Update app.py

app.py

@@ -1,5 +1,4 @@
 import os
-import io
 import json
 import hashlib
 import gradio as gr
@@ -12,55 +11,64 @@ from pipelines.openai_ingest import (
 from pipelines.parsing import normalize_resume
 from pipelines.merge import merge_normalized_records
 from pipelines.skills import extract_skills
-from pipelines.anonymize import anonymize_text, render_anonymized_pdf
 from pipelines.scoring import compute_quality_score
-from pipelines.storage import persist_to_hf
 from pipelines.utils import detect_filetype, load_doc_text
 
-APP_TITLE = "候補者インテーク & レジュメ標準化（OpenAI版）"
+APP_TITLE = "候補者インテーク & レジュメ標準化（安定版・最小機能）"
 
 
-def process_resumes(files, candidate_id: str, additional_notes: str = ""):
-    if not files:
+def process_resumes(filepaths, candidate_id: str, additional_notes: str = ""):
+    """
+    安定版（最小機能）:
+      - OCR/抽出 → 構造化 → 正規化 → マージ → スキル抽出 → 要約 → 品質スコア
+      - 匿名化PDF生成・HF Datasets保存は一旦オフ
+    入力:
+      filepaths: gr.Files(type="filepath") からのパス配列
+    出力:
+      JSON文字列 / スキルJSON文字列 / スコアJSON文字列 / 要約(3種)
+    """
+    if not filepaths:
         raise gr.Error("少なくとも1ファイルをアップロードしてください。")
 
     partial_records = []
     raw_texts = []
 
-    for f in files:
-        raw_bytes = f.read()
-        filetype = detect_filetype(f.name, raw_bytes)
+    for path in filepaths:
+        # パスからバイトとファイル名を取得
+        with open(path, "rb") as rf:
+            raw_bytes = rf.read()
+        fname = os.path.basename(path)
+        filetype = detect_filetype(fname, raw_bytes)
 
         # 1) テキスト抽出：画像/PDFはOpenAI Vision OCR、docx/txtは生文面＋OpenAI整形
         if filetype in {"pdf", "image"}:
-            text = extract_text_with_openai(raw_bytes, filename=f.name, filetype=filetype)
+            text = extract_text_with_openai(raw_bytes, filename=fname, filetype=filetype)
         else:
             base_text = load_doc_text(filetype, raw_bytes)
-            # 生テキストをそのままOpenAIへ渡し、軽く整形した全文を返す
-            text = extract_text_with_openai(base_text.encode("utf-8"), filename=f.name, filetype="txt")
+            text = extract_text_with_openai(base_text.encode("utf-8"), filename=fname, filetype="txt")
 
-        raw_texts.append({"filename": f.name, "text": text})
+        raw_texts.append({"filename": fname, "text": text})
 
-        # 2) OpenAIでセクション構造化
+        # 2) OpenAIでセクション構造化 → 3) 正規化
         structured = structure_with_openai(text)
-        # 念のためルールベース正規化も適用（期間抽出など補助）
         normalized = normalize_resume({
             "work_experience": structured.get("work_experience_raw", ""),
             "education": structured.get("education_raw", ""),
             "certifications": structured.get("certifications_raw", ""),
             "skills": ", ".join(structured.get("skills_list", [])),
         })
+
         partial_records.append({
-            "source": f.name,
+            "source": fname,
             "text": text,
             "structured": structured,
             "normalized": normalized,
         })
 
-    # 3) 統合（複数ファイル→1候補者）
+    # 4) 複数ファイルの統合
     merged = merge_normalized_records([r["normalized"] for r in partial_records])
 
-    # 4) スキル抽出（辞書/正規表現）
+    # 5) スキル抽出（辞書/正規表現）
     merged_text = "\n\n".join([r["text"] for r in partial_records])
     skills = extract_skills(merged_text, {
         "work_experience": merged.get("raw_sections", {}).get("work_experience", ""),
@@ -69,65 +77,43 @@ def process_resumes(files, candidate_id: str, additional_notes: str = ""):
         "skills": ", ".join(merged.get("skills", [])),
     })
 
-    # 5) 匿名化
-    anonymized_text, anon_map = anonymize_text(merged_text)
-    anon_pdf_bytes = render_anonymized_pdf(anonymized_text)
-
     # 6) 品質スコア
     score = compute_quality_score(merged_text, merged)
 
     # 7) 要約（300/100/1文）
     summaries = summarize_with_openai(merged_text)
 
-    # 8) 構造化出力
+    # 8) 構造化出力（文字列にして Code に安全に渡す）
     result_json = {
         "candidate_id": candidate_id or hashlib.sha256(merged_text.encode("utf-8")).hexdigest()[:16],
-        "files": [f.name for f in files],
+        "files": [os.path.basename(p) for p in filepaths],
         "merged": merged,
         "skills": skills,
         "quality_score": score,
         "summaries": summaries,
-        "anonymization_map": anon_map,
         "notes": additional_notes,
     }
 
