app.py

import csv
import json
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


# PDF 문서로부터 텍스트를 추출하는 함수입니다.
def get_pdf_text(pdf_docs):
    temp_dir = tempfile.TemporaryDirectory()                        # 임시 디렉토리 생성
    temp_filepath = os.path.join(temp_dir.name, pdf_docs.name)      # 임시 파일 경로 생성
    with open(temp_filepath, "wb") as f:                # 임시 파일 바이너리 쓰기 모드로 열기
        f.write(pdf_docs.getvalue())                    # PDF 문서 내용 임시 파일에 쓰기
    pdf_loader = PyPDFLoader(temp_filepath)             # PyPDFLoader로 PDF 로드
    pdf_doc = pdf_loader.load()                         # 텍스트 추출
    return pdf_doc                                      # 추출한 텍스트 반환

# 과제
# 아래 텍스트 추출 함수를 작성
def get_text_file(docs):
    temp_dir2 = tempfile.TemporaryDirectory()                 # 임시 디렉토리 생성
    temp_filepath2 = os.path.join(temp_dir2.name, docs.name)  # 임시 파일 경로 생성
    with open(temp_filepath2, "wb") as f:                     # 임시 파일 바이너리 쓰기 모드로 열기
        f.write(docs.getvalue())                              # text 문서의 내용 임시 파일에 쓰기
    txt_loader = TextLoader(                                  # TextLoader로 text 파일 로드
        file_path=temp_filepath2,                             # text 문서의 내용이 쓰인 파일 경로
        txt_args={
            "delimiter": " ",                                 # 내용은 띄어쓰기로 구분
            # 작동을 안 해서 임의로 내용 넣기
            #"content":'"What is the most important thing in Team project? I think it is communication. No matter how good an individual ability is I think it is difficult to achieve good results without communicating with each other a lot."'
        }
    )
    txt_data = txt_loader.load()                              # 추출된 텍스트 저장
    return txt_data                                           # 추출된 텍스트 반환

def get_csv_file(docs):
    temp_dir3 = tempfile.TemporaryDirectory()                   # 임시 디렉토리 생성
    temp_filepath3 = os.path.join(temp_dir3.name, docs.name)    # 임시 파일 경로 생성
    with open(temp_filepath3, "wb") as f:                       # 임시 파일 바이너리 쓰기 모드로 열기
        f.write(docs.getvalue())                                # csv 문서의 내용 임시 파일에 쓰기
    csv_loader = CSVLoader(                                     # CSVLoader로 csv 파일 로드
        file_path=temp_filepath3,                               # CSV 문서의 내용이 쓰인 파일 경로
        csv_args={
            "delimiter": ",",                                   # 내용은 쉼표로 구분
            "quotechar": '"',                                   # 문자열은 "" 안에 쓰임
            "fieldnames": ["name", "school", "address", "phone"],   # 필드 이름 나열
        },
    )
    csv_data = csv_loader.load()                                # 추출된 텍스트 저장
    return csv_data                                             # 추출된 텍스트 반환

def get_json_file(docs):
    temp_dir4 = tempfile.TemporaryDirectory()                   # 임시 디렉토리 생성
    temp_filepath4 = os.path.join(temp_dir4.name, docs.name)    # 임시 파일 경로 생성
    with open(temp_filepath4, "wb") as f:                       # 임시 파일 바이너리 쓰기 모드로 열기
        f.write(docs.getvalue())                                # json 문서의 내용 임시 파일에 쓰기
    json_loader = JSONLoader(                                   # JSONLoader로 json 파일 로드
        file_path=temp_filepath4,                               # json 문서의 내용이 쓰인 파일 경로
        jq_schema='.messages[].content',                        # json 문서에서 추출할 내용 설정(채팅 메시지)
        text_content=False                                      # 추출한 데이터는 텍스트 형식으로
    )
    json_data = json_loader.load()                              # 추출된 텍스트 저장
    return json_data                                            # 추출된 텍스트 반환

    
# 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
    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 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()