Update app.py

app.py

@@ -5,10 +5,10 @@ import os
 import time
 import uuid
 from typing import List, Tuple, Optional, Union
+
 import google.generativeai as genai
 import gradio as gr
 from PIL import Image
-import PyPDF2
 from dotenv import load_dotenv
 
 # Cargar las variables de entorno desde el archivo .env
@@ -28,65 +28,37 @@ IMAGE_WIDTH = 512
 CHAT_HISTORY = List[Tuple[Optional[Union[Tuple[str], str]], Optional[str]]]
 
 def preprocess_image(image: Image.Image) -> Optional[Image.Image]:
+    """Redimensiona la imagen para que se ajuste a la aplicación."""
     if image:
         image_height = int(image.height * IMAGE_WIDTH / image.width)
         return image.resize((IMAGE_WIDTH, image_height))
 
 def cache_pil_image(image: Image.Image) -> str:
+    """Guarda la imagen procesada en el sistema de archivos temporal."""
     image_filename = f"{uuid.uuid4()}.jpeg"
     os.makedirs(IMAGE_CACHE_DIRECTORY, exist_ok=True)
     image_path = os.path.join(IMAGE_CACHE_DIRECTORY, image_filename)
     image.save(image_path, "JPEG")
     return image_path
 
-def cache_file(file) -> str:
-    """Guarda el archivo tal cual en el sistema temporal."""
-    file_path = f"/tmp/{uuid.uuid4()}_{file.name}"
-    with open(file_path, "wb") as f:
-        f.write(file.read())  # Aquí es donde 'file' puede tener el método read()
-    return file_path
-
-def extract_text_from_pdf(pdf_path: str) -> str:
-    """Extrae el texto de un archivo PDF."""
-    with open(pdf_path, 'rb') as f:
-        pdf_reader = PyPDF2.PdfReader(f)
-        text = ""
-        for page in pdf_reader.pages:
-            text += page.extract_text()
-    return text
-
 def upload(files: Optional[List[str]], chatbot: CHAT_HISTORY) -> CHAT_HISTORY:
+    """Sube los archivos y los agrega al historial de chat."""
     for file in files:
-        mime_type = file.type if hasattr(file, 'type') else None
-        
-        # Si es una imagen, la procesamos con PIL
-        if mime_type and mime_type.startswith('image'):
-            image = Image.open(file.name).convert('RGB')  # Abrir el archivo con su ruta
+        if file.name.endswith(('.jpg', '.jpeg', '.png')):
+            image = Image.open(file).convert('RGB')
             image_preview = preprocess_image(image)
             if image_preview:
-                # Mostrar una vista previa de la imagen cargada
+                # Muestra una vista previa de la imagen subida
                 gr.Image(image_preview).render()
             image_path = cache_pil_image(image)
             chatbot.append(((image_path,), None))
-        
-        # Si es un archivo PDF, lo procesamos y extraemos el texto
-        elif mime_type and mime_type == "application/pdf":
-            pdf_content = extract_text_from_pdf(file.name)
-            chatbot.append((pdf_content, None))
-        
-        # Si es un archivo de texto, lo procesamos directamente
-        elif mime_type and mime_type == "text/plain":
-            with open(file.name, 'r', encoding='utf-8') as f:
-                text_content = f.read()
-            chatbot.append((text_content, None))
-        
         else:
-            # Si es otro tipo de archivo, se guarda el archivo tal cual
-            file_path = cache_file(file)
-            chatbot.append(((file_path,), None))
+            # Si es un PDF u otro tipo de archivo, solo se guarda la ruta
+            chatbot.append(((file.name,), None))
     return chatbot
 
 def user(text_prompt: str, chatbot: CHAT_HISTORY):
+    """Procesa la entrada del usuario y la agrega al historial."""
     if text_prompt:
         chatbot.append((text_prompt, None))
     return "", chatbot
@@ -96,22 +68,27 @@ def bot(
     model_choice: str,
     chatbot: CHAT_HISTORY
 ):
+    """Genera una respuesta utilizando la API de Gemini."""
     if not GOOGLE_API_KEY:
         raise ValueError("GOOGLE_API_KEY is not set.")
-
+    
     # Configurar la API con la clave
     genai.configure(api_key=GOOGLE_API_KEY)
     generation_config = genai.types.GenerationConfig(
-        temperature=0.7,  # Valor predeterminado
-        max_output_tokens=8192,  # Fijar el límite de tokens a 8,192
-        top_k=10,  # Valor predeterminado
-        top_p=0.9   # Valor predeterminado
+        temperature=0.7,
+        max_output_tokens=8192,
+        top_k=10,
+        top_p=0.9
     )
 
+    # Procesar los archivos
     text_prompt = [chatbot[-1][0]] if chatbot and chatbot[-1][0] and isinstance(chatbot[-1][0], str) else []
-    image_prompt = [preprocess_image(Image.open(file).convert('RGB')) for file in files if file.type.startswith('image')] if files else []
+    image_prompt = [preprocess_image(Image.open(file).convert('RGB')) for file in files if file.name.endswith(('.jpg', '.jpeg', '.png'))] if files else []
+    pdf_prompt = [file.name for file in files if file.name.endswith('.pdf')] if files else []
+    
+    # Crear el modelo
     model = genai.GenerativeModel(model_choice)
-    response = model.generate_content(text_prompt + image_prompt, stream=True, generation_config=generation_config)
+    response = model.generate_content(text_prompt + image_prompt + pdf_prompt, stream=True, generation_config=generation_config)
 
     chatbot[-1][1] = ""
     for chunk in response:
@@ -121,6 +98,7 @@ def bot(
             time.sleep(0.01)
             yield chatbot
 
+# Componentes de la interfaz de usuario con Gradio
 chatbot_component = gr.Chatbot(
     label='Gemini',
     bubble_full_width=False,
@@ -131,7 +109,7 @@ text_prompt_component = gr.Textbox(
     placeholder="Message...", show_label=False, autofocus=True, scale=8
 )
 upload_button_component = gr.UploadButton(
-    label="Upload Files", file_count="multiple", file_types=["image", "pdf", "text"], scale=1
+    label="Upload Files", file_count="multiple", file_types=["image", "pdf"], scale=1
 )
 run_button_component = gr.Button(value="Run", variant="primary", scale=1)
 model_choice_component = gr.Dropdown(
@@ -190,3 +168,4 @@ with gr.Blocks() as demo:
 
 demo.queue(max_size=99).launch(debug=False, show_error=True)
 
+