Update app.py

app.py

@@ -56,27 +56,28 @@ def process_input_and_visualize(input_text, input_file):
         raise gr.Error("错误：服务器未配置 LANGEXTRACT_API_KEY。")
 
     try:
-        # --- 错误修复与优化 ---
-        # 原代码: max_workers=10，这超出了免费API的每分钟2次的请求限制。
-        # 修复: 将 max_workers 降低到 2，以匹配免费套餐的配额。
-        # 优化: 切换到 gemini-1.5-flash-latest 模型，它速度更快，成本更低，通常有更宽松的免费额度。
         result = lx.extract(
             text_or_documents=source_text,
             prompt_description=prompt,
             examples=examples,
-            model_id="gemini-2.5-flash", # 推荐使用 Flash 模型
+            model_id="gemini-1.5-flash-latest",
             api_key=api_key,
-            max_workers=2,               # **关键修复**：将并行工作线程数从10降至2
+            max_workers=2,
             extraction_passes=2,
             max_char_buffer=1500
         )
     except Exception as e:
         raise gr.Error(f"信息提取过程中发生错误: {e}")
 
+    # --- 关键修复：过滤掉无法定位的实体 ---
+    # 只有那些 char_interval 不为 None 的实体才是有位置信息的，才能被排序和高亮
+    grounded_extractions = [e for e in result.extractions if e.char_interval]
+
     # 1. 准备命名实体识别 (NER) 的高亮文本输出
     highlighted_text = []
     last_pos = 0
-    sorted_extractions = sorted(result.extractions, key=lambda e: e.char_interval.start_pos)
+    # 现在我们对过滤后的、保证有位置信息的列表进行排序
+    sorted_extractions = sorted(grounded_extractions, key=lambda e: e.char_interval.start_pos)
     for entity in sorted_extractions:
         start, end = entity.char_interval.start_pos, entity.char_interval.end_pos
         if start >= last_pos and end <= len(source_text):
@@ -87,6 +88,7 @@ def process_input_and_visualize(input_text, input_file):
     
     # 2. 准备关系提取 (RE) 的结构化 Markdown 输出
     medication_groups = {}
+    # 注意：这里我们仍然遍历所有实体（包括未定位的），因为它们可能仍有有用的属性信息
     for extraction in result.extractions:
         group_name = extraction.attributes.get("medication_group", "未分组")
         medication_groups.setdefault(group_name, []).append(extraction)
@@ -97,8 +99,12 @@ def process_input_and_visualize(input_text, input_file):
     else:
         for med_name, extractions in medication_groups.items():
             structured_output += f"#### 药物组: {med_name}\n"
-            for extraction in sorted(extractions, key=lambda e: e.char_interval.start_pos):
-                pos_info = f" (位置: {extraction.char_interval.start_pos}-{extraction.char_interval.end_pos})"
+            # 我们在显示时检查 char_interval 是否存在
+            for extraction in sorted(extractions, key=lambda e: e.char_interval.start_pos if e.char_interval else -1):
+                pos_info = ""
+                if extraction.char_interval:
+                    pos_info = f" (位置: {extraction.char_interval.start_pos}-{extraction.char_interval.end_pos})"
+                # 即使没有位置信息，我们仍然显示实体本身
                 structured_output += f"- **{extraction.extraction_class}**: {extraction.extraction_text}{pos_info}\n"
             structured_output += "\n"
 
@@ -119,7 +125,7 @@ def process_input_and_visualize(input_text, input_file):
 
 # --- 3. 创建 Gradio 应用界面 (保持不变) ---
 with gr.Blocks(theme=gr.themes.Soft(), title="药物信息提取器") as demo:
-    # ... (界面部分代码无需修改，此处省略以保持简洁) ...
+    # ... (界面部分代码无需修改) ...
     gr.Markdown("# ⚕️ LangExtract 药物信息提取器")
     gr.Markdown("一个基于大型语言模型的智能工具，可从**临床文本**或 **PDF 文件**中自动提取药物、剂量等信息，并进行结构化关联。")
     
@@ -158,7 +164,7 @@ with gr.Blocks(theme=gr.themes.Soft(), title="药物信息提取器") as demo:
     submit_btn.click(
         fn=process_input_and_visualize,
         inputs=[input_textbox, input_file_uploader],
-        outputs=[output_highlight, output_structured, output_html_viewer, download_html, download_jsonl]
+        outputs=[output_highlight, output_structured, output_html_viewer, download_html, jsonl_path]
     ).then(
         lambda: (None, None), 
         inputs=None,