| import threading |
| from collections import Counter |
| from collections.abc import Callable |
| from functools import lru_cache |
| from importlib.metadata import version |
| from io import BytesIO |
| from math import floor, isinf, isnan |
|
|
| import gradio as gr |
| import matplotlib |
| import matplotlib.pyplot as plt |
| import pandas as pd |
| import spacy |
| from PIL import Image |
| from spacy.tokens import Doc |
|
|
| from ruts import ( |
| BasicStats, |
| CohesionStats, |
| DiversityStats, |
| LexicalStats, |
| MorphStats, |
| PhonStats, |
| ReadabilityStats, |
| StyleStats, |
| SyntaxStats, |
| VerseStats, |
| WordsExtractor, |
| ) |
| from ruts.constants import ( |
| BASIC_STATS_DESC, |
| COHESION_STATS_DESC, |
| DIVERSITY_STATS_DESC, |
| HIGHLIGHT_DEFAULT_LAYERS, |
| HIGHLIGHT_LAYER_GROUPS, |
| HIGHLIGHT_LAYERS_DESC, |
| LEXICAL_STATS_DESC, |
| MORPHOLOGY_STATS_DESC, |
| PHON_STATS_DESC, |
| READABILITY_STATS_DESC, |
| STYLE_STATS_DESC, |
| SYNTAX_STATS_DESC, |
| VERSE_STATS_DESC, |
| ) |
| from ruts.corpus import collocations, keyness |
| from ruts.datasets import FreqDict, StressDict |
| from ruts.exceptions import SourceError |
| from ruts.style_stats import is_stopword |
| from ruts.visualizers import highlight, sentence_lengths_plot, zipf |
|
|
| matplotlib.use("Agg") |
|
|
| MAX_CHARS = 20_000 |
| ZIPF_WORDS = 100 |
| SENTENCES_MIN = 5 |
| SENTENCES_WINDOW = 5 |
| ZIPF_MIN_WORDS = 100 |
| KEYWORDS_TOP_N = 15 |
| COLLOCATION_WINDOW = 3 |
| VERSE_MAX_LINES = 40 |
| VERSE_PATTERN_WIDTH = 24 |
| VERSE_NOTE = ( |
| "Ударения расставлены по словарю Козиева и подогнаны под метр, а знак ударения из текста " |
| "берется как есть; схема строки - `c` безударный " |
| "слог, `C` ударный, буква - группа рифмы, дефис - строка без рифмы. Для стиха вставляйте текст " |
| "построчно: на одной строке или короткой фразе метр не определяется." |
| ) |
| KEYWORDS_NOTE = ( |
| "Ключевые слова - леммы, которые в тексте встречаются заметно чаще, чем в частотном " |
| "словаре Ляшевской и Шарова (G² - значимость, Log Ratio - во сколько раз чаще в двоичном " |
| "логарифме). Коллокации - пары знаменательных лемм на расстоянии до трех слов, встретившиеся " |
| "хотя бы дважды, по logDice; в коротком тексте их может не быть." |
| ) |
| POS_SHORT = { |
| "NOUN": "сущ.", |
| "PROPN": "имя собств.", |
| "ADJ": "прил.", |
| "ADV": "наречие", |
| "VERB": "глагол", |
| "AUX": "вспом. глагол", |
| "PRON": "местоим.", |
| "DET": "местоим. прил.", |
| "NUM": "числит.", |
| "ADP": "предлог", |
| "CCONJ": "соч. союз", |
| "SCONJ": "подч. союз", |
| "PART": "частица", |
| "INTJ": "междометие", |
| "PUNCT": "знак", |
| "SYM": "символ", |
| "X": "прочее", |
| } |
| EXAMPLES = { |
| "Сказка": ( |
| "Жили-были старик со старухой. У них была курочка Ряба. Снесла курочка яичко, " |
| "не простое, а золотое. Дед бил, бил - не разбил. Баба била, била - не разбила. " |
| "Мышка бежала, хвостиком махнула, яичко упало и разбилось. Дед плачет, баба плачет, " |
| "а курочка кудахчет: не плачь, дед, не плачь, баба, я снесу вам яичко другое, " |
| "не золотое, а простое." |
| ), |
| "Стихи": ( |
| "Вечер. Взморье. Вздохи ветра.\n" |
