Update app.py

app.py

@@ -1,10 +1,10 @@
-import os
+import os 
 import json
 import pandas as pd
 import torch
 import gradio as gr
 
-from huggingface_hub import login, Repository
+from huggingface_hub import login, Repository, hf_hub_download
 from sentence_transformers import SentenceTransformer, util
 
 # -------------------------------
@@ -73,11 +73,14 @@ def sök_faq(fråga):
     fråga = fråga.strip()
     if not fråga:
         return pd.DataFrame(columns=["Liknande fråga", "Svar", "Kategori", "Confidence"])
+
+    # Skapa embedding för query
     query_emb = model.encode(fråga, convert_to_tensor=True)
     cos_scores = util.cos_sim(query_emb, faq_embeddings)[0]
     top_results = torch.topk(cos_scores, k=3)
     indices = top_results.indices.tolist()
     scores = top_results.values.tolist()
+
     data = []
     for idx, score in zip(indices, scores):
         row = df.iloc[idx]
@@ -173,21 +176,23 @@ def ta_bort_faq(fråga_att_radera):
 
 def visa_logfil():
     """
-    Hämtar loggfilen från datasetet och returnerar en DataFrame med de senaste 10 posterna:
+    Hämtar loggfilen från Hugging Face Hub och returnerar en DataFrame med de senaste 10 posterna:
     Datum, UserID, Fråga (user_message) och Svar (bot_reply).
     """
-    # Ange den korrekta sökvägen enligt dina anvisningar
-    log_file_path = os.path.join("/datasets/ChargeNodeEurope/logfiles/logs_v2", "conversation_log_v2.txt")
-    if not os.path.exists(log_file_path):
-        return pd.DataFrame({"Fel": ["Loggfilen hittades inte."]})
-    logs = []
     try:
-        with open(log_file_path, "r", encoding="utf-8") as f:
+        # Ange repo- och filsökväg enligt Hugging Face Hub
+        repo_id = "ChargeNodeEurope/logfiles"
+        filename = "logs_v2/conversation_log_v2.txt"
+        local_log_path = hf_hub_download(repo_id=repo_id, filename=filename, repo_type="dataset")
+
+        logs = []
+        with open(local_log_path, "r", encoding="utf-8") as f:
             for line in f:
                 line = line.strip()
                 if line:
                     log_entry = json.loads(line)
                     logs.append(log_entry)
+        # Sortera loggarna med nyaste först baserat på timestamp
         logs_sorted = sorted(logs, key=lambda x: x["timestamp"], reverse=True)
         latest10 = logs_sorted[:10]
         df_logs = pd.DataFrame(latest10)
@@ -207,35 +212,16 @@ def logga_in(user, pwd):
     else:
         return "Felaktiga inloggningsuppgifter!"
 
-def get_faq_details(question):
-    """
-    Hämtar svar och kategori för den valda FAQ-frågan.
-    """
-    if question and question in df["Fråga"].values:
-        row = df[df["Fråga"] == question].iloc[0]
-        return row["Svar"], row["Kategori"]
-    return "", ""
-
 # -------------------------------
 # Gradio - Användargränssnitt med anpassad look & feel
 # -------------------------------
 
+# Anpassad CSS – Ändrat "max-width" till 1800px för att sidan ska vara dubbelt så bred.
 custom_css = """
 body {background-color: #f7f7f7; font-family: Arial, sans-serif;}
 h1, h2, h3 {font-family: Helvetica, sans-serif; color: #2a9d8f; text-align: center;}
-.gradio-container {max-width: 900px; margin: auto; padding: 20px;}
+.gradio-container {max-width: 1800px; margin: auto; padding: 20px;}
 .gr-button {background-color: #264653; color: #fff;}
-/* För att visa långa texter i loggfilen */
-.dataframe table td {
-    white-space: normal !important;
-    word-wrap: break-word;
-    min-height: 100px;
-    max-width: 600px;
-}
-/* Styling för edit-fält med ljusgrå bakgrund */
-.edit-box textarea {
-    background-color: #d3d3d3;
-}
 """
 
 with gr.Blocks(css=custom_css, title="Enkel FAQ Admin") as demo:
@@ -278,12 +264,9 @@ with gr.Blocks(css=custom_css, title="Enkel FAQ Admin") as demo:
             with gr.Row():
                 existing_quests = gr.Dropdown(choices=df["Fråga"].tolist(), label="Befintliga frågor")
             with gr.Row():
-                # Textboxar med ljusgrå bakgrund (använd klass "edit-box")
-                new_answer = gr.Textbox(label="Nytt svar (valfritt)", elem_classes="edit-box")
+                new_answer = gr.Textbox(label="Nytt svar (valfritt)")
             with gr.Row():
-                new_cat = gr.Textbox(label="Ny kategori (valfritt)", elem_classes="edit-box")
-            # När en fråga väljs, fyll i svar och kategori automatiskt
-            existing_quests.change(fn=get_faq_details, inputs=existing_quests, outputs=[new_answer, new_cat])
+                new_cat = gr.Textbox(label="Ny kategori (valfritt)")
             btn_update = gr.Button("Uppdatera")
             out_update = gr.Textbox(label="Status")
             btn_update.click(fn=uppdatera_faq, inputs=[existing_quests, new_answer, new_cat], outputs=out_update)