Spaces:
Sleeping
Sleeping
File size: 1,773 Bytes
18df1d9 f3be659 18df1d9 f3be659 18df1d9 f3be659 18df1d9 f3be659 18df1d9 f3be659 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 |
# rag_processor.py
import os
from typing import List
from langchain_community.document_loaders import PyPDFLoader, Docx2txtLoader, TextLoader
def get_relevant_context(file_paths: List[str], user_query: str = None) -> str:
"""
Extrai o texto completo de todos os arquivos anexados e retorna como uma única string.
"""
all_contents: List[str] = []
for file_path in file_paths:
filename = os.path.basename(file_path)
try:
# Escolhe o loader adequado
if filename.lower().endswith(".pdf"):
loader = PyPDFLoader(file_path)
elif filename.lower().endswith(".docx"):
loader = Docx2txtLoader(file_path)
elif filename.lower().endswith(".txt"):
loader = TextLoader(file_path, encoding='utf-8')
else:
# ignora formatos não suportados
continue
# Carrega todos os documentos e concatena o conteúdo
docs = loader.load()
for doc in docs:
all_contents.append(doc.page_content)
except Exception as e:
# Log simples de erro de leitura, para você ver no console
print(f"[rag_processor] Erro ao carregar '{filename}': {e}", flush=True)
# Remove os arquivos temporários após a extração
for file_path in file_paths:
try:
os.remove(file_path)
except OSError as e:
print(f"[rag_processor] Erro ao deletar '{file_path}': {e}", flush=True)
if not all_contents:
return "Nenhum documento de referência foi fornecido ou os formatos não são suportados."
# Retorna todo o texto concatenado, separado por duas quebras de linha
return "\n\n".join(all_contents)
|