Files

130 lines
5.4 KiB
Python

"""Pousse le corpus dans la base de connaissances de LibreDesk (les « extraits », privés, lus par l'IA seulement).
Idempotent : apparie par titre, crée l'absent, met à jour ce qui a changé, ne touche pas le reste. Ne supprime jamais :
un extrait de LibreDesk absent du corpus est seulement signalé. Ne parle qu'aux routes des extraits. Simulation par
défaut : rien n'est écrit sans --ecrire. Il faut une clé d'administrateur (les routes exigent ai:manage).
LIBREDESK_URL=… LIBREDESK_ADMIN_KEY=… LIBREDESK_ADMIN_SECRET=… python -m base_connaissances.importer [--ecrire]
"""
import html as html_lib
import json
import os
import re
import sys
import urllib.error
import urllib.parse
import urllib.request
from dataclasses import dataclass, field
from pathlib import Path
from base_connaissances.decoupage import Extrait, lire_corpus
CORPUS = Path(__file__).resolve().parent / "corpus"
PUCE = re.compile(r"^\s*- ")
def html(e: Extrait) -> str:
"""Paragraphes séparés par une ligne vide → <p> (lignes jointes par <br>), lignes « - » → <ul><li>, texte échappé,
puis la source."""
morceaux = []
for paragraphe in e.contenu.split("\n\n"):
lignes = [ligne for ligne in paragraphe.splitlines() if ligne.strip()]
i = 0
while i < len(lignes):
liste = PUCE.match(lignes[i]) is not None
j = i
while j < len(lignes) and (PUCE.match(lignes[j]) is not None) == liste:
j += 1
bloc = [html_lib.escape(PUCE.sub("", ligne).strip() if liste else ligne.strip(), quote=False)
for ligne in lignes[i:j]]
morceaux.append("<ul>" + "".join(f"<li>{b}</li>" for b in bloc) + "</ul>" if liste
else "<p>" + "<br>".join(bloc) + "</p>")
i = j
morceaux.append(f"<p>Source : {html_lib.escape(e.source, quote=False)}</p>")
return "".join(morceaux)
def _texte(contenu_html: str) -> str:
"""Le texte sans balises, entités décodées, espaces réduits : LibreDesk peut reformater le HTML qu'il garde."""
return " ".join(html_lib.unescape(re.sub(r"<[^>]+>", " ", contenu_html or "")).split())
class Extraits:
"""Le client restreint aux extraits de la base de connaissances."""
def __init__(self, url: str, cle: str, secret: str, ecrire: bool):
self.url, self.ecrire = url.rstrip("/"), ecrire
self._auth = f"token {cle}:{secret}"
def _requete(self, methode: str, chemin: str, corps: dict | None = None):
url = urllib.parse.urljoin(self.url + "/", chemin.lstrip("/"))
r = urllib.request.Request(url, method=methode, data=json.dumps(corps).encode() if corps is not None else None,
headers={"Content-Type": "application/json"})
if urllib.parse.urlsplit(url)[:2] == urllib.parse.urlsplit(self.url)[:2]: # la clé ne va qu'à LibreDesk
r.add_unredirected_header("Authorization", self._auth)
try:
with urllib.request.urlopen(r, timeout=30) as rep:
return json.loads(rep.read() or b"{}").get("data")
except urllib.error.HTTPError as err:
with err:
sys.exit(f"{methode} {chemin} : {err.code} {err.read().decode(errors='replace')[:300]}")
def lister(self) -> list[dict]:
return self._requete("GET", "/api/v1/ai/snippets") or []
def _corps(self, e: Extrait) -> dict:
return {"title": e.titre, "content": html(e), "enabled": True}
def creer(self, e: Extrait) -> None:
if not self.ecrire:
print(f"[simulation] créer : {e.titre}")
return
self._requete("POST", "/api/v1/ai/snippets", self._corps(e))
def modifier(self, id: int, e: Extrait) -> None: # noqa: A002 (le nom de l'interface du plan)
if not self.ecrire:
print(f"[simulation] modifier ({id}) : {e.titre}")
return
self._requete("PUT", f"/api/v1/ai/snippets/{id}", self._corps(e))
@dataclass
class Bilan:
crees: list[str] = field(default_factory=list)
modifies: list[str] = field(default_factory=list)
inchanges: list[str] = field(default_factory=list)
inconnus: list[str] = field(default_factory=list)
def synchroniser(api: Extraits, extraits: list[Extrait]) -> Bilan:
existants = {s["title"]: s for s in api.lister()}
bilan = Bilan()
for e in extraits:
s = existants.get(e.titre)
if s is None:
api.creer(e)
bilan.crees.append(e.titre)
elif _texte(s.get("content")) != _texte(html(e)):
api.modifier(s["id"], e)
bilan.modifies.append(e.titre)
else:
bilan.inchanges.append(e.titre)
titres = {e.titre for e in extraits}
bilan.inconnus = [t for t, s in existants.items() if s.get("source") == "manual" and t not in titres]
return bilan
def main(argv: list[str]) -> None:
ecrire = "--ecrire" in argv
api = Extraits(os.environ["LIBREDESK_URL"], os.environ["LIBREDESK_ADMIN_KEY"], os.environ["LIBREDESK_ADMIN_SECRET"],
ecrire=ecrire)
b = synchroniser(api, lire_corpus(CORPUS))
print(f"créés {len(b.crees)}, modifiés {len(b.modifies)}, inchangés {len(b.inchanges)}"
+ ("" if ecrire else " (simulation : rien n'a été écrit)"))
for t in b.inconnus:
print(f"dans LibreDesk mais pas dans le corpus (non supprimé) : {t}")
if __name__ == "__main__":
main(sys.argv[1:])