Update app.py

app.py

@@ -1,11 +1,7 @@
 # app.py
 import os
-import json
-from pathlib import Path
-
-import requests
-import gradio as gr
 import pandas as pd
+import gradio as gr
 import comtradeapicall
 from huggingface_hub import InferenceClient
 from deep_translator import GoogleTranslator
@@ -19,11 +15,14 @@ HS_CSV_URL = (
 hs_df = pd.read_csv(HS_CSV_URL, dtype=str)
 
 def get_product_name(hs_code: str) -> str:
+    """
+    از DataFrame محلی hs_df نام محصول متناظر با کد HS را می‌گیرد.
+    اگر یافت نشد، '–' برمی‌گرداند.
+    """
     code4 = str(hs_code).zfill(4)
     row = hs_df[hs_df["hscode"] == code4]
     return row.iloc[0]["description"] if not row.empty else "–"
 
-
 # --- تابع دریافت واردات و پردازش ستون‌ها ---
 def get_importers(hs_code: str, year: str, month: str):
     product_name = get_product_name(hs_code)
@@ -38,40 +37,44 @@ def get_importers(hs_code: str, year: str, month: str):
     if df is None or df.empty:
         return product_name, pd.DataFrame()
 
-    # اگر ستون‌های استاندارد موجود باشند، از آن‌ها استفاده کن
+    # محدود کردن تعداد سطر برای جلوگیری از خطای بیش از حد ورودی
+    df = df.sort_values('TradeValue', ascending=False).head(10)
+
+    # بررسی وجود ستون‌های استاندارد
     std_cols = ['ptCode', 'ptTitle', 'TradeValue']
     if all(col in df.columns for col in std_cols):
         out = df[std_cols]
         out.columns = ['کد کشور', 'نام کشور', 'ارزش CIF']
         return product_name, out
 
-    # وگرنه سعی می‌کنیم ستون‌های مناسب را شناسایی کنیم
-    code_col = next((c for c in df.columns if 'code'  in c.lower() and c != 'cmdCode'), None)
-    title_col= next((c for c in df.columns if 'title' in c.lower()), None)
-    value_col= next((c for c in df.columns if 'value' in c.lower()), None)
-
+    # یافتن ستون‌های مشابه بر اساس نام
+    code_col = next((c for c in df.columns if 'code' in c.lower()), None)
+    title_col = next((c for c in df.columns if 'title' in c.lower()), None)
+    value_col = next((c for c in df.columns if 'value' in c.lower()), None)
     if code_col and title_col and value_col:
         out = df[[code_col, title_col, value_col]]
         out.columns = ['کد کشور', 'نام کشور', 'ارزش CIF']
         return product_name, out
 
-    # اگر نشد، خودِ DataFrame خام را برگردان
+    # اگر هیچ‌کدام پیدا نشد، DataFrame خام را برگردان
     return product_name, df
 
-
 # --- تابع تولید مشاوره تخصصی با GPU کرایه‌ای ---
-hf_token   = os.getenv("HF_API_TOKEN")
-client     = InferenceClient(token=hf_token)
+hf_token = os.getenv("HF_API_TOKEN")
+client = InferenceClient(token=hf_token)
 translator = GoogleTranslator(source='en', target='fa')
 
 @spaces.GPU
 def provide_advice(table_data: pd.DataFrame, hs_code: str, year: str, month: str):
     if table_data is None or table_data.empty:
         return "ابتدا نمایش داده‌های واردات را انجام دهید."
-    table_str = table_data.to_string(index=False)
+
+    # محدودسازی تعداد ردیف‌ها برای متن ورودی
+    df_limited = table_data.head(10)
+    table_str = df_limited.to_string(index=False)
     period = f"{year}/{int(month):02d}"
     prompt = (
-        f"The following table shows countries that imported a product with HS code {hs_code} during {period}:\n"
+        f"The following table shows the top 10 countries by CIF value importing HS code {hs_code} during {period}:\n"
         f"{table_str}\n\n"
         "Please provide a detailed and comprehensive analysis of market trends, risks, "
         "and opportunities for a new exporter entering this market."
@@ -86,18 +89,17 @@ def provide_advice(table_data: pd.DataFrame, hs_code: str, year: str, month: str
     except Exception as e:
         return f"خطا در تولید مشاوره: {e}"
 
-
 # --- رابط کاربری Gradio ---
 with gr.Blocks() as demo:
     gr.Markdown("## تحلیل واردات بر اساس کد HS و ارائه مشاوره تخصصی")
 
     with gr.Row():
-        inp_hs    = gr.Textbox(label="کد HS", placeholder="مثلاً 1006")
-        inp_year  = gr.Textbox(label="سال",   placeholder="مثلاً 2023")
-        inp_month = gr.Textbox(label="ماه",   placeholder="مثلاً 1 تا 12")
+        inp_hs = gr.Textbox(label="کد HS", placeholder="مثلاً 1006")
+        inp_year = gr.Textbox(label="سال", placeholder="مثلاً 2023")
+        inp_month = gr.Textbox(label="ماه", placeholder="مثلاً 1 تا 12")
 
-    btn_show  = gr.Button("نمایش داده‌های واردات")
-    out_name  = gr.Markdown(label="**نام محصول**")
+    btn_show = gr.Button("نمایش داده‌های واردات")
+    out_name = gr.Markdown(label="**نام محصول**")
     out_table = gr.Dataframe(
         datatype="pandas",
         interactive=True