Update app.py

app.py

@@ -5,7 +5,7 @@ import gradio as gr
 import comtradeapicall
 from huggingface_hub import InferenceClient
 from deep_translator import GoogleTranslator
-import spaces  # برای مدیریت GPU کرایه‌ای
+import spaces
 
 # --- بارگذاری HS DATA از CSV گیت‌هاب ---
 HS_CSV_URL = (
@@ -20,7 +20,7 @@ def get_product_name(hs_code: str) -> str:
     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):
+def get_imports(hs_code: str, year: str, month: str):
     product_name = get_product_name(hs_code)
     period = f"{year}{int(month):02d}"
     df = comtradeapicall.previewFinalData(
@@ -33,24 +33,19 @@ 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',
         '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)
+    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):
-        # 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
@@ -65,7 +60,6 @@ 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}"
@@ -85,36 +79,45 @@ 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")
-
-    btn_show = gr.Button("نمایش داده‌های واردات")
-    out_name = gr.Markdown(label="**نام محصول**")
-    out_table = gr.Dataframe(
-        datatype="pandas",
-        interactive=True
-    )
-
-    btn_show.click(
-        fn=get_importers,
-        inputs=[inp_hs, inp_year, inp_month],
-        outputs=[out_name, out_table]
-    )
+# --- رابط کاربری سفارشی با Gradio Blocks ---
+def create_custom_interface():
+    with gr.Blocks() as demo:
+        # عنوان برنامه
+        gr.Markdown("## تحلیل واردات بر اساس کد HS و ارائه مشاوره تخصصی")
+
+        # بخش ورودی‌ها
+        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")
+
+        # دکمه نمایش داده‌های واردات
+        btn_show = gr.Button("نمایش داده‌های واردات")
+        
+        # خروجی‌ها
+        out_name = gr.Markdown(label="**نام محصول**")
+        out_table = gr.Dataframe(datatype="pandas", interactive=True)
+
+        # دکمه ارائه مشاوره
+        btn_advice = gr.Button("ارائه مشاوره تخصصی")
+        out_advice = gr.Textbox(label="مشاوره تخصصی", lines=8)
+
+        # اتصال دکمه‌ها به توابع
+        btn_show.click(
+            fn=get_importers,
+            inputs=[inp_hs, inp_year, inp_month],
+            outputs=[out_name, out_table]
+        )
 
-    btn_advice = gr.Button("ارائه مشاوره تخصصی")
-    out_advice = gr.Textbox(label="مشاوره تخصصی", lines=8)
+        btn_advice.click(
+            fn=provide_advice,
+            inputs=[out_table, inp_hs, inp_year, inp_month],
+            outputs=out_advice
+        )
 
-    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.launch()
+    demo = create_custom_interface()
+    demo.launch(show_api=False)