| "Величавый возглас волн.\n" |
| "Близко буря. В берег бьётся\n" |
| "Чуждый чарам чёрный чёлн.\n\n" |
| "Чуждый чистым чарам счастья,\n" |
| "Чёлн томленья, чёлн тревог,\n" |
| "Бросил берег, бьётся с бурей,\n" |
| "Ищет светлых снов чертог.\n\n" |
| "Мчится взморьем, мчится морем,\n" |
| "Отдаваясь воле волн.\n" |
| "Месяц матовый взирает,\n" |
| "Месяц горький полон грусти.\n\n" |
| "Умер вечер. Ночь чернеет.\n" |
| "Ропщет море. Мрак растёт.\n" |
| "Чёлн томленья тьмой охвачен.\n" |
| "Буря воет в бездне вод." |
| ), |
| "Новость": ( |
| "Администрация города утвердила программу ремонта дворов на следующий год. " |
| "Согласно документу, в первую очередь будут отремонтированы проезды и детские площадки " |
| "в микрорайонах, построенных до 1980 года, а заявки жителей, поданные через портал, " |
| "рассматриваются в течение месяца. Расходы бюджета оцениваются в двести миллионов рублей, " |
| "подрядчиков выберут по итогам открытого конкурса в марте.\n\n" |
| "Программа рассчитана на три года. В первый год планируется привести в порядок сорок " |
| "дворов, во второй - шестьдесят, в третий - все оставшиеся. Жители смогут следить " |
| "за ходом работ на карте, которая появится на сайте администрации весной: там будут " |
| "отмечены адреса, сроки и подрядчики. Как пояснили в пресс-службе, при выборе дворов " |
| "учитывались возраст домов, состояние покрытия и число обращений. Депутаты городской думы " |
| "поддержали программу единогласно, но попросили отчитываться о её выполнении каждый " |
| "квартал, а не раз в год, как предлагала администрация." |
| ), |
| "Научная проза": ( |
| "Тезаурусы - особый класс лексикографических ресурсов, для которых характерны следующие " |
| "черты: полнота значений словарного состава языка или какого-либо его сегмента; " |
| "тематический, или идеографический способ упорядочения значений слов. Отличительной " |
| "особенностью тезаурусов по сравнению с формальными онтологиями является выход в сферу " |
| "лексических значений, установление связей не только между значениями и выражающими их " |
| "словами, а также между самими значениями (регистрация различных семантических отношений " |
| "внутри словаря).\n\n" |
| "Построение тезауруса предполагает выделение понятий предметной области, установление " |
| "между ними отношений синонимии, гипонимии и ассоциации, а также сопоставление каждому " |
| "понятию множества текстовых входов - слов и словосочетаний, которыми оно выражается " |
| "в текстах. Полученная структура используется для расширения запросов в информационном " |
| "поиске, автоматической рубрикации документов и разрешения лексической многозначности, " |
| "поскольку позволяет соотносить разные формулировки с одним и тем же значением." |
| ), |
| "Канцелярит": ( |
| "Проект, подготовленный за неделю, был одобрен советом без обсуждения. Повышение " |
| "эффективности использования бюджетных средств обсуждалось, не выходя за рамки регламента. " |
| "Участники, представлявшие региональные министерства, не смогли согласовать позиции по " |
| "вопросам финансирования и распределения ответственности между ведомствами, поскольку " |
