Kolejna wersja do przetestowania online

app.py

@@ -1,26 +1,18 @@
-# %%
-# załadowanie bibliotek
 import gradio as gr
 import pandas as pd
 from langchain_core.prompts import PromptTemplate
 from langchain_openai import ChatOpenAI
 from langchain_core.output_parsers import StrOutputParser
-from pydantic import BaseModel, Field, validator
 from pydantic import BaseModel, Field, field_validator
 from langchain_community.document_loaders import PyPDFLoader, Docx2txtLoader
+from langchain.output_parsers import PydanticOutputParser
+from docx import Document
+from datetime import datetime
 import os
+import tempfile
 
-
-# %%
+# Model danych
 class QuestionAnswer(BaseModel):
-    """
-    Model reprezentujący pojedyncze pytanie i odpowiedź z analizy ogłoszenia.
-    
-    Attributes:
-        question_number (int): Numer kolejny pytania
-        answer (str): Odpowiedź na pytanie (TAK/NIE)
-        citation (str): Cytat z tekstu ogłoszenia uzasadniający odpowiedź
-    """
     question_number: int = Field(..., description="Numer pytania")
     answer: str = Field(..., description="Odpowiedź, tylko TAK lub NIE")
     citation: str = Field(..., description="Fragment cytatu")
@@ -31,56 +23,24 @@ class QuestionAnswer(BaseModel):
             raise ValueError("Odpowiedź musi być TAK lub NIE")
         return v
 
-
 class JobAdAnalysis(BaseModel):
-    """
-    Model reprezentujący pełną analizę ogłoszenia o pracę.
-    
-    Attributes:
-        answers (list[QuestionAnswer]): Lista odpowiedzi na wszystkie pytania
-    """
     answers: list[QuestionAnswer]
 
-
-# %%
-# Użycie wbudowanego parsera Pydantic w LangChain:
-from langchain.output_parsers import PydanticOutputParser
 parser = PydanticOutputParser(pydantic_object=JobAdAnalysis)
 
-# Globalna zmienna do przechowywania mapowania numerów pytań na obszary
-question_to_area_map = {}
-
-
-
-# %%
-# Wczytanie matrycy danych do DataFrame
-matryca_df = pd.read_csv('matryca.csv', header=None, 
-                                names=['area', 'prompt', 'true', 'false', 'more', 'hint'])
+# Wczytanie matrycy danych
+matryca_df = pd.read_csv('matryca.csv', header=None,
+                         names=['area', 'prompt', 'true', 'false', 'more', 'hint'])
 
+question_to_area_map = {}
 
-# %%
 def prepare_questions(df):
-    """
-    Przygotowuje tekst pytań na podstawie matrycy danych.
-    
-    Args:
-        df (pandas.DataFrame): DataFrame zawierający matrycę pytań
-        
-    Returns:
-        str: Sformatowany tekst wszystkich pytań
-        
-    Note:
-        Funkcja aktualizuje również globalną mapę question_to_area_map
-    """
-    questions_text = ""
-    # Tworzymy słownik mapujący numer pytania na obszar i inne informacje
     global question_to_area_map
     question_to_area_map = {}
-    
+    questions_text = ""
     for index, row in df.iterrows():
         question_number = index + 1
         questions_text += f"{question_number} {row['prompt']}\n"
-        # Zapisujemy wszystkie potrzebne informacje
         question_to_area_map[question_number] = {
             'area': row['area'],
             'true': row['true'],
@@ -88,44 +48,52 @@ def prepare_questions(df):
             'hint': row['hint'],
             'more': row['more']
         }
-    
-    
     return questions_text
 
-
-# %%
-# Konwersja plików PDF i Word do tekstu
 def doc_to_text(file):
-    extension = os.path.splitext(file)[1].lower()
-    if extension==".docx":
-        loader = Docx2txtLoader(file)
-    elif extension==".pdf":
-        loader = PyPDFLoader(file)
+    extension = os.path.splitext(file.name)[1].lower()
+    if extension == ".docx":
+        loader = Docx2txtLoader(file.name)
+    elif extension == ".pdf":
+        loader = PyPDFLoader(file.name)
     else:
         return "error"
     pages = loader.load()
-    text=''
-    for page in pages:
-            text += page.page_content + "\n"
-    return text
+    return "\n".join(page.page_content for page in pages)
 
