供一两个高质量的示例，指导模型的输出格式。")

            gr.Markdown("## 3. 输入待提取的文本")
            
            text_input = gr.Textbox(
                label="源文本",
                lines=10,
                placeholder="在此处粘贴您要从中提取信息的临床病历或影像报告..."
            )
            
            submit_btn = gr.Button("🚀 开始提取", variant="primary")

        # 右侧：结果输出区域
        with gr.Column(scale=1):
            gr.Markdown("## 4. 提取结果")
            
            json_output = gr.JSON(
                label="结构化输出 (JSON)",
            )
            
            file_output = gr.File(
                label="⬇️ 下载结果文件",
            )

    # --- 事件绑定 ---
    submit_btn.click(
        fn=extract_information,
        inputs=[api_key_input, prompt_input, examples_input, text_input],
        outputs=[json_output, file_output]
    )

if __name__ == "__main__":
    demo.launch()