Update app.py

app.py

@@ -4,54 +4,59 @@ import pandas as pd
 from transformers import pipeline
 
 MAX_CHARS = 1500
-HISTORY_SIZE = 5
+History_size = 5
 
 MODELS = {
     "Русский (rubert-tiny)": "cointegrated/rubert-tiny-sentiment-balanced",
-    "Английский (roberta)": "cardiffnlp/twitter-roberta-base-sentiment"
+    "Twitter-roBERTa": "cardiffnlp/twitter-roberta-base-sentiment-latest"
+    
 }
 
 _pipes = {}
 
+#фукнция выбора конкретной модели
 def get_pipe(key):
-    if key not in _pipes:
-        _pipes[key] = pipeline("sentiment-analysis", model=MODELS[key])
-    return _pipes[key]
-
-def analyze_text(text, model_key, history):
-    start = time.time()
-
-    if text is None or not text.strip():
-        return "Ошибка: пустой ввод", "", 0.0, history
-
-    text = text.strip()
-    if len(text) > MAX_CHARS:
-        return "Ошибка: текст слишком длинный", "", 0.0, history
-
-    try:
-        clf = get_pipe(model_key)
-        res = clf(text)[0]
-        label = res["label"]
-        score = round(float(res["score"]), 4)
-    except Exception as e:
-        return f"Ошибка модели: {e}", "", 0.0, history
-
-    latency = round(time.time() - start, 3)
-
-    record = f"[{model_key}] {text[:80]}... → {label} ({score}), {latency}s"
-    history = (history or [])[-(HISTORY_SIZE-1):] + [record]
-
-    return label, score, latency, history
-
-def batch_process(file_obj, model_key):
-    if file_obj is None:
-        return pd.DataFrame({"error": ["Файл не загружен"]})
-
-    path = file_obj.name.lower()
-    if not (path.endswith(".txt") or path.endswith(".csv")):
-        return pd.DataFrame({"error": ["Поддерживаются только .txt и .csv"]})
-
-    try:
+  if key not in _pipes:
+    _pipes[key] = pipeline("sentiment-analysis", model=MODELS[key])
+#анализ текста с историей
+def analyze_text(text,model_key, history):
+  start = time.time()
+
+  if text is None or not text.strip():
+    return "Ошибка пустой ввод", "", 0.0, history 
+  
+  text = text.strip()
+  if len(text) > MAX_CHARS:
+    return "Ошибка: текст слишком длинный", "", 0.0, history 
+
+  try:
+    a = get_pipe(model_key)
+    res = a(text)[0]
+    label = res["label"]
+    score = round(float(res["score"]),3)
+  except Exception as e:
+    return f"Ошибка модели: {e}", "", 0.0, history
+  
+  latency = round(time.time()- start,3)
+  record = f"[{model_key}] {text[:80]}... → {label} ({score}), {latency}s"
+  if not history:
+    history = []
+  history = history[-(History_size-1):]
+  history.append(record)
+
+  return label, score, latency, history
+
+  #функция для обработки файла
+def obr_file(file_obj, model_key):
+  if file_obj is None:
+    return pd.DataFrame({"error": ["Файл не загружен"]})
+  #проверяем расширение файла
+  path = file_obj.name.lower()
+  if not (path.endswith(".txt") or path.endswith(".csv")):
+     return pd.DataFrame({"error": ["Поддерживаются только .txt и .csv"]})
+
+  #чтение файла 
+  try:
         if path.endswith(".txt"):
             with open(file_obj.name, "r", encoding="utf-8", errors="ignore") as f:
                 texts = [x.strip() for x in f.read().splitlines() if x.strip()]
@@ -59,66 +64,73 @@ def batch_process(file_obj, model_key):
             df = pd.read_csv(file_obj.name)
             col = "text" if "text" in df.columns else df.columns[0]
             texts = df[col].astype(str).tolist()
-    except Exception as e:
+  except Exception as e:
         return pd.DataFrame({"error": [f"Ошибка чтения файла: {e}"]})
-
-    clf = get_pipe(model_key)
-    rows = []
-    for t in texts:
-        t = t[:MAX_CHARS]
-        res = clf(t)[0]
-        rows.append({
-            "text": t,
-            "label": res["label"],
-            "score": round(float(res["score"]), 4)
-        })
-    return pd.DataFrame(rows)
-
+  
+  a = get_pipe(model_key)
+  rows = []
+
+  for t in texts:
+    t = t[:MAX_CHARS]
+    res = a(t)[0]
+    rows.append({
+        "text": t,
+        "label": res["label"],
+        "score": round(float(res["score"]), 3)
+    })
+  return pd.DataFrame(rows)
 
