单问题生成多回答以及生成综述代码更新

file_paper_analysis_improve.py

@@ -0,0 +1,168 @@
+import os
+import json
+import re
+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}")
+
+# 使用ZhipuAI API生成需要的信息
+def process_file(api_key, file_path, message, 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 = {}
+            # 使用统一的message模板
+            message_content = message.format(file_content=file_content)
+            response = client.chat.completions.create(
+                model="glm-4-long",
+                temperature=0.0,
+                messages=[{"role": "user", "content": message_content}],
+                max_tokens=4095  # 限制最大生成长度
+            )
+
+            # 获取的初始回答
+            answer = response.choices[0].message.content.strip()
+
+            answer_sections = answer.split("\n\n")  # 以双换行分段
+
+            # 将每个问题的答案对应存储到results字典中
+            for i, question in enumerate(question_types[1:]):  # 跳过"文件名"这一列
+                if i < len(answer_sections):
+
+                    # 去掉所有*号，清理标记
+                    cleaned_answer = answer_sections[i].replace("*", "")
+                    # 去掉类似 "第x个问题:" 或 "第x个问题：" 的标记，x是中文数字
+                    cleaned_answer = re.sub(r"\s*第\s*(?:[一二三四五六七八九]+(?:十[一二三四五六七八九]*)?|[二三四五六七八九十百]+)\s*个\s*问题\s*[:：]", "", cleaned_answer)
+                    # 去掉类似 **动机**：的**标记
+                    cleaned_answer = re.sub(r"\*\*[^*]+\*\*：", "", cleaned_answer)  
+                    # 去除每一行最前面的空格
+                    cleaned_answer = "\n".join(line.lstrip() for line in cleaned_answer.splitlines())
+
+                    results[question] = cleaned_answer.strip()  # 提取每个问题的答案
+                    
+                else:
+                    results[question] = "未找到对应答案"  # 如果没有足够的段落，填充默认值
+
+            return results
+    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,output_question):
+    print("===========================开始处理文件===========================")
+
+    directory = os.path.dirname(output_question)
+    if not os.path.exists(directory):
+        os.makedirs(directory)
+        print(f"目录 {directory} 已创建")
+
+    # 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",
+    ]
+
+    # 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)
+
+    # 获取绝对路径
+    file_path_or_folder = os.path.abspath(file_path_or_folder)
+    output_question = os.path.abspath(output_question)
+
+    message = """
+        你是人工智能领域的专家，以下内容是一篇论文：\n\n{file_content}\n\n请以这篇论文的内容为依据和回答的背景知识，逐条回复以下问题。请确保每个问题的回答独立分段，每个问题之间不留空行，并按顺序提供。
+        **第一个问题**：请对论文的内容进行摘要总结，包含研究背景与问题、研究目的、方法、主要结果和结论，字数要求在150-300字之间，使用论文中的术语和概念。
+        **第二个问题**：请提取论文的摘要原文，摘要一般在Abstract之后，Introduction之前。
+        **第三个问题**：请列出论文的全部作者，按照以下格式：\n```\n作者1, 作者2, 作者3\n```。
+        **第四个问题**：请直接告诉我这篇论文发表在哪个会议或期刊，请不要推理或提供额外信息。
+        **第五个问题**：请详细描述这篇论文主要解决的核心问题，并用简洁的语言概述。
+        **第六个问题**：请告诉我这篇论文提出了哪些方法，请用最简洁的方式概括每个方法的核心思路。
+        **第七个问题**：请告诉我这篇论文所使用的数据集，包括数据集的名称和来源。
+        **第八个问题**：请列举这篇论文评估方法的所有指标，并简要说明这些指标的作用。
+        **第九个问题**：请总结这篇论文实验的表现，包含具体的数值表现和实验结论。
+        **第十个问题**：请清晰地描述论文所作的工作，分别列举出动机和贡献点以及主要创新之处。
+        """
+    
+    # 用于生成综述所需的论文信息
+    summary_question=""
+
+    # 处理单个文件
+    if os.path.isfile(file_path_or_folder):
+        if file_path_or_folder.lower().endswith(".pdf"):  # 确保只处理PDF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, message,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")
+        summary_question = "只有一个文件，无法进行比较"  # 用于生成综述
+        # 将结果保存到txt文件
+        with open(output_question, 'w', encoding='utf-8') as file:
+            file.write(message)
+        print(f"结果已保存到 {output_question}")
+        return summary_question
+
+    # 处理文件夹
+    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 i, filename in enumerate(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, message,question_types)
+                        if analysis_results:
+                            summary_question+=f"第{i+1}篇论文：{analysis_results}\n\n" # 用于生成综述
+                            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")
+        # 将结果保存到txt文件
+        with open(output_question, 'w', encoding='utf-8') as file:
+            file.write(message)
+        print(f"结果已保存到 {output_question}")
+
+    print("===========================处理完成===========================")
+    return summary_question
+    
+if __name__ == "__main__":
+    
+    # API Key, 待解析文件路径, 输出结果文件路径（excel）,输出问题路径（txt）
+    main("", "", "","")

