feat add txt, csv code

src/streamlit_app.py

@@ -1,214 +1,229 @@
-import streamlit as st
-from dotenv import load_dotenv
-# from langchain.text_splitter import CharacterTextSplitter, RecursiveCharacterTextSplitter
-# from langchain.vectorstores import FAISS
-# from langchain.embeddings import HuggingFaceEmbeddings  # General embeddings from HuggingFace models.
-from langchain.memory import ConversationBufferMemory
-from langchain.chains import ConversationalRetrievalChain
-from htmlTemplates import css, bot_template, user_template
-# from langchain.llms import LlamaCpp  # For loading transformer models.
-# from langchain.document_loaders import PyPDFLoader, TextLoader, JSONLoader, CSVLoader
-# 텍스트 스플리터
-from langchain_text_splitters import CharacterTextSplitter, RecursiveCharacterTextSplitter
-
-# 벡터스토어/임베딩/LLM
-from langchain_community.vectorstores import FAISS
-from langchain_community.embeddings import HuggingFaceEmbeddings
-
-# 로더들 (pebblo/pwd 끌려오지 않게 서브모듈로)
-from langchain_community.document_loaders.pdf import PyPDFLoader
-from langchain_community.document_loaders.text import TextLoader
-from langchain_community.document_loaders.csv_loader import CSVLoader
-from langchain_community.document_loaders.json_loader import JSONLoader
-import tempfile # 임시 파일을 생성하기 위한 라이브러리입니다.
-import os
-import json
-from langchain.docstore.document import Document
-from langchain_groq import ChatGroq
-
-# 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.
-
-
-def get_text_file(docs):
-    #################### 내용을 추가할 부분
-    return text_doc
-
-
-def get_csv_file(docs):
-    #################### 내용을 추가할 부분
-    return csv_doc
-
-# def get_json_file(docs):
-#     temp_dir = tempfile.TemporaryDirectory()
-#     temp_filepath = os.path.join(temp_dir.name, docs.name)
-#     with open(temp_filepath, "wb") as f:
-#         f.write(docs.getvalue())
-#     json_loader = JSONLoader(temp_filepath,
-#                                  jq_schema='.scans[].relationships',
-#                                  text_content=False)
-#
-#     json_doc = json_loader.load()
-#     # print('json_doc = ',json_doc)
-#     return json_doc
-
-def get_json_file(file) -> list[Document]:
-    # Streamlit UploadedFile -> str
-    raw = file.getvalue().decode("utf-8", errors="ignore")
-    data = json.loads(raw)
-
-    docs = []
-
-    # 예전 jq 경로가 '.scans[].relationships'였다면, 동일한 의미로 파싱:
-    # 존재하면 그것만 뽑고, 없으면 통으로 문서화
-    def add_doc(x):
-        docs.append(Document(page_content=json.dumps(x, ensure_ascii=False)))
-
-    if isinstance(data, dict) and "scans" in data and isinstance(data["scans"], list):
-        for s in data["scans"]:
-            rels = s.get("relationships", [])
-            if isinstance(rels, list) and rels:
-                for r in rels:
-                    add_doc(r)
-        if not docs:  # 그래도 못 뽑았으면 전체를 하나로
-            add_doc(data)
-    elif isinstance(data, list):
-        for item in data:
-            add_doc(item)
-    else:
-        add_doc(data)
-
-    return docs
-
-# 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):
-    # 원하는 임베딩 모델을 로드합니다.
-    embeddings = HuggingFaceEmbeddings(model_name='sentence-transformers/all-MiniLM-L12-v2',
-                                       model_kwargs={'device': 'cpu'})  # 임베딩 모델을 설정합니다.
-    vectorstore = FAISS.from_documents(text_chunks, embeddings)  # FAISS 벡터 스토어를 생성합니다.
-    return vectorstore  # 생성된 벡터 스토어를 반환합니다.
-
-
-def get_conversation_chain(vectorstore):
-    # Groq LLM
-    llm = ChatGroq(
-        groq_api_key=os.environ.get("GROQ_API_KEY"),
-        model_name="llama-3.1-8b-instant",
-        temperature=0.75,      # 필요에 맞게 튜닝
-        max_tokens=512        # 컨텍스트 초과 방지용 (필요시 조정)
-    )
-
-    memory = ConversationBufferMemory(
-        memory_key="chat_history",
-        return_messages=True
-    )
-    retriever = vectorstore.as_retriever(search_kwargs={"k": 3})
-
-    conversation_chain = ConversationalRetrievalChain.from_llm(
-        llm=llm,
-        retriever=retriever,
-        memory=memory,
-    )
-    return conversation_chain
-
-# 사용자 입력을 처리하는 함수입니다.