 with gr.Blocks() as demo:
-    gr.Markdown("# 🧠 Sentiment Analysis (RU/EN) — Hugging Face Spaces (Gradio)")
-
-    with gr.Row():
-        text_input = gr.Textbox(label="Введите текст", lines=5)
-        model_choice = gr.Dropdown(list(MODELS.keys()), value="Русский (rubert-tiny)", label="Модель")
+  gr.Markdown('🧠 Sentiment Analysis')
 
-    run_btn = gr.Button("Обработать")
+  with gr.Row():
+    text_input = gr.Textbox(label='Введите текст', lines =5)
+    model_choice = gr.Dropdown(list(MODELS.keys()), value="Русский (rubert-tiny)", label="Модель")
 
-    with gr.Row():
-        out_label = gr.Textbox(label="Тональность")
-        out_score = gr.Textbox(label="Уверенн��сть")
-        out_latency = gr.Textbox(label="Время ответа (сек)")
+  btn = gr.Button("Обработать")
 
-    history_state = gr.State([])
+  with gr.Row():
+    lab = gr.Textbox(label='Тональность')
+    scr = gr.Textbox(label = 'Уверенность') 
+    lat = gr.Textbox(label = 'Время ответа (сек)') 
 
-    history_box = gr.Textbox(label="История запросов (последние 5)", lines=6)
+    state = gr.State([])
+    box = gr.Textbox(label="История запросов (последние 5)", lines=5)
 
-    run_btn.click(
+    btn.click(
         analyze_text,
-        inputs=[text_input, model_choice, history_state],
-        outputs=[out_label, out_score, out_latency, history_state]
+        inputs = [text_input, model_choice, state],
+        outputs = [lab, scr, lat, state]
     ).then(
         lambda h: "\n".join(h),
-        inputs=history_state,
-        outputs=history_box
+        inputs = state,
+        outputs = box
     )
 
-    gr.Markdown("## 📦 Пакетная обработка (TXT/CSV)")
-    file_input = gr.File(label="Загрузите файл (.txt или .csv с колонкой text)")
-    batch_btn = gr.Button("Обработать файл")
-    batch_out = gr.Dataframe(label="Результаты")
-
-    batch_btn.click(batch_process, inputs=[file_input, model_choice], outputs=batch_out)
+    gr.Markdown("# Пакетная обработка (TXT/CSV)")
+    file_in = gr.File(label = "Загрузите файл (.txt или .csv)")
+    bbtn = gr.Button("Обработать файл")
+    obtn = gr.DataFrame(label = 'Результаты')
 
+    bbtn.click(obr_file, inputs=[file_in, model_choice], outputs=obtn)
     gr.Examples(
         examples=[
-            ["Мне очень понравился сервис, всё отлично!", "Русский (rubert-tiny)"],
+            ["Мне очень понравился этот фильм, всё отлично!", "Русский (rubert-tiny)"],
             ["Это худший опыт в моей жизни.", "Русский (rubert-tiny)"],
-            ["The app is amazing!", "Английский (roberta)"],
-            ["This is terrible and buggy.", "Английский (roberta)"]
+            ["The app is amazing!", "Английский (Twitter-roBERTa)"],
+            ["This is terrible and buggy.", "Английский (Twitter-roBERTa)"]
         ],
         inputs=[text_input, model_choice],
         label="Примеры"
     )
 
-demo.launch()
+demo.launch()
+
+
+
+
+
+
+
+
+