Create app.py

app.py

@@ -0,0 +1,166 @@
+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
+import tempfile # 임시 파일을 생성하기 위한 라이브러리입니다.
+import os
+from huggingface_hub import hf_hub_download # Hugging Face Hub에서 모델을 다운로드하기 위한 함수입니다.
+
+# 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.
+
+# 과제
+# 아래 텍스트 추출 함수를 작성
+def get_text_file(docs):
+    text = file.getvalue().decode("utf-8")  # 텍스트 파일을 문자열로 디코딩합니다.
+    return [text]  # 텍스트를 리스트에 담아 반환합니다.  
+    
+def get_csv_file(docs):
+     import pandas as pd
+    
+    # CSV 파일을 Pandas DataFrame으로 읽습니다.
+    df = pd.read_csv(file)
+    
+    # 여기에서 원하는 열을 선택하거나 전체 파일을 읽어올 수 있습니다.
+    # 예를 들어, 'text_column' 열에서 텍스트를 추출하는 방법은 다음과 같습니다.
+    texts = df['text_column'].tolist()
+    
+    return texts  # 텍스트 리스트를 반환합니다.
+
+def get_json_file(docs):
+    import json
+    
+    # JSON 파일을 디코딩하여 데이터를 추출합니다.
+    data = json.load(file)
+    
+    # 여기에서 적절한 방법으로 JSON 데이터에서 텍스트를 추출합니다.
+    # 예를 들어, 'text' 키에 해당하는 값을 추출하는 방법은 다음과 같습니다.
+    texts = [item['text'] for item in data]
+    
+    return texts  # 텍스트 리스트를 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):
+    # 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):
+    model_name_or_path = 'TheBloke/Llama-2-7B-chat-GGUF'
+    model_basename = 'llama-2-7b-chat.Q2_K.gguf'
+    model_path = hf_hub_download(repo_id=model_name_or_path, filename=model_basename)
+
+    llm = LlamaCpp(model_path=model_path,
+                   n_ctx=4086,
+                   input={"temperature": 0.75, "max_length": 2000, "top_p": 1},
+                   verbose=True, )
+    # 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 # 생성된 대화 체인을 반환합니다.
+
+# 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="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:
+        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()