import csv import json import streamlit as st from dotenv import load_dotenv from PyPDF2 import PdfReader from langchain.text_splitter import CharacterTextSplitter, RecursiveCharacterTextSplitter from langchain.embeddings import OpenAIEmbeddings, HuggingFaceInstructEmbeddings from langchain.vectorstores import FAISS, Chroma from langchain.embeddings import HuggingFaceEmbeddings # General embeddings from HuggingFace models. from langchain.chat_models import ChatOpenAI from langchain.memory import ConversationBufferMemory from langchain.chains import ConversationalRetrievalChain from htmlTemplates import css, bot_template, user_template from langchain.llms import HuggingFaceHub, LlamaCpp, CTransformers # For loading transformer models. from langchain.document_loaders import PyPDFLoader, TextLoader, JSONLoader, CSVLoader import tempfile # 임시 파일을 생성하기 위한 라이브러리입니다. import os # PDF 문서로부터 텍스트를 추출하는 함수입니다. def get_pdf_text(pdf_docs): temp_dir = tempfile.TemporaryDirectory() # 임시 디렉토리 생성 temp_filepath = os.path.join(temp_dir.name, pdf_docs.name) # 임시 파일 경로 생성 with open(temp_filepath, "wb") as f: # 임시 파일 바이너리 쓰기 모드로 열기 f.write(pdf_docs.getvalue()) # PDF 문서 내용 임시 파일에 쓰기 pdf_loader = PyPDFLoader(temp_filepath) # PyPDFLoader로 PDF 로드 pdf_doc = pdf_loader.load() # 텍스트 추출 return pdf_doc # 추출한 텍스트 반환 # 과제 # 아래 텍스트 추출 함수를 작성 def get_text_file(docs): temp_dir2 = tempfile.TemporaryDirectory() # 임시 디렉토리 생성 temp_filepath2 = os.path.join(temp_dir2.name, docs.name) # 임시 파일 경로 생성 with open(temp_filepath2, "wb") as f: # 임시 파일 바이너리 쓰기 모드로 열기 f.write(docs.getvalue()) # text 문서의 내용 임시 파일에 쓰기 txt_loader = TextLoader( # TextLoader로 text 파일 로드 file_path=temp_filepath2, # text 문서의 내용이 쓰인 파일 경로 txt_args={ "delimiter": " ", # 내용은 띄어쓰기로 구분 # 작동을 안 해서 임의로 내용 넣기 #"content":'"What is the most important thing in Team project? I think it is communication. No matter how good an individual ability is I think it is difficult to achieve good results without communicating with each other a lot."' } ) txt_data = txt_loader.load() # 추출된 텍스트 저장 return txt_data # 추출된 텍스트 반환 def get_csv_file(docs): temp_dir3 = tempfile.TemporaryDirectory() # 임시 디렉토리 생성 temp_filepath3 = os.path.join(temp_dir3.name, docs.name) # 임시 파일 경로 생성 with open(temp_filepath3, "wb") as f: # 임시 파일 바이너리 쓰기 모드로 열기 f.write(docs.getvalue()) # csv 문서의 내용 임시 파일에 쓰기 csv_loader = CSVLoader( # CSVLoader로 csv 파일 로드 file_path=temp_filepath3, # CSV 문서의 내용이 쓰인 파일 경로 csv_args={ "delimiter": ",", # 내용은 쉼표로 구분 "quotechar": '"', # 문자열은 "" 안에 쓰임 "fieldnames": ["name", "school", "address", "phone"], # 필드 이름 나열 }, ) csv_data = csv_loader.load() # 추출된 텍스트 저장 return csv_data # 추출된 텍스트 반환 def get_json_file(docs): temp_dir4 = tempfile.TemporaryDirectory() # 임시 디렉토리 생성 temp_filepath4 = os.path.join(temp_dir4.name, docs.name) # 임시 파일 경로 생성 with open(temp_filepath4, "wb") as f: # 임시 파일 바이너리 쓰기 모드로 열기 f.write(docs.getvalue()) # json 문서의 내용 임시 파일에 쓰기 json_loader = JSONLoader( # JSONLoader로 json 파일 로드 file_path=temp_filepath4, # json 문서의 내용이 쓰인 파일 경로 jq_schema='.messages[].content', # json 문서에서 추출할 내용 설정(채팅 메시지) text_content=False # 추출한 데이터는 텍스트 형식으로 ) json_data = json_loader.load() # 추출된 텍스트 저장 return json_data # 추출된 텍스트 반환 # 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): # OpenAI 임베딩 모델을 로드합니다. (Embedding models - Ada v2) embeddings = OpenAIEmbeddings() vectorstore = FAISS.from_documents(text_chunks, embeddings) # FAISS 벡터 스토어를 생성합니다. return vectorstore # 생성된 벡터 스토어를 반환합니다. def get_conversation_chain(vectorstore): gpt_model_name = 'gpt-3.5-turbo' llm = ChatOpenAI(model_name = gpt_model_name) #gpt-3.5 모델 로드 # 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 # 사용자 입력을 처리하는 함수입니다. def handle_userinput(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: openai_key = st.text_input("Paste your OpenAI API key (sk-...)") if openai_key: os.environ["OPENAI_API_KEY"] = openai_key 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()