-def handle_userinput(user_question):
-    print('user_question =>  ', 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="Basic_RAG_AI_Chatbot_with_Llama",
-                       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("Basic_RAG_AI_Chatbot_with_Llama3 :books:")
-    user_question = st.text_input("Ask a question about your documents:")
-    if user_question:
-        handle_userinput(user_question)
-
-    with st.sidebar:
-        st.subheader("Your documents")
-        docs = st.file_uploader(
-            "Upload your Files here and click on 'Process'", accept_multiple_files=True)
-        if st.button("Process[PDF]"):
-            with st.spinner("Processing"):
-                # get pdf text
-                doc_list = []
-                for file in docs:
-                    print('file - type : ', file.type)
-                    if file.type in ['application/octet-stream', 'application/pdf']:
-                        # file is .pdf
-                        doc_list.extend(get_pdf_text(file))
-                    else:
-                        st.error("PDF 파일이 아닙니다.")
-                if not doc_list:
-                    st.error("처리 가능한 문서를 찾지 못했습니다.")
-                    st.stop()
-
-                text_chunks = get_text_chunks(doc_list)
-                vectorstore = get_vectorstore(text_chunks)
-                st.session_state.conversation = get_conversation_chain(vectorstore)
-
-        ################## TXT, CSV 버튼 구현
-        # TXT 버튼 구현 참고 : if file.type == 'text/plain':
-        # CSV 버튼 구현 참고 : if file.type == 'text/csv':
-
-        if st.button("Process[JSON]"):
-            with st.spinner("Processing"):
-                # get txt text
-                doc_list = []
-                for file in docs:
-                    print('file - type : ', file.type)
-                    if file.type == 'application/json':
-                        # file is .json
-                        doc_list.extend(get_json_file(file))
-                    else:
-                        st.error("JSON 파일이 아닙니다.")
-                if not doc_list:
-                    st.error("처리 가능한 문서를 찾지 못했습니다.")
-                    st.stop()
-
-                text_chunks = get_text_chunks(doc_list)
-                vectorstore = get_vectorstore(text_chunks)
-                st.session_state.conversation = get_conversation_chain(vectorstore)
-
-
-if __name__ == '__main__':
+import streamlit as st
+from dotenv import load_dotenv
+# from langchain.text_splitter import CharacterTextSplitter, RecursiveCharacterTextSplitter
+# from langchain.vectorstores import FAISS
+# from langchain.embeddings import HuggingFaceEmbeddings  # General embeddings from HuggingFace models.
+from langchain.memory import ConversationBufferMemory
+from langchain.chains import ConversationalRetrievalChain
+from htmlTemplates import css, bot_template, user_template
+# from langchain.llms import LlamaCpp  # For loading transformer models.
+# from langchain.document_loaders import PyPDFLoader, TextLoader, JSONLoader, CSVLoader
+# 텍스트 스플리터
+from langchain_text_splitters import CharacterTextSplitter, RecursiveCharacterTextSplitter
+
+# 벡터스토어/임베딩/LLM
+from langchain_community.vectorstores import FAISS
+from langchain_community.embeddings import HuggingFaceEmbeddings
+
+# 로���들 (pebblo/pwd 끌려오지 않게 서브모듈로)
+from langchain_community.document_loaders.pdf import PyPDFLoader
+from langchain_community.document_loaders.text import TextLoader
+from langchain_community.document_loaders.csv_loader import CSVLoader
+from langchain_community.document_loaders.json_loader import JSONLoader
+import tempfile # 임시 파일을 생성하기 위한 라이브러리입니다.
+import os
+import json
+from langchain.docstore.document import Document
+from langchain_groq import ChatGroq
+
+# 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.
+
+
+#txt 파일로부터 text 추출
+def get_text_file(txt_docs):
+    temp_dir = tempfile.TemporaryDirectory() # 임시 디렉토리를 생성합니다.
+    temp_filepath = os.path.join(temp_dir.name, txt_docs.name)
+    with open(temp_filepath, "wb") as f:  # 임시 파일을 바이너리 쓰기 모드로 엽니다.
+        f.write(txt_docs.getvalue()) # PDF 문서의 내용을 임시 파일에 씁니다.
+    text_loader = TextLoader(temp_filepath) # PyPDFLoader를 사용해 PDF를 로드합니다.
+    text_doc = txt_loader.load() # 텍스트를 추출합니다.
+    return text_doc
+
+#csv 파일로부터 text 추출
+def get_csv_file(csv_docs):
+    temp_dir = tempfile.TemporaryDirectory() # 임시 디렉토리를 생성합니다.
+    temp_filepath = os.path.join(temp_dir.name, csv_docs.name)
+     with open(temp_filepath, "wb") as f:  # 임시 파일을 바이너리 쓰기 모드로 엽니다.