| "каждое из них настаивало на собственной трактовке положений соглашения. Споры стихли, " |
| "в кулуарах шумно шептались и шушукались, а решение было отложено до следующего заседания.\n\n" |
| "По итогам заседания было принято решение о необходимости проведения дополнительных " |
| "консультаций с участием представителей заинтересованных ведомств в целях выработки " |
| "согласованной позиции по вопросу распределения полномочий. Ответственность за организацию " |
| "консультаций и подготовку соответствующего протокола была возложена на секретариат, " |
| "которым должен быть обеспечен учёт замечаний, поступивших в ходе обсуждения." |
| ), |
| } |
|
|
| DEFAULT_LAYERS = list(HIGHLIGHT_DEFAULT_LAYERS) |
| DEFAULT_GROUP_LAYERS = [ |
| [layer for layer in group if layer in HIGHLIGHT_DEFAULT_LAYERS] |
| for group in HIGHLIGHT_LAYER_GROUPS.values() |
| ] |
| nlp = spacy.load("ru_core_news_sm", exclude=["ner", "lemmatizer"]) |
| nlp.add_pipe("ruts_blank_lines", before="parser") |
| freq_dict = FreqDict() |
| if not freq_dict.filepath: |
| try: |
| freq_dict.download() |
| except (RuntimeError, OSError) as error: |
| print(f"Частотный словарь недоступен: {error}") |
| stress_dict = StressDict() |
| if not stress_dict.filepath: |
| try: |
| stress_dict.download() |
| except (RuntimeError, OSError) as error: |
| print(f"Словарь ударений недоступен: {error}") |
| plot_lock = threading.Lock() |
|
|
|
|
| @lru_cache(maxsize=32) |
| def parse(text: str) -> Doc: |
| return nlp(text) |
|
|
|
|
| def format_value(value: float | int | str | None) -> str: |
| if value is None: |
| return "-" |
| if isinstance(value, float): |
| if isnan(value): |
| return "-" |
| return ("∞" if value > 0 else "-∞") if isinf(value) else f"{value:.2f}" |
| return str(value) |
|
|
|
|
| def stats_table( |
| stats: dict[str, float], |
| desc: dict[str, str], |
| describe: Callable[[str], str | None] | None = None, |
| ) -> pd.DataFrame: |
| keys = [key for key in desc if key in stats] |
| if describe is None: |
| rows = [(desc[key], format_value(stats[key])) for key in keys] |
| return pd.DataFrame(rows, columns=["Метрика", "Значение"]) |
| rows_read = [(desc[key], format_value(stats[key]), describe(key) or "-") for key in keys] |
| return pd.DataFrame(rows_read, columns=["Метрика", "Значение", "Прочтение"]) |
|
|
|
|
| def format_reading_time(minutes: float) -> str: |
| if minutes < 1: |
| return "меньше минуты" |
| total = round(minutes) |
| if total < 60: |
| return f"{total} мин" |
| return f"{total // 60} ч {total % 60} мин" |
|
|
|
|
| def readability_summary(rs: ReadabilityStats) -> str: |
| return ( |
| f"### {rs.describe_grade()}\n\n" |
| f"Сводный класс по семи формулам класса и индексу Флеша - **{rs.consensus_grade:.1f}**, " |
| f"индекс удобочитаемости Флеша - **{floor(rs.flesch_reading_easy)}** " |
| f"({rs.describe('flesch_reading_easy')}), " |
| f"время чтения - **{format_reading_time(rs.reading_time)}**." |
| ) |
|
|
|
|
| def lexical_table(doc: Doc) -> pd.DataFrame: |
| try: |
| ls = LexicalStats(doc, freq_dict=freq_dict) |
| except SourceError: |
| |
| return pd.DataFrame(columns=["Метрика", "Значение"]) |
| if freq_dict.filepath: |
