Update app.py

app.py

@@ -1,4 +1,3 @@
-# app.py
 import os
 import pandas as pd
 import gradio as gr
@@ -7,7 +6,6 @@ from huggingface_hub import InferenceClient
 from deep_translator import GoogleTranslator
 import spaces  # برای مدیریت GPU کرایه‌ای
 
-# --- بارگذاری HS DATA از CSV گیت‌هاب ---
 HS_CSV_URL = (
     "https://raw.githubusercontent.com/"
     "datasets/harmonized-system/master/data/harmonized-system.csv"
@@ -19,7 +17,6 @@ def get_product_name(hs_code: str) -> str:
     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)
     period = f"{year}{int(month):02d}"
@@ -33,8 +30,6 @@ def get_importers(hs_code: str, year: str, month: str):
     if df is None or df.empty:
         return product_name, pd.DataFrame()
 
-    # شناسایی ستون‌های مورد نیاز (کد کشور، نام کشور، ارزش)
-    # ابتدا سعی در استفاده از ستون‌های استاندارد
     std_map = {
         'کد کشور': 'ptCode',
         'نام کشور': 'ptTitle',
@@ -45,17 +40,14 @@ def get_importers(hs_code: str, year: str, month: str):
     value_col= std_map['ارزش CIF'] if 'TradeValue' in df.columns else next((c for c in df.columns if 'value' in c.lower()), None)
 
     if not (code_col and title_col and value_col):
-        # اگر نتوانست ستون‌ها را شناسایی کند، برگرداندن DataFrame خام
         return product_name, df
 
-    # محدودسازی به 10 کشور برتر بر اساس ستون value_col
     df_sorted = df.sort_values(value_col, ascending=False).head(10)
 
     out = df_sorted[[code_col, title_col, value_col]]
     out.columns = ['کد کشور', 'نام کشور', 'ارزش CIF']
     return product_name, out
 
-# --- تابع تولید مشاوره تخصصی با GPU کرایه‌ای ---
 hf_token = os.getenv("HF_API_TOKEN")
 client = InferenceClient(token=hf_token)
 translator = GoogleTranslator(source='en', target='fa')
@@ -65,7 +57,6 @@ 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."
 
-    # محدودسازی تعداد ردیف‌های ورودی به 10 (در صورت بیشتر)
     df_limited = table_data.head(10)
     table_str = df_limited.to_string(index=False)
     period = f"{year}/{int(month):02d}"
@@ -85,7 +76,6 @@ 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")