file_paper_summary.py

@@ -1,42 +1,11 @@
 import os
-import json
-import time
-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
-# file-name:print_name.py
 import argparse
 import dotenv
 
-def get_parser():
+import file_paper_analysis_improve
-    parser = argparse.ArgumentParser(description="Demo of argparse")
-    parser.add_argument('--path', default='Great')
-    
-    return parser
-
-def process_file(api_key, file_path, messages):
-    # 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)
-            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}],
-                    max_tokens=4095 # 限制最大生成长度
-                )
-                answer = response.choices[0].message.content
-            # print(answer)
-            return answer  # 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 {}
 
+# 使用ZhipuAI API生成综述
 def generate_summary_from_files(api_key, file_content):
     client = ZhipuAI(api_key=api_key)
     try:
@@ -52,56 +21,51 @@ def generate_summary_from_files(api_key, file_content):
     except Exception as e:
         print(f"文件比较出错时出错: {e}")
         return {}
-def main(api_key, file_path_or_folder):
+    
-    print("===========================开始处理文件===========================")
+def main(api_key, file_path_or_folder,output_analysis_excel,output_analysis_question,output_summary_question,output_summary_result):
+    print("===========================开始处理综述部分===========================")
+
+    directory = os.path.dirname(output_summary_question)
+    if not os.path.exists(directory):
+        os.makedirs(directory)
+        print(f"目录 {directory} 已创建")
+        
+    directory = os.path.dirname(output_summary_result)
+    if not os.path.exists(directory):
+        os.makedirs(directory)
+        print(f"目录 {directory} 已创建")
 
     # 获取绝对路径
     file_path_or_folder = os.path.abspath(file_path_or_folder)
+    output_summary_question = os.path.abspath(output_summary_question)
+    output_summary_result = os.path.abspath(output_summary_result)
 