| return stats_table(ls.get_stats(), LEXICAL_STATS_DESC) |
| bands = { |
| key: getattr(ls, key) |
| for key in LEXICAL_STATS_DESC |
| if key.startswith(("p_top", "p_beyond")) |
| } |
| bands["lexical_density"] = ls.lexical_density |
| return stats_table(bands, LEXICAL_STATS_DESC) |
|
|
|
|
| def keywords_table(words: tuple[str, ...]) -> pd.DataFrame: |
| columns = ["Лемма", "В тексте", "ipm в тексте", "ipm в словаре", "G²", "Log Ratio"] |
| if not freq_dict.filepath or not words: |
| return pd.DataFrame(columns=columns) |
| try: |
| keywords = keyness(words, freq_dict, min_freq=2, top_n=KEYWORDS_TOP_N) |
| except SourceError: |
| |
| return pd.DataFrame(columns=columns) |
| return pd.DataFrame( |
| [ |
| ( |
| keyword.word, |
| keyword.freq_target, |
| round(keyword.ipm_target), |
| round(keyword.ipm_reference, 1), |
| round(keyword.g2, 1), |
| round(keyword.log_ratio, 2), |
| ) |
| for keyword in keywords |
| ], |
| columns=columns, |
| ) |
|
|
|
|
| def collocations_table(words: tuple[str, ...]) -> pd.DataFrame: |
| columns = ["Пара", "Вместе", "logDice"] |
| if not words: |
| return pd.DataFrame(columns=columns) |
| found = [ |
| collocation |
| for collocation in collocations(words, window=COLLOCATION_WINDOW, min_freq=2) |
| if not is_stopword(collocation.left) and not is_stopword(collocation.right) |
| ] |
| return pd.DataFrame( |
| [ |
| ( |
| f"{collocation.left} … {collocation.right}", |
| collocation.freq_pair, |
| round(collocation.score, 2), |
| ) |
| for collocation in found[:KEYWORDS_TOP_N] |
| ], |
| columns=columns, |
| ) |
|
|
|
|
| def verse_tables(doc: Doc) -> tuple[pd.DataFrame, str]: |
| if not stress_dict.filepath: |
| return pd.DataFrame(columns=["Метрика", "Значение"]), "*Словарь ударений недоступен.*" |
| try: |
| vs = VerseStats(doc, stress_dict=stress_dict) |
| except SourceError: |
| return pd.DataFrame(columns=["Метрика", "Значение"]), "*В тексте нет русских слов.*" |
| if not vs.n_lines: |
| return stats_table(vs.get_stats(), VERSE_STATS_DESC), "*В тексте нет русских слов.*" |
| accented = [line for stanza in vs.accentuate().split("\n\n") for line in stanza.split("\n")] |
| letters = [letter for scheme in vs.rhyme_schemes for letter in scheme] |
| rows = [] |
| for pattern, letter, line in zip(vs.patterns, letters, accented, strict=True): |
| if len(pattern) > VERSE_PATTERN_WIDTH: |
| pattern = pattern[: VERSE_PATTERN_WIDTH - 1] + "…" |
| rows.append(f"{pattern:<{VERSE_PATTERN_WIDTH}} {letter} {line}") |
| if len(rows) > VERSE_MAX_LINES: |
| rows = [*rows[:VERSE_MAX_LINES], f"… ещё {len(rows) - VERSE_MAX_LINES} строк"] |
| return stats_table(vs.get_stats(), VERSE_STATS_DESC), "```\n" + "\n".join(rows) + "\n```" |
|
|
|
|
| def morph_tables(ms: MorphStats) -> tuple[pd.DataFrame, pd.DataFrame]: |
| stats = ms.get_stats(filter_none=True) |
| pos = sorted(stats["pos"].items(), key=lambda item: -item[1]) |
| pos_table = pd.DataFrame( |
| [(POS_SHORT.get(tag, tag), count) for tag, count in pos], columns=["Часть речи", "Слов"] |
| ) |
| rows = [] |
| for category, counts in stats.items(): |
| if category == "pos": |
| continue |
| desc = MORPHOLOGY_STATS_DESC[category] |
