Update app.py

app.py

@@ -1,4 +1,5 @@
 # app.py
+
 import gradio as gr
 from transformers import pipeline
 import json
@@ -6,46 +7,55 @@ import os
 
 def analyze_lyrics():
     try:
-        # Инициализируем классификатор
+        # Инициализируем пайплайн анализа тональности
         classifier = pipeline("sentiment-analysis", model="blanchefort/rubert-base-cased-sentiment")
         
-        # Путь к файлу в пространстве Spaces
-        # Файл должен находиться в корневой директории вашего Space
+        # Путь к текстовому файлу с текстом песни
+        # Убедитесь, что файл 'test.txt' находится в том же каталоге, что и этот скрипт
         file_path = os.path.join(os.getcwd(), "test.txt")
         
+        # Отладочная информация
+        print(f"Текущая рабочая директория: {os.getcwd()}")
+        print(f"Содержимое директории: {os.listdir()}")
         print(f"Пытаемся прочитать файл: {file_path}")
         print(f"Файл существует: {os.path.exists(file_path)}")
         
         if not os.path.exists(file_path):
-            return "Файл не найден"
-            
+            return "Ошибка: Файл 'test.txt' не найден в текущей директории."
+
+        # Читаем содержимое файла
         with open(file_path, 'r', encoding='utf-8') as file:
             text = file.read()
-            print(f"Прочитано символов: {len(text)}")
-            
+            print(f"Количество прочитанных символов: {len(text)}")
+        
+        # Разбиваем текст на строки и анализируем каждую строку
         results = []
         lines = [line.strip() for line in text.split('\n') if line.strip()]
-        
+
         for line in lines:
             prediction = classifier(line)
             results.append({
                 'text': line,
                 'emotion': prediction[0]['label'],
-                'score': float(prediction[0]['score'])
+                'score': round(float(prediction[0]['score']), 3)
             })
-            
-        return json.dumps(results, ensure_ascii=False, indent=2)
-        
+
+        # Форматируем результаты в JSON
+        formatted_results = json.dumps(results, ensure_ascii=False, indent=2)
+        return formatted_results
+
     except Exception as e:
-        return f"Ошибка: {str(e)}"
+        # Возвращаем сообщение об ошибке
+        return f"Произошла ошибка: {str(e)}"
 
-# Создаем интерфейс
+# Создаем интерфейс Gradio
 demo = gr.Interface(
     fn=analyze_lyrics,
-    inputs=None,  # Без входных параметров
-    outputs=gr.JSON(),
-    title="Анализ эмоций в тексте песни",
-    description="Нажмите кнопку для анализа файла test.txt"
+    inputs=None,  # Нет входных данных, так как мы читаем из файла
+    outputs="text",
+    title="Анализ эмоциональной окраски текста песни",
+    description="Нажмите кнопку для анализа эмоций в файле 'test.txt'"
 )
 
+# Запускаем Gradio приложение
 demo.launch()