mirror of
https://github.com/primedigitaltech/FileChat.git
synced 2026-01-19 13:03:19 +08:00
不使用前端界面解析单/多文件
This commit is contained in:
czl
parent
917b628818
commit
70f3ebb3ce
119
file_paper_analysis.py
Normal file
119
file_paper_analysis.py
Normal file
@ -0,0 +1,119 @@
|
||||
import os
|
||||
import json
|
||||
import pandas as pd # 用于将结果保存到Excel
|
||||
from zhipuai import ZhipuAI # 假设你已经安装并配置好ZhipuAI
|
||||
|
||||
# 定义保存结果到Excel的函数
|
||||
def append_to_excel(results, output_file, column_names):
|
||||
df = pd.DataFrame(results, columns=column_names)
|
||||
if os.path.exists(output_file):
|
||||
# 如果文件已存在，则追加数据
|
||||
existing_df = pd.read_excel(output_file)
|
||||
df = pd.concat([existing_df, df], ignore_index=True)
|
||||
df.to_excel(output_file, index=False)
|
||||
print(f"结果已保存到 {output_file}")
|
||||
|
||||
def process_file(api_key, file_path, messages,question_types):
|
||||
# 初始化ZhipuAI客户端
|
||||
client = ZhipuAI(api_key=api_key)
|
||||
try:
|
||||
with open(file_path, 'rb') as uploaded_file:
|
||||
file_object = client.files.create(file=uploaded_file, purpose="file-extract")
|
||||
file_content = json.loads(client.files.content(file_id=file_object.id).content)["content"]
|
||||
client.files.delete(file_id=file_object.id)
|
||||
|
||||
# 存储每个message的结果
|
||||
results = {}
|
||||
for i, message_template in enumerate(messages):
|
||||
message_content = message_template.format(file_content=file_content)
|
||||
response = client.chat.completions.create(
|
||||
model="glm-4-long",
|
||||
temperature=0.0,
|
||||
messages=[{"role": "user", "content": message_content}],
|
||||
)
|
||||
answer = response.choices[0].message.content.strip()
|
||||
question = question_types[i+1]
|
||||
results[question] = answer # 将答案存储到results字典中
|
||||
return results # 返回每个分析结果
|
||||
except Exception as e:
|
||||
print(f"处理文件 {os.path.basename(file_path)} 时出错: {e}")
|
||||
return {}
|
||||
|
||||
def main(api_key, file_path_or_folder, output_excel):
|
||||
print("===========================开始处理文件===========================")
|
||||
|
||||
|
||||
# 获取绝对路径
|
||||
file_path_or_folder = os.path.abspath(file_path_or_folder)
|
||||
output_excel = os.path.abspath(output_excel)
|
||||
|
||||
# 定义每个问题的类型，作为Excel中的列标题
|
||||
question_types = [
|
||||
"文件名",
|
||||
"撰写摘要",
|
||||
"摘要",
|
||||
"作者",
|
||||
"会议/期刊",
|
||||
"主要解决的问题",
|
||||
"提出的方法",
|
||||
"所使用数据集",
|
||||
"评估方法的指标",
|
||||
"实验的表现",
|
||||
"论文所做的工作",
|
||||
]
|
||||
|
||||
# 对应的 message_content，分析每篇论文
|
||||
messages = [
|
||||
"你是人工智能领域的专家，请对\n{file_content}\n的内容进行分析，并撰写一份论文摘要。",
|
||||
"你是人工智能领域的专家，请对\n{file_content}\n的内容进行分析,提取论文的摘要原文,摘要在Abstract之后,Introduction之前。",
|
||||
"请对\n{file_content}\n的内容进行分析,告诉我全部作者是谁，按以下格式列出：\n```\n作者1, 作者2, 作者3\n```。",
|
||||
"请对\n{file_content}\n的内容进行分析,告诉我这篇论文发表在哪个会议/期刊,不需要推理过程,直接回答。",
|
||||
"你是人工智能领域的专家，请对\n{file_content}\n的内容进行分析,只告诉我主要解决的问题有哪些,其他内容不需要。",
