app.py

import streamlit as st
from transformers import pipeline
from underthesea import word_tokenize  # Thư viện underthesea để tokenize tiếng Việt
import difflib

# Cấu hình ứng dụng
MAX_LENGTH = 512
st.set_page_config(
    page_title="Demo Correct Spelling Mistakes",
    page_icon="🤖",
    layout="centered",
    initial_sidebar_state="auto"
)

# CSS tùy chỉnh
custom_css = """
<style>
    body {
        background-color: #f4f4f4;
        font-family: 'Arial', sans-serif;
    }
    .main {
        background-color: #ffffff;
        padding: 20px;
        border-radius: 10px;
        box-shadow: 0 4px 10px rgba(0, 0, 0, 0.1);
        max-width: 800px;
        margin: 0 auto;
    }
    h1 {
        text-align: center;
        color: #4a90e2;
    }
    textarea {
        font-family: 'Courier New', Courier, monospace;
        font-size: 14px;
        color: #333;
    }
    .stButton button {
        background-color: #4a90e2;
        color: white;
        border: none;
        border-radius: 5px;
        padding: 10px 20px;
        font-size: 16px;
        cursor: pointer;
    }
    .stButton button:hover {
        background-color: #357ABD;
    }
    .markdown-text-container {
        margin-top: 20px;
    }
    .highlight {
        color: #d9534f;
        font-weight: bold;
    }
</style>
"""
st.markdown(custom_css, unsafe_allow_html=True)

st.title("Correct Spelling Mistakes App")

# Load mô hình
model_checkpoint = "Diezu/bat_pho_bo"  # Thay đổi checkpoint phù hợp
correct_spelling = pipeline("text2text-generation", model=model_checkpoint)

# Nhập liệu từ người dùng
context = st.text_area("Input text", placeholder="Nhập văn bản có lỗi chính tả...")

# Xử lý nút bấm
if st.button("Get Result"):
    if context.strip():
        try:
            # Sử dụng pipeline để sửa lỗi chính tả
            result = correct_spelling(context, max_length=MAX_LENGTH)
            corrected_text = result[0]['generated_text'] if result else "No output generated."

            # Tokenize tiếng Việt sử dụng underthesea
            original_tokens = word_tokenize(context)
            corrected_tokens = word_tokenize(corrected_text)

            # So sánh các từ và tìm từ thay đổi
            def highlight_differences(original, corrected):
                highlighted_text = []
                modified_indices = []
                matcher = difflib.SequenceMatcher(None, original, corrected)
                for tag, i1, i2, j1, j2 in matcher.get_opcodes():
                    if tag == 'replace':  # Nếu từ bị thay thế
                        for word in corrected[j1:j2]:
                            highlighted_text.append(f"<span class='highlight'>{word}</span>")  # Bôi đỏ từ đã sửa
                            modified_indices.extend(range(j1, j2))
                    elif tag == 'insert':  # Nếu từ mới được thêm
                        for word in corrected[j1:j2]:
                            highlighted_text.append(f"<span class='highlight'>{word}</span>")
                            modified_indices.extend(range(j1, j2))
                    else:  # Nếu từ không thay đổi
                        highlighted_text.extend(corrected[j1:j2])

                return " ".join(highlighted_text), modified_indices

            # Lấy kết quả đã chỉnh sửa và vị trí các từ đã sửa
            highlighted_text, modified_indices = highlight_differences(original_tokens, corrected_tokens)

            # Hiển thị kết quả
            st.markdown(f"### Corrected Text (with highlighted words):\n\n{highlighted_text}", unsafe_allow_html=True)
            st.markdown(f"### Modified Word Indices:\n\n{modified_indices}")
        except Exception as e:
            st.error(f"An error occurred: {e}")
    else:
        st.warning("Please input some text to process!")