-    # 9) HF Datasets 保存
-    dataset_repo = os.environ.get("DATASET_REPO")
-    commit_info = None
-    if dataset_repo:
-        file_hash = result_json["candidate_id"]
-        commit_info = persist_to_hf(
-            dataset_repo=dataset_repo,
-            record=result_json,
-            anon_pdf_bytes=anon_pdf_bytes,
-            parquet_path=f"candidates/{file_hash}.parquet",
-            json_path=f"candidates/{file_hash}.json",
-            pdf_path=f"candidates/{file_hash}.anon.pdf",
-        )
-
-    anon_pdf = (result_json["candidate_id"] + ".anon.pdf", anon_pdf_bytes)
-
     return (
-        json.dumps(result_json, ensure_ascii=False, indent=2),                 # out_json（Codeへ文字列）
-        json.dumps(skills, ensure_ascii=False, indent=2),                      # ★ JSON→Code: ここを文字列で返す
-        json.dumps(score, ensure_ascii=False, indent=2),                       # out_score（Codeへ文字列）
-        summaries["300chars"],
-        summaries["100chars"],
-        summaries["onesent"],
-        anon_pdf,
-        json.dumps(commit_info or {"status": "skipped (DATASET_REPO not set)"}, ensure_ascii=False, indent=2),
+        json.dumps(result_json, ensure_ascii=False, indent=2),  # out_json -> Code
+        json.dumps(skills, ensure_ascii=False, indent=2),       # out_skills -> Code
+        json.dumps(score, ensure_ascii=False, indent=2),        # out_score -> Code
+        summaries.get("300chars", ""),
+        summaries.get("100chars", ""),
+        summaries.get("onesent", ""),
     )
 
 
 with gr.Blocks(title=APP_TITLE) as demo:
-    gr.Markdown(f"# {APP_TITLE}\n複数ファイルを統合→OpenAIで読み込み/構造化/要約→匿名化→Datasets保存")
+    gr.Markdown(f"# {APP_TITLE}\nOpenAIでOCR/構造化/要約→統合→スコア（匿名化・HF保存なしの安定版）")
 
     with gr.Row():
+        # ★ Gradio v4仕様: Filesは type='filepath' or 'binary' のみ
         in_files = gr.Files(
             label="レジュメ類 (PDF/画像/Word/テキスト) 複数可",
             file_count="multiple",
             file_types=[".pdf", ".png", ".jpg", ".jpeg", ".tiff", ".bmp", ".docx", ".txt"],
-            type="file"
+            type="filepath"
         )
         candidate_id = gr.Textbox(label="候補者ID（任意。未入力なら自動生成）")
     notes = gr.Textbox(label="補足メモ（任意）", lines=3)
@@ -138,30 +124,24 @@ with gr.Blocks(title=APP_TITLE) as demo:
         out_json = gr.Code(label="統合出力 (JSON)")
 
     with gr.Tab("抽出スキル"):
-        # ★ GradioのJSONスキーマ推論バグ回避のため Code に変更
+        # ★ JSONスキーマ推論の例外回避のため Code を使用
         out_skills = gr.Code(label="スキル一覧 (JSON)")
 
     with gr.Tab("品質スコア"):
-        out_score = gr.Code(label="品質評価")
+        out_score = gr.Code(label="品質評価 (JSON)")
 
     with gr.Tab("要約 (300/100/1文)"):
         out_sum_300 = gr.Textbox(label="300字要約")
         out_sum_100 = gr.Textbox(label="100字要約")
         out_sum_1 = gr.Textbox(label="1文要約")
 
-    with gr.Tab("匿名PDF"):
-        out_pdf = gr.File(label="匿名PDFダウンロード")
-
-    with gr.Tab("Datasets 保存ログ"):
-        out_commit = gr.Code(label="コミット情報")
-
     run_btn.click(
         process_resumes,
         inputs=[in_files, candidate_id, notes],
-        outputs=[out_json, out_skills, out_score, out_sum_300, out_sum_100, out_sum_1, out_pdf, out_commit],
+        outputs=[out_json, out_skills, out_score, out_sum_300, out_sum_100, out_sum_1],
     )
 
 
 if __name__ == "__main__":
-    # ★ ローカル未到達環境での ValueError 回避（Space でも安全）
+    # localhost 到達不可環境でも動くように share=True を明示
     demo.launch(share=True, server_name="0.0.0.0", server_port=7860)