+        f.write(csv_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
+
+# def get_json_file(docs):
+#     temp_dir = tempfile.TemporaryDirectory()
+#     temp_filepath = os.path.join(temp_dir.name, docs.name)
+#     with open(temp_filepath, "wb") as f:
+#         f.write(docs.getvalue())
+#     json_loader = JSONLoader(temp_filepath,
+#                                  jq_schema='.scans[].relationships',
+#                                  text_content=False)
+#
+#     json_doc = json_loader.load()
+#     # print('json_doc = ',json_doc)
+#     return json_doc
+
+def get_json_file(file) -> list[Document]:
+    # Streamlit UploadedFile -> str
+    raw = file.getvalue().decode("utf-8", errors="ignore")
+    data = json.loads(raw)
+
+    docs = []
+
+    # 예전 jq 경로가 '.scans[].relationships'였다면, 동일한 의미로 파싱:
+    # 존재하면 그것만 뽑고, 없으면 통으로 문서화
+    def add_doc(x):
+        docs.append(Document(page_content=json.dumps(x, ensure_ascii=False)))
+
+    if isinstance(data, dict) and "scans" in data and isinstance(data["scans"], list):
+        for s in data["scans"]:
+            rels = s.get("relationships", [])
+            if isinstance(rels, list) and rels:
+                for r in rels:
+                    add_doc(r)
+        if not docs:  # 그래도 못 뽑았으면 전체를 하나로
+            add_doc(data)
+    elif isinstance(data, list):
+        for item in data:
+            add_doc(item)
+    else:
+        add_doc(data)
+
+    return docs
+
+# 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):
+    # 원하는 임베딩 모델을 로드합니다.
+    embeddings = HuggingFaceEmbeddings(model_name='sentence-transformers/all-MiniLM-L12-v2',
+                                       model_kwargs={'device': 'cpu'})  # 임베딩 모델을 설정합니다.
+    vectorstore = FAISS.from_documents(text_chunks, embeddings)  # FAISS 벡터 스토어를 생성합니다.
+    return vectorstore  # 생성된 벡터 스토어를 반환합니다.
+
+
+def get_conversation_chain(vectorstore):
+    # Groq LLM
+    llm = ChatGroq(
+        groq_api_key=os.environ.get("GROQ_API_KEY"),
+        model_name="llama-3.1-8b-instant",
+        temperature=0.75,      # 필요에 맞게 튜닝
+        max_tokens=512        # 컨텍스트 초과 방지용 (필요시 조정)
+    )
+
+    memory = ConversationBufferMemory(
+        memory_key="chat_history",
+        return_messages=True
+    )
+    retriever = vectorstore.as_retriever(search_kwargs={"k": 3})
+
+    conversation_chain = ConversationalRetrievalChain.from_llm(
+        llm=llm,
+        retriever=retriever,
+        memory=memory,
+    )
+    return conversation_chain
+
+# 사용자 입력을 처리하는 함수입니다.
+def handle_userinput(user_question):
+    print('user_question =>  ', 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="Basic_RAG_AI_Chatbot_with_Llama",
+                       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("Basic_RAG_AI_Chatbot_with_Llama3 :books:")
+    user_question = st.text_input("Ask a question about your documents:")
+    if user_question:
+        handle_userinput(user_question)
+
+    with st.sidebar:
+        st.subheader("Your documents")
+        docs = st.file_uploader(
+            "Upload your Files here and click on 'Process'", accept_multiple_files=True)
+        if st.button("Process[PDF]"):
+            with st.spinner("Processing"):
+                # get pdf text
+                doc_list = []
+                for file in docs:
+                    print('file - type : ', file.type)
+                    if file.type in ['application/octet-stream', 'application/pdf']:
+                        # file is .pdf
+                        doc_list.extend(get_pdf_text(file))
+                    else:
+                        st.error("PDF 파일이 아닙니다.")
+                if not doc_list:
+                    st.error("처리 가능한 문서를 찾지 못했습니다.")
+                    st.stop()
+
+                text_chunks = get_text_chunks(doc_list)
+                vectorstore = get_vectorstore(text_chunks)
+                st.session_state.conversation = get_conversation_chain(vectorstore)
+
+        ################## TXT, CSV 버튼 구현
+        # TXT 버튼 구현 참고 : if file.type == 'text/plain':
+        # CSV 버튼 구현 참고 : if file.type == 'text/csv':
+
+        if st.button("Process[JSON]"):
+            with st.spinner("Processing"):
+                # get txt text
+                doc_list = []
+                for file in docs:
+                    print('file - type : ', file.type)
+                    if file.type == 'application/json':
+                        # file is .json
+                        doc_list.extend(get_json_file(file))
+                    if file.type == 'text/plain':
+                        doc_list.extend(get_text_file(file))
+                    if file.type == 'text/csv':
+                        doc_list.extend(get_csv_file(file))
+                    else:
+                        st.error("JSON 파일이 아닙니다.")
+                if not doc_list:
+                    st.error("처리 가능한 문서를 찾지 못했습니다.")
+                    st.stop()
+
+                text_chunks = get_text_chunks(doc_list)
+                vectorstore = get_vectorstore(text_chunks)
+                st.session_state.conversation = get_conversation_chain(vectorstore)
+
+
+if __name__ == '__main__':
     main()