| for value, count in sorted(counts.items(), key=lambda item: -item[1]): |
| rows.append((desc["name"], desc["values"].get(value, value), count)) |
| return pos_table, pd.DataFrame(rows, columns=["Признак", "Значение", "Слов"]) |
|
|
|
|
| def figure_image(fig: plt.Figure) -> Image.Image: |
| buffer = BytesIO() |
| fig.tight_layout() |
| fig.savefig(buffer, format="png", dpi=150) |
| plt.close(fig) |
| buffer.seek(0) |
| return Image.open(buffer) |
|
|
|
|
| def zipf_image(counter: Counter[str]) -> Image.Image: |
| with plot_lock: |
| fig, ax = plt.subplots(figsize=(7, 4.5)) |
| zipf( |
| counter, |
| num_words=min(ZIPF_WORDS, len(counter)), |
| num_labels=6, |
| show_theory=True, |
| alpha=1.1, |
| show_fit=True, |
| ax=ax, |
| ) |
| return figure_image(fig) |
|
|
|
|
| def sentences_image(doc: Doc) -> Image.Image: |
| with plot_lock: |
| fig, ax = plt.subplots(figsize=(7, 3.5)) |
| sentence_lengths_plot(doc, window=SENTENCES_WINDOW, ax=ax) |
| return figure_image(fig) |
|
|
|
|
| def render_highlight(text: str, layers: list[str]) -> str: |
| return highlight(parse(text), layers=layers).to_html() |
|
|
|
|
| def compute(text: str, layers: list[str]) -> dict: |
| text = text.strip()[:MAX_CHARS] |
| if not text: |
| raise ValueError("Вставьте текст для разбора") |
| doc = parse(text) |
| bs = BasicStats(doc) |
| rs = ReadabilityStats(doc) |
| ds = DiversityStats(doc) |
| ms = MorphStats(doc) |
| ss = StyleStats(doc) |
| ps = PhonStats(doc) |
| xs = SyntaxStats(doc) |
| cs = CohesionStats(doc) |
| words = WordsExtractor(use_lexemes=True, lowercase=True, filter_nums=True).extract(text) |
| pos_table, morph_table = morph_tables(ms) |
| verse_table, verse_lines = verse_tables(doc) |
| basic = {key: value for key, value in bs.get_stats().items() if key in BASIC_STATS_DESC} |
| counter = Counter(word for word in words if not is_stopword(word)) |
| enough_words = bs.n_words >= ZIPF_MIN_WORDS and bool(counter) |
| enough_sents = bs.n_sents >= SENTENCES_MIN |
| return { |
| "text": text, |
| "highlight": highlight(doc, layers=layers).to_html(), |
| "summary": readability_summary(rs), |
| "readability": stats_table(rs.get_stats(), READABILITY_STATS_DESC, rs.describe), |
| "diversity": stats_table(ds.get_stats(), DIVERSITY_STATS_DESC), |
| "pos": pos_table, |
| "morph": morph_table, |
| "syntax": stats_table(xs.get_stats(), SYNTAX_STATS_DESC), |
| "cohesion": stats_table(cs.get_stats(), COHESION_STATS_DESC), |
| "lexical": lexical_table(doc), |
| "style": stats_table(ss.get_stats(), STYLE_STATS_DESC, ss.describe), |
| "phon": stats_table(ps.get_stats(), PHON_STATS_DESC), |
| "verse": verse_table, |
| "verse_lines": verse_lines, |
| "basic": stats_table(basic, BASIC_STATS_DESC), |
| "keywords": keywords_table(WordsExtractor(filter_nums=True).extract(text)), |
| "collocations": collocations_table(words), |
| "zipf": zipf_image(counter) if enough_words else None, |
| "enough_words": enough_words, |
| "sentences": sentences_image(doc) if enough_sents else None, |
| "enough_sents": enough_sents, |
| } |
|
|
|
|
| def analyze(text: str, *groups: list[str]): |
| try: |
| result = compute(text, [layer for group in groups for layer in group]) |