-    # 对应的 message_content，分析每篇论文
+    summary_question = "你是人工智能领域的专家,以下是对多篇论文的信息提取与内容总结：\n\n" # 用于生成综述
-    messages = [
-        """
-        你是人工智能领域的专家，以下内容是一篇论文：\n\n{file_content}\n\n请以这篇论文的内容为依据和回答的背景知识，逐条回复以下问题。请确保每个问题的回答独立分段，并按顺序提供。
-        **第一个问题**：请对论文的内容进行摘要总结，包含研究背景与问题、研究目的、方法、主要结果和结论，字数要求在150-300字之间，使用论文中的术语和概念。
-        **第二个问题**：请提取论文的摘要原文，摘要一般在Abstract之后，Introduction之前。
-        **第三个问题**：请列出论文的全部作者，按照以下格式：\n```\n作者1, 作者2, 作者3\n```。
-        **第四个问题**：请直接告诉我这篇论文发表在哪个会议或期刊，请不要推理或提供额外信息。
-        **第五个问题**：请详细描述这篇论文主要解决的核心问题，并用简洁的语言概述。
-        **第六个问题**：请告诉我这篇论文提出了哪些方法，请用最简洁的方式概括每个方法的核心思路。
-        **第七个问题**：请告诉我这篇论文所使用的数据集，包括数据集的名称和来源。
-        **第八个问题**：请列举这篇论文评估方法的所有指标，并简要说明这些指标的作用。
-        **第九个问题**：请总结这篇论文实验的表现，包含具体的数值表现和实验结论。
-        **第十个问题**：请清晰地描述论文所作的工作，分别列举出动机和贡献点以及主要创新之处。
-        """
-    ]
 
-    summary_question = "你是人工智能领域的专家,以下是对多篇论文的信息提取与内容总结：" # 用于生成综述
+    # 多篇文献的信息分析结果
-    # 遍历源文件夹中的所有文件
+    analysis_result = file_paper_analysis_improve.main(api_key, file_path_or_folder, output_analysis_excel, output_analysis_question)
-    for root, dirs, files in os.walk(file_path_or_folder):
+    if analysis_result == "只有一个文件，无法进行比较":
-        for i, filename in enumerate(files):
+        print("注意：只有一个文件，无法进行比较，你应该上次包含多篇论文的文件夹而不是文件")
-            if filename.lower().endswith(".pdf"):  # 确保只处理PDF文件
+        return
-                file_path = os.path.join(root, filename)
+    summary_question += analysis_result
-                print(f"正在处理文件: {filename}")
+    
-                try:
+    summary_question+="请你根据以上不同论文及其内容，对这些论文生成一个综述，比较每篇论文提出方法的优劣，包括采用相同指标相同数据集所进行的实验结果的比较，讨论各方法的实际表现；最后，总结每篇论文的研究动机和贡献点，比较各论文在创新和实用性方面的不同之处，概括下这些研究在该领域中的地位和影响。"
-                    analysis_results = process_file(api_key, file_path, messages)
+    # 生成综述
-                    if analysis_results:
+    summary_result = generate_summary_from_files(api_key,summary_question)
-                        summary_question+=f"第{i+1}篇论文：{analysis_results}\n\n"
+     # 将问题保存到txt文件
-                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")
 
-        summary_question+="请你根据以上不同论文及其内容，对这些论文生成一个综述，比较每篇论文提出方法的优劣，包括采用相同指标相同数据集所进行的实验结果的比较，讨论各方法的实际表现；最后，总结每篇论文的研究动机和贡献点，比较各论文在创新和实用性方面的不同之处，概括下这些研究在该领域中的地位和影响。"
+    with open(output_summary_question, 'w', encoding='utf-8') as file:
-        # 生成综述
+        file.write(summary_question)
-        summary_result = generate_summary_from_files(api_key,summary_question)
+    print(f"生成综述的问题已保存到 {output_summary_question}")
-        print(summary_result)
+
-    print("===========================处理完成===========================")
+     # 将结果保存到txt文件
+    with open(output_summary_result, 'w', encoding='utf-8') as file:
+        file.write(summary_result)
+    print(f"生成的综述结果已保存到 {output_summary_result}")
+
+    print("===========================综述部分处理完成===========================")
 
 if __name__ == "__main__":
-    dotenv.load_dotenv()
+    
-    parser = get_parser()
+    # API Key, 待解析文件路径, 输出结果文件路径（excel）,输出问题路径（txt）,输出综述问题路径（txt）,输出综述结果路径（txt）
-    args = parser.parse_args()
+    main("", "","","","","")
-    path = args.path
-
-    # API Key, 待解析文件路径, 输出文件路径
-    main(os.environ.get("API_Key"), path)