# app.py import os import pandas as pd import gradio as gr import comtradeapicall from huggingface_hub import InferenceClient from deep_translator import GoogleTranslator import spaces # --- بارگذاری HS DATA از CSV گیت‌هاب --- HS_CSV_URL = ( "https://raw.githubusercontent.com/" "datasets/harmonized-system/master/data/harmonized-system.csv" ) hs_df = pd.read_csv(HS_CSV_URL, dtype=str) def get_product_name(hs_code: str) -> str: 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 با بازخورد --- def get_imports(hs_code: str, year: str, month: str): try: hs_code = str(hs_code).strip() year = str(year).strip() month = str(month).strip() if not hs_code.isdigit() or len(hs_code) < 2: return "–", pd.DataFrame(), "کد HS باید یک عدد معتبر باشد (حداقل 2 رقم)!" if not year.isdigit() or int(year) < 2000 or int(year) > 2025: return "–", pd.DataFrame(), "سال باید بین 2000 و 2025 باشد!" if not month.isdigit() or int(month) < 1 or int(month) > 12: return "–", pd.DataFrame(), "ماه باید بین 1 و 12 باشد!" product_name = get_product_name(hs_code) period = f"{year}{int(month):02d}" df = comtradeapicall.previewFinalData( typeCode='C', freqCode='M', clCode='HS', period=period, reporterCode=None, cmdCode=hs_code, flowCode='M', partnerCode=None, partner2Code=None, customsCode=None, motCode=None, maxRecords=500, includeDesc=True ) if df is None or df.empty: return product_name, pd.DataFrame(), "داده‌ای برای این کد HS و دوره زمانی یافت نشد." std_map = { 'کد کشور': 'ptCode', 'نام کشور': 'ptTitle', 'ارزش CIF': 'TradeValue' } code_col = std_map['کد کشور'] if 'ptCode' in df.columns else next((c for c in df.columns if 'code' in c.lower()), None) title_col = std_map['نام کشور'] if 'ptTitle' in df.columns else next((c for c in df.columns if 'title' in c.lower()), None) 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): return product_name, df, "ستون‌های مورد نیاز در داده‌ها یافت نشد." 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, "" except Exception as e: return "–", pd.DataFrame(), f"خطا: {str(e)}" # --- 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') @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." 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 the top {len(df_limited)} 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." ) try: outputs = client.text_generation( prompt=prompt, model="mistralai/Mixtral-8x7B-Instruct-v0.1", max_new_tokens=1024 ) return translator.translate(outputs) except Exception as e: return f"خطا در تولید مشاوره: {e}" # --- CSS برای مخفی کردن هدر و فوتر و استایل بصری --- custom_css = """ .gradio-container .header { display: none !important; } .gradio-container .footer { display: none !important; } .footer { display: none !important; } .header { display: none !important; } body { background-color: #1a1a1a; color: #e0e0e0; } #input-hs { background-color: #2c2c2c; color: #e0e0e0; border: 1px solid #444; border-radius: 5px; padding: 5px; } button { margin: 5px; padding: 10px 20px; border-radius: 5px; } .gr-Markdown { padding: 10px; background-color: #2c2c2c; border-radius: 5px; } .gr-Dataframe, .gr-Textbox { background-color: #2c2c2c; color: #e0e0e0; border: 1px solid #444; border-radius: 5px; padding: 10px; } """ # --- رابط کاربری سفارشی با Gradio Blocks --- def create_custom_interface(): with gr.Blocks(css=custom_css) as demo: # عنوان برنامه gr.Markdown("## تحلیل واردات بر اساس کد HS و ارائه مشاوره تخصصی") # بخش ورودی‌ها with gr.Row(): with gr.Column(scale=1): inp_hs = gr.Textbox(label="کد HS", placeholder="مثلاً 1006", elem_id="input-hs") with gr.Column(scale=1): inp_year = gr.Dropdown(label="سال", choices=[str(i) for i in range(2000, 2026)], value="2023") with gr.Column(scale=1): inp_month = gr.Dropdown(label="ماه", choices=[str(i).zfill(2) for i in range(1, 13)], value="01") # دکمه‌ها with gr.Row(): btn_show = gr.Button("نمایش داده‌های واردات", variant="primary") btn_advice = gr.Button("ارائه مشاوره تخصصی", variant="secondary") # خروجی‌ها with gr.Row(): out_name = gr.Markdown(label="**نام محصول**") out_table = gr.Dataframe( datatype="pandas", interactive=True, headers=["کد کشور", "نام کشور", "ارزش CIF"] ) out_message = gr.Markdown(label="پیام", visible=True) with gr.Row(): out_advice = gr.Textbox(label="مشاوره تخصصی", lines=8) # اتصال دکمه‌ها به توابع btn_show.click( fn=get_imports, inputs=[inp_hs, inp_year, inp_month], outputs=[out_name, out_table, out_message] ) btn_advice.click( fn=provide_advice, inputs=[out_table, inp_hs, inp_year, inp_month], outputs=out_advice ) return demo # --- راه‌اندازی رابط کاربری --- if __name__ == "__main__": demo = create_custom_interface() demo.launch(show_api=False) # حذف پارامتر theme