| except SourceError as error: |
| raise gr.Error("В тексте нет слов для разбора") from error |
| except ValueError as error: |
| raise gr.Error(str(error)) from error |
| return ( |
| result["text"], |
| result["highlight"], |
| result["summary"], |
| result["readability"], |
| result["diversity"], |
| result["pos"], |
| result["morph"], |
| result["syntax"], |
| result["cohesion"], |
| result["lexical"], |
| result["style"], |
| result["phon"], |
| result["verse"], |
| result["verse_lines"], |
| result["basic"], |
| result["keywords"], |
| result["collocations"], |
| gr.Image(value=result["zipf"], visible=result["enough_words"]), |
| gr.Markdown(visible=not result["enough_words"]), |
| gr.Image(value=result["sentences"], visible=result["enough_sents"]), |
| ) |
|
|
|
|
| def rerender(text: str | None, *groups: list[str]) -> str: |
| if not text: |
| return "" |
| return render_highlight(text, [layer for group in groups for layer in group]) |
|
|
|
|
| HEADER = """ |
| # ruTS - статистики русского текста |
| |
| Вставьте текст и получите удобочитаемость, лексическое разнообразие, морфологический и синтаксический |
| профиль, связность, частотность слов, SEO-метрики стиля, фоностатистики, метр и рифму стиха, ключевые слова и коллокации, а также подсветку фрагментов, из которых складываются эти числа. |
| [GitHub](https://github.com/SergeyShk/ruTS) · [Документация](https://sergeyshk.github.io/ruTS/) · |
| [PyPI](https://pypi.org/project/ruts/) |
| """ |
| FOOTER = ( |
| f"ruts {version('ruts')} · spaCy {spacy.__version__} · ru_core_news_sm {nlp.meta['version']}" |
| ) |
| CSS = """ |
| .ruts-highlight { font-size: 1.05em; } |
| .stats { --font-mono: var(--font); } |
| #text-input, #text-input > label { display: flex; flex-direction: column; } |
| #text-input > label, #text-input .input-container { flex: 1 1 auto; } |
| #text-input .input-container { align-items: stretch; } |
| """ |
|
|
| INITIAL = compute(EXAMPLES["Новость"], DEFAULT_LAYERS) |
|
|
| with gr.Blocks(title="ruTS") as demo: |
| gr.Markdown(HEADER) |
| text_state = gr.State(INITIAL["text"]) |
| highlight_output = gr.HTML( |
| INITIAL["highlight"], label="Подсветка", container=True, padding=True, render=False |
| ) |
| summary_output = gr.Markdown(INITIAL["summary"], render=False) |
| tables = { |
| name: gr.Dataframe(INITIAL[name], interactive=False, elem_classes="stats", render=False) |
| for name in ( |
| "readability", |
| "diversity", |
| "morph", |
| "syntax", |
| "cohesion", |
| "lexical", |
| "style", |
| "phon", |
| "verse", |
| "basic", |
| "keywords", |
| "collocations", |
| ) |
| } |
| verse_lines_output = gr.Markdown(INITIAL["verse_lines"], render=False) |
| pos_output = gr.BarPlot( |
| INITIAL["pos"], |
| x="Часть речи", |
| y="Слов", |
| sort="-y", |
| x_label_angle=-30, |
| height=300, |
| container=False, |
| render=False, |
| ) |
| zipf_output = gr.Image( |
| INITIAL["zipf"], |
| label="Закон Ципфа", |
| show_label=False, |
| interactive=False, |
| visible=INITIAL["enough_words"], |
| render=False, |
| ) |
| zipf_note = gr.Markdown( |
| f"*График закона Ципфа строится для текстов от {ZIPF_MIN_WORDS} слов.*", |
