Update app.py

app.py

@@ -61,6 +61,7 @@ morph = MorphAnalyzer()
 base_types = ["офис", "квартира", "апартаменты", "свободное назначение", "студия", "дом", "ОСЗ"]
 
 
+
 # Анализ запроса пользователя
 def analyze_query(query):
     query = query.lower()
@@ -96,7 +97,6 @@ def analyze_query(query):
         else:
             return int(number)
 
-
     # Поиск цены
     price_keywords = ["руб", "р.", "рублей", "рубля"]
     price_range_match = re.findall(rf"от\s*(\d+[\s]*[.,]?\d*)\s*до\s*(\d+[\s]*[.,]?\d*)\s*({'|'.join(price_keywords)})\b", query)
@@ -109,7 +109,7 @@ def analyze_query(query):
             filters["price_min"] = normalized_price_min
             filters["price_max"] = normalized_price_max
 
-    # Обработка остальных случаев (оставляем старый код)
+    # Обработка остальных случаев (до/от)
     price_match = re.findall(rf"(до|\s*)(\d+[\s]*[.,]?\d*)\s*(млн|тр|т\.р|тыс|тысруб|тыс\.руб|тр|т\.р.|тыр|тыр.|тыщ|тыш|тысяч|млнруб|млн\.руб|мн|М|миллионов|милионов|лямов|лимонов)?\s*({'|'.join(price_keywords)})\b", query)
     if price_match:
         operator = price_match[0][0]
@@ -121,7 +121,6 @@ def analyze_query(query):
             else:
                 filters["price_min"] = normalized_price
 
-
     # Поиск площади
     area_keywords = ["квм", "кв.м", "кв метров", "кв м", "кв.м.", "квадратов", "квадрата", "м2", "метров", "м²"]
     area_range_match = re.findall(rf"от\s*(\d+[\s]*[.,]?\d*)\s*до\s*(\d+[\s]*[.,]?\d*)\s*({'|'.join(area_keywords)})\b", query)
@@ -134,30 +133,19 @@ def analyze_query(query):
             filters["area_min"] = normalized_area_min
             filters["area_max"] = normalized_area_max
 
-    # Обработка остальных случаев (оставляем старый код)
-    area_range_match_1 = re.findall(rf"(\d+)\s*-\s*(\d+)\s*({'|'.join(area_keywords)})", query)
-    area_range_match_2 = re.findall(rf"(\d+)\s*[.\s]+\s*(\d+)\s*({'|'.join(area_keywords)})", query)
-    if area_range_match_1:
-        filters["area_min"] = int(area_range_match_1[0][0])
-        filters["area_max"] = int(area_range_match_1[0][1])
-    elif area_range_match_2:
-        filters["area_min"] = int(area_range_match_2[0][0])
-        filters["area_max"] = int(area_range_match_2[0][1])
-    else:
-        area_min_match = re.findall(rf"\b(от)\s*(\d+)\s*({'|'.join(area_keywords)})", query)
-        area_max_match = re.findall(rf"\b(до)\s*(\d+)\s*({'|'.join(area_keywords)})", query)
-        if area_min_match:
-            filters["area_min"] = int(area_min_match[0][1])
-        if area_max_match:
-            filters["area_max"] = int(area_max_match[0][1])
-
-
-
+    # Обработка остальных случаев (до/от)
+    area_min_match = re.findall(rf"\b(от)\s*(\d+)\s*({'|'.join(area_keywords)})", query)
+    area_max_match = re.findall(rf"\b(до)\s*(\d+)\s*({'|'.join(area_keywords)})", query)
+    if area_min_match:
+        filters["area_min"] = int(area_min_match[0][1])
+    if area_max_match:
+        filters["area_max"] = int(area_max_match[0][1])
 
+    return filters
 
 
 # Поиск объектов недвижимости в CSV
-"""def search_real_estate(dataframe, filters):
+def search_real_estate(dataframe, filters):
     if not filters:
         return []
 
@@ -189,45 +177,6 @@ def analyze_query(query):
 
     # Возвращаем все подходящие объекты
     return dataframe[mask].to_dict(orient="records")
-"""
-# Поиск объектов недвижимости в CSV
-def search_real_estate(dataframe, filters):
-    if not filters:
-        return []
-    mask = pd.Series([True] * len(dataframe))
-    # Фильтрация по типу недвижимости
-    if "type" in filters:
-        mask &= dataframe["type"].str.lower().isin(filters["type"])
-        
-    # Фильтрация по виду сделки (Аренда/Продажа)
-    if "rent" in filters:
-        mask &= dataframe["RENT"].str.lower() == filters["rent"].lower()
-  
-    # Фильтрация по цене
-    if "price_min" in filters and "price_max" in filters:
-        mask &= (dataframe["price"] >= filters["price_min"]) & (dataframe["price"] <= filters["price_max"])
-    elif "price_min" in filters:
-        mask &= dataframe["price"] >= filters["price_min"]
-    elif "price_max" in filters:
-        mask &= dataframe["price"] <= filters["price_max"]
-    # Фильтрация по площади
-    if "area_min" in filters and "area_max" in filters:
-        mask &= (dataframe["area"] >= filters["area_min"]) & (dataframe["area"] <= filters["area_max"])
-    elif "area_min" in filters:
-        mask &= dataframe["area"] >= filters["area_min"]
-    elif "area_max" in filters:
-        mask &= dataframe["area"] <= filters["area_max"]
-    results = dataframe[mask]
-    # Проверяем, есть ли результаты
-    if not results.empty:
-        return results.to_dict(orient="records")  # Возвращаем список словарей
-    # Fallback: Если нет подходящих объектов, предлагаем все объекты данного типа
-    if "type" in filters:
-        fallback_mask = dataframe["type"].str.lower().isin(filters["type"])
-        fallback_results = dataframe[fallback_mask]
-        if not fallback_results.empty:
-            return {"fallback": True, "results": fallback_results.to_dict(orient="records")}  # Возвращаем fallback-результаты
-    return []  # Возвращаем пустой список, если ничего не найдено
 
 # Создание контекста для модели
 def create_context(dataframe, filters):