|
||||
"你是人工智能领域的专家，请对\n{file_content}\n的内容进行分析,只告诉我提出的方法有哪些,其他内容不需要。",
|
||||
"你是人工智能领域的专家，请对\n{file_content}\n的内容进行分析,只告诉我所使用数据集有哪些,其他内容不需要。",
|
||||
"你是人工智能领域的专家，请对\n{file_content}\n的内容进行分析,只告诉我评估方法的指标有哪些,其他内容不需要。",
|
||||
"你是人工智能领域的专家，请对\n{file_content}\n的内容进行分析,只告诉我实验的表现,其他内容不需要。",
|
||||
"你是人工智能领域的专家，请对\n{file_content}\n的内容进行分析,总结论文所做的工作，包括动机、贡献点等,其他内容不需要。",
|
||||
]
|
||||
|
||||
# 检查或创建 Excel 文件
|
||||
if not os.path.exists(output_excel):
|
||||
# 如果文件不存在，则创建并写入标题行
|
||||
pd.DataFrame(columns=question_types).to_excel(output_excel, index=False)
|
||||
if os.path.isfile(file_path_or_folder):
|
||||
if file_path_or_folder.lower().endswith(".pdf"): # 确保只处理PDF文件
|
||||
# 处理单个文件
|
||||
file_path = file_path_or_folder
|
||||
print(f"正在处理文件: {os.path.basename(file_path)}")
|
||||
try:
|
||||
analysis_results = process_file(api_key, file_path, messages,question_types)
|
||||
if analysis_results:
|
||||
result = {"文件名": os.path.basename(file_path)}
|
||||
result.update(analysis_results) # 将每个问题的分析结果加入字典
|
||||
append_to_excel([result], output_excel, question_types)
|
||||
except Exception as e:
|
||||
print(f"处理文件 {os.path.basename(file_path)} 时出错: {e}")
|
||||
else:
|
||||
print(f"文件 {os.path.basename(file_path_or_folder)} 不是PDF文件，跳过处理")
|
||||
elif os.path.isdir(file_path_or_folder):
|
||||
# 遍历源文件夹中的所有文件
|
||||
for root, dirs, files in os.walk(file_path_or_folder):
|
||||
for filename in files:
|
||||
if filename.lower().endswith(".pdf"): # 确保只处理PDF文件
|
||||
file_path = os.path.join(root, filename)
|
||||
print(f"正在处理文件: {filename}")
|
||||
try:
|
||||
analysis_results = process_file(api_key, file_path, messages,question_types)
|
||||
if analysis_results:
|
||||
result = {"文件名": filename}
|
||||
result.update(analysis_results) # 将每个问题的分析结果加入字典
|
||||
append_to_excel([result], output_excel, question_types)
|
||||
except Exception as e:
|
||||
print(f"处理文件 {filename} 时出错: {e}")
|
||||
else:
|
||||
print(f"文件 {os.path.basename(file_path_or_folder)} 不是PDF文件，跳过处理")
|
||||
print("===========================处理完成===========================")
|
||||
|
||||
if __name__ == "__main__":
|
||||
# API Key, 待解析文件路径, 输出文件路径
|
||||
main("0cd086fce44e6e97600730e6c537ea5b.6zsWw3PpQHAFrOye", "/home/czl/pythonProject/FileChat/analysis", "/home/czl/pythonProject/FileChat/analysis_result.xlsx")
|
||||
@ -7,6 +7,7 @@ cachetools==5.5.0
|
||||
certifi==2024.7.4
|
||||
charset-normalizer==3.3.2
|
||||
click==8.1.7
|
||||
et-xmlfile==1.1.0
|
||||
gitdb==4.0.11
|
||||
GitPython==3.1.43
|
||||
h11==0.14.0
|
||||
@ -20,7 +21,8 @@ markdown-it-py==3.0.0
|
||||
MarkupSafe==2.1.5
|
||||
mdurl==0.1.2
|
||||
narwhals==1.5.5
|
||||
numpy==2.0.2
|
||||
numpy==2.1.0
|
||||
openpyxl==3.1.5
|
||||
packaging==24.1
|
||||
pandas==2.2.2
|
||||
pillow==10.4.0
|
||||
|
||||
Loading…
x
Reference in New Issue
Block a user