| visible=not INITIAL["enough_words"], |
| render=False, |
| ) |
| sentences_output = gr.Image( |
| INITIAL["sentences"], |
| label="Длины предложений", |
| show_label=False, |
| interactive=False, |
| visible=INITIAL["enough_sents"], |
| render=False, |
| ) |
| outputs = [ |
| text_state, |
| highlight_output, |
| summary_output, |
| tables["readability"], |
| tables["diversity"], |
| pos_output, |
| tables["morph"], |
| tables["syntax"], |
| tables["cohesion"], |
| tables["lexical"], |
| tables["style"], |
| tables["phon"], |
| tables["verse"], |
| verse_lines_output, |
| tables["basic"], |
| tables["keywords"], |
| tables["collocations"], |
| zipf_output, |
| zipf_note, |
| sentences_output, |
| ] |
|
|
| with gr.Row(equal_height=True): |
| with gr.Column(scale=3): |
| text_input = gr.Textbox( |
| INITIAL["text"], |
| lines=9, |
| max_lines=9, |
| max_length=MAX_CHARS, |
| label="Текст", |
| elem_id="text-input", |
| placeholder=f"Вставьте текст на русском языке, до {MAX_CHARS:,} символов".replace( |
| ",", " " |
| ), |
| ) |
| with gr.Column(scale=1): |
| layer_inputs = [ |
| gr.CheckboxGroup( |
| choices=[(HIGHLIGHT_LAYERS_DESC[layer], layer) for layer in group], |
| value=[layer for layer in group if layer in HIGHLIGHT_DEFAULT_LAYERS], |
| label=f"Подсветка: {name.lower()}", |
| ) |
| for name, group in HIGHLIGHT_LAYER_GROUPS.items() |
| ] |
| analyze_button = gr.Button("Разобрать", variant="primary") |
| gr.Examples( |
| examples=[[text, *DEFAULT_GROUP_LAYERS] for text in EXAMPLES.values()], |
| example_labels=list(EXAMPLES), |
| inputs=[text_input, *layer_inputs], |
| outputs=outputs, |
| fn=analyze, |
| run_on_click=True, |
| cache_examples=False, |
| label="Примеры", |
| ) |
| with gr.Row(): |
| with gr.Column(): |
| highlight_output.render() |
| zipf_output.render() |
| zipf_note.render() |
| sentences_output.render() |
| with gr.Column(): |
| summary_output.render() |
| with gr.Tabs(): |
| with gr.Tab("Читаемость"): |
| tables["readability"].render() |
| with gr.Tab("Лексика"): |
| tables["diversity"].render() |
| with gr.Tab("Морфология"): |
| pos_output.render() |
| tables["morph"].render() |
| with gr.Tab("Синтаксис"): |
| tables["syntax"].render() |
| with gr.Tab("Связность"): |
| tables["cohesion"].render() |
| with gr.Tab("Частотность"): |
| tables["lexical"].render() |
| with gr.Tab("Стиль"): |
| tables["style"].render() |
| with gr.Tab("Фоника"): |
| tables["phon"].render() |
| with gr.Tab("Стих"): |
| gr.Markdown(VERSE_NOTE) |
| tables["verse"].render() |
| verse_lines_output.render() |
| with gr.Tab("Базовые"): |
| tables["basic"].render() |
| with gr.Tab("Ключевые слова"): |
| gr.Markdown(KEYWORDS_NOTE) |
| tables["keywords"].render() |
| tables["collocations"].render() |
| gr.Markdown(FOOTER) |
|
|
| analyze_button.click(analyze, inputs=[text_input, *layer_inputs], outputs=outputs) |
| text_input.submit(analyze, inputs=[text_input, *layer_inputs], outputs=outputs) |
| for layer_input in layer_inputs: |
| layer_input.change( |
| rerender, inputs=[text_state, *layer_inputs], outputs=[highlight_output] |
| ) |
|
|
| if __name__ == "__main__": |
| demo.launch(css=CSS) |
|
|
