Update app.py

app.py

@@ -8,53 +8,51 @@ 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 tempfile
 import os
-from huggingface_hub import hf_hub_download # Hugging Face Hub에서 모델을 다운로드하기 위한 함수입니다.
+from huggingface_hub import hf_hub_download
 
-# PDF 문서로부터 텍스트를 추출하는 함수입니다.
+# PDF 문서로부터 텍스트를 추출하는 함수
 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
+    temp_dir = tempfile.TemporaryDirectory()
+    temp_filepath = os.path.join(temp_dir.name, pdf_docs.name)
+    with open(temp_filepath, "wb") as f:
+        f.write(pdf_docs.getvalue())
+    pdf_loader = PyPDFLoader(temp_filepath)
+    pdf_doc = pdf_loader.load()
+    return pdf_doc
+
+# 과제 부분
 def get_text_file(docs):
-    pass    
-    
+    text_loader = TextLoader(docs.name)
+    return text_loader.load()
+
 def get_csv_file(docs):
-    pass
+    csv_loader = CSVLoader(docs.name)
+    return csv_loader.load()
 
 def get_json_file(docs):
-    pass
+    json_loader = JSONLoader(docs.name)
+    return json_loader.load()
 
-    
-# 문서들을 처리하여 텍스트 청크로 나누는 함수입니다.
+# 문서들을 처리하여 텍스트 청크로 나누는 함수
 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.
+        chunk_size=1000,
+        chunk_overlap=200,
+        length_function=len
     )
+    documents = text_splitter.split_documents(documents)
+    return documents
 
-    documents = text_splitter.split_documents(documents)  # 문서들을 청크로 나눕니다.
-    return documents  # 나눈 청크를 반환합니다.
-
-
-# 텍스트 청크들로부터 벡터 스토어를 생성하는 함수입니다.
+# 텍스트 청크들로부터 벡터 스토어를 생성하는 함수
 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.
-
+                                       model_kwargs={'device': 'cpu'})
+    vectorstore = FAISS.from_documents(text_chunks, embeddings)
+    return vectorstore
 
+# 대화 체인 설정 함수
 def get_conversation_chain(vectorstore):
     model_name_or_path = 'TheBloke/Llama-2-7B-chat-GGUF'
     model_basename = 'llama-2-7b-chat.Q2_K.gguf'
@@ -64,23 +62,19 @@ def get_conversation_chain(vectorstore):
                    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.
+    return conversation_chain
 
-# 사용자 입력을 처리하는 함수입니다.
+# 사용자 입력 처리 함수
 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):
@@ -91,7 +85,6 @@ def handle_userinput(user_question):
             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",
@@ -142,6 +135,5 @@ def main():
                 st.session_state.conversation = get_conversation_chain(
                     vectorstore)
 
-
 if __name__ == '__main__':
-    main()
+    main()