+def create_report(result: pd.DataFrame) -> str:
+    doc = Document('template.docx')
+    doc.add_heading('Raport analizy ogłoszenia o pracę', 0)
+    doc.add_paragraph(f'Data wygenerowania: {datetime.now().strftime("%d.%m.%Y %H:%M")}')
+    for _, row in result.iterrows():
+        doc.add_heading(str(row['area']), 1)
+        doc.add_paragraph(str(row['citation']), style='Intense Quote')
+        for line in str(row['content']).split('\n'):
+            if line.strip():
+                doc.add_paragraph(line)
+        if pd.notna(row['more']):
+            for line in str(row['more']).split('\n'):
+                if line.strip():
+                    doc.add_paragraph(line)
+    with tempfile.NamedTemporaryFile(delete=False, suffix=".docx") as tmp:
+        doc.save(tmp.name)
+        return tmp.name  # Zwracamy ścieżkę do pliku tymczasowego
 
 def analyze_job_ad(job_ad, file):
     if file:
-        job_ad=doc_to_text(file)
+        job_ad = doc_to_text(file)
         if job_ad == "error":
             return None, None
-    """Analizuje ogłoszenie o pracę przy użyciu LangChain i OpenAI."""
     questions = prepare_questions(matryca_df)
     prompt_template = PromptTemplate.from_template(
         """Przeanalizuj poniższe ogłoszenie o pracę pod kątem dostępności dla osób z niepełnosprawnościami.
-        
+
         Ogłoszenie:
         {job_ad}
-        
+
         Odpowiedz na następujące pytania:
         {questions}
-        
+
         Format odpowiedzi powinien być w następującej strukturze JSON:
         {{
           "answers": [
@@ -134,83 +102,35 @@ def analyze_job_ad(job_ad, file):
               "answer": "TAK/NIE",
               "citation": "dokładny cytat z tekstu"
             }}
-            ]
+          ]
         }}
         """
     )
-    
+
     model = ChatOpenAI(temperature=0, model="gpt-4o-mini")
     chain = prompt_template | model | parser
     response = chain.invoke({"job_ad": job_ad, "questions": questions})
+
     output_df = pd.DataFrame(columns=['area', 'answer', 'citation', 'content', 'more'])
     for i in range(16):
-        temp_df = pd.DataFrame()
-        if response.answers[i].answer == 'TAK':
+        if response.answers[i].answer in {"TAK", "NIE"}:
             new_row = {
                 'area': matryca_df.area[i],
                 'answer': response.answers[i].answer,
                 'citation': response.answers[i].citation,
-                'content': matryca_df.true[i],
+                'content': matryca_df.true[i] if response.answers[i].answer == 'TAK' else matryca_df.false[i],
                 'more': matryca_df.more[i]
             }
-            temp_df = pd.DataFrame([new_row])
-            output_df = pd.concat([output_df, temp_df], ignore_index=True)
-        elif response.answers[i].answer == 'NIE':
-            new_row = {
-                'area': matryca_df.area[i],
-                'answer': response.answers[i].answer,
-                'citation': response.answers[i].citation,
-                'content': matryca_df.false[i],
-                'more': matryca_df.more[i]
-            }
-            temp_df = pd.DataFrame([new_row])
-            output_df = pd.concat([output_df, temp_df], ignore_index=True)
-            word=create_report(output_df)
-    return output_df.to_json(orient='index'), word
-
+            output_df = pd.concat([output_df, pd.DataFrame([new_row])], ignore_index=True)
 
+    word_file_path = create_report(output_df)
+    json_output = {str(k): v for k, v in output_df.to_dict(orient="index").items()}
+    return json_output, word_file_path
 
-# %%
-# Generator raportu w Word
-from docx import Document
-from io import BytesIO
-from datetime import datetime
-import tempfile
-def create_report(result: pd.DataFrame) -> BytesIO:
-    doc = Document('template.docx')
-    doc.add_heading('Raport analizy ogłoszenia o pracę', 0)
-    doc.add_paragraph(f'Data wygenerowania: {datetime.now().strftime("%d.%m.%Y %H:%M")}')
-    for _, row in result.iterrows():
-        doc.add_heading(row['area'], 1)
-        # Dodanie znalezionego cytatu
-        doc.add_paragraph(row['citation'], style='Intense Quote')
-        # Dodanie interpretacji
-        citat=row['content']
-        lines = citat.split('\n')
-        for line in lines:
-            if len(line)>0:
-                doc.add_paragraph(line)
-    
-        if pd.notna(row['more']):
-            explanation=row['more']
-            lines = explanation.split('\n')
-            for line in lines:
-                if len(line)>0:
-                    doc.add_paragraph(line)
-    
-    with tempfile.NamedTemporaryFile(delete=False, suffix=".docx") as tmp_file:
-        doc.save(tmp_file.name)
-    return tmp_file.name
-
-
-
-# %%
-demo=gr.Interface(
+# Interfejs Gradio
+demo = gr.Interface(
     fn=analyze_job_ad,
-    inputs=[gr.TextArea(), gr.File()],
-    outputs=[gr.JSON(), gr.DownloadButton(label='Pobierz raport w formacie Word')],
-    title="KoREKtor"
+    inputs=[gr.TextArea(label="Ogłoszenie (opcjonalnie)"), gr.File(label="Plik PDF lub DOCX")],
+    outputs=[gr.JSON(label="Wyniki analizy"), gr.File(label="Pobierz raport w formacie Word")],
+    title="KoREKtor – analiza ogłoszenia",
 ).launch(inbrowser=True)
-
-
-