diff --git a/docker.compose.sh b/docker.compose.sh new file mode 100755 index 0000000..82caaeb --- /dev/null +++ b/docker.compose.sh @@ -0,0 +1,20 @@ +#!/bin/bash + +# Zmienne środowiskowe +DB_NAME="telegram_bot" +DB_USER="telegram_user" +DB_PASSWORD="telegram_pass" +DB_PORT="5432" +VOLUME_NAME="telegram_bot_pgdata" + +export DATABASE_URL="postgresql://${DB_USER}:${DB_PASSWORD}@localhost:${DB_PORT}/${DB_NAME}" + +docker run \ + --name "${CONTAINER_NAME}" \ + -e POSTGRES_DB="${DB_NAME}" \ + -e POSTGRES_USER="${DB_USER}" \ + -e POSTGRES_PASSWORD="${DB_PASSWORD}" \ + -p "${DB_PORT}:5432" \ + --restart unless-stopped \ + -d \ + postgres:14-alpine diff --git a/main.py b/main.py index a86567b..ac1a203 100644 --- a/main.py +++ b/main.py @@ -2,9 +2,9 @@ import asyncio import logging from telegram import Update from telegram.ext import ApplicationBuilder, MessageHandler, filters, CommandHandler -from .src.config import TELEGRAM_BOT_TOKEN, logger # Import logger z config -from .src.handlers import handle_message, error_handler -from .src.db import init_db, close_db +from src.config import TELEGRAM_BOT_TOKEN, logger # Import logger z config +from src.handlers import handle_message, error_handler +from src.db import init_db, close_db async def post_init(application): """Funkcja wykonywana po inicjalizacji aplikacji bota.""" diff --git a/src/config.py b/src/config.py index ee9cefe..50562a5 100644 --- a/src/config.py +++ b/src/config.py @@ -40,7 +40,8 @@ if not YOUTUBE_TRANSCRIPT_API_TOKEN: # Inne ustawienia TRANSCRIPT_LANGUAGES = ['pl', 'en'] # Priorytet języków transkrypcji SUMMARY_PROMPT = """Streść poniższy transkrypt filmu z YouTube w zwięzły sposób w języku polskim. -Skup się na głównych tematach i wnioskach. +Skup się na głównych tematach i wnioskach. +prosiłbym o dokonanie tego streszczenia w formacie Markdown. Transkrypt: {transcript}""" \ No newline at end of file diff --git a/src/handlers.py b/src/handlers.py index 051b30a..b26b292 100644 --- a/src/handlers.py +++ b/src/handlers.py @@ -3,11 +3,14 @@ import re from telegram import Update from telegram.ext import ContextTypes from telegram.constants import ParseMode -from .youtube_utils import extract_youtube_urls, extract_video_id, get_transcript, get_video_title -from .openai_utils import summarize_text +from .youtube_utils import extract_youtube_urls, extract_video_id, get_transcript +from .openai_utils import summarize_long_text, chunk_text, summarize_text from .db import save_video_summary, check_if_url_exists from .config import TRANSCRIPT_LANGUAGES +# Stała dla maksymalnej długości wiadomości Telegram +MAX_MESSAGE_LENGTH = 4096 + logger = logging.getLogger(__name__) async def handle_message(update: Update, context: ContextTypes.DEFAULT_TYPE): @@ -37,7 +40,8 @@ async def handle_message(update: Update, context: ContextTypes.DEFAULT_TYPE): # Opcjonalnie: sprawdź, czy już istnieje w bazie, zanim zaczniesz przetwarzać # if await check_if_url_exists(url): # logger.info(f"URL {url} już istnieje w bazie danych. Pomijam.") - # await context.bot.send_message( + # await safe_send_message( + # context.bot, # chat_id=chat_id, # text=f"Informacje o filmie {url} są już w bazie.", # disable_web_page_preview=True @@ -52,64 +56,142 @@ async def handle_message(update: Update, context: ContextTypes.DEFAULT_TYPE): await context.bot.send_chat_action(chat_id=chat_id, action='typing') - # 1. Pobierz tytuł - title = await get_video_title(url) - if not title: - logger.warning(f"Nie udało się pobrać tytułu dla ID filmu: {video_id}") - await context.bot.send_message( + # Pobierz transkrypcję i tytuł + try: + transcript, title = await get_transcript(video_id, TRANSCRIPT_LANGUAGES) + if not title: + logger.warning(f"Nie udało się pobrać tytułu dla ID filmu: {video_id}") + title = f"Film YouTube {video_id}" # Użyj zastępczego tytułu + except Exception as e: + logger.warning(f"Nie udało się pobrać transkrypcji dla ID filmu: {video_id}: {str(e)}") + await safe_send_message( + context.bot, chat_id=chat_id, - text=f"Nie udało się pobrać tytułu dla filmu: {url}", - disable_web_page_preview=True - ) - processed_urls_in_message.add(url) - continue # Potrzebujemy tytułu - - await context.bot.send_chat_action(chat_id=chat_id, action='typing') - - # 2. Pobierz transkrypcję - transcript = await get_transcript(video_id, TRANSCRIPT_LANGUAGES) - if not transcript: - logger.warning(f"Nie udało się pobrać transkrypcji dla ID filmu: {video_id}") - await context.bot.send_message( - chat_id=chat_id, - text=f"Nie udało się pobrać transkrypcji dla filmu: {title} ({url})", + text=f"Nie udało się pobrać transkrypcji dla filmu: {url}", disable_web_page_preview=True ) processed_urls_in_message.add(url) continue # Potrzebujemy transkrypcji do streszczenia - await context.bot.send_chat_action(chat_id=chat_id, action='typing') + # Informuj o rozpoczęciu przetwarzania + await safe_send_message( + context.bot, + chat_id=chat_id, + text=f"*Rozpoczynam przetwarzanie filmu:*\n{title}\n\n*Link:* {url}", + parse_mode="Markdown", + disable_web_page_preview=True + ) - # 3. Wygeneruj streszczenie - summary = await summarize_text(transcript) - if not summary: - logger.error(f"Nie udało się wygenerować streszczenia dla ID filmu: {video_id}") - await context.bot.send_message( + # Podziel tekst na fragmenty do przetworzenia + chunks = await chunk_text(transcript) + all_summaries = [] + combined_summary = "" + + # Dla każdego fragmentu, wygeneruj i wyślij streszczenie + for i, chunk in enumerate(chunks): + await context.bot.send_chat_action(chat_id=chat_id, action='typing') + progress_msg = f"Przetwarzanie fragmentu {i+1}/{len(chunks)}..." + logger.info(progress_msg) + + # Jeśli jest więcej niż jeden fragment, powiadom użytkownika o postępie + if len(chunks) > 1 and i == 0: + await safe_send_message( + context.bot, + chat_id=chat_id, + text=f"Film jest długi, podzielono transkrypcję na {len(chunks)} części. Przetwarzam każdą z nich...", + disable_web_page_preview=True + ) + + try: + # Generuj streszczenie fragmentu + partial_summary = await summarize_text( + chunk, + is_partial=len(chunks) > 1, + part_num=i+1, + total_parts=len(chunks) + ) + all_summaries.append(partial_summary) + + # Jeśli mamy więcej niż jeden fragment, wysyłaj postęp na bieżąco + if len(chunks) > 1: + part_header = f"*Streszczenie - część {i+1}/{len(chunks)}:*\n\n" + response_text = f"{part_header}{partial_summary}" + + await send_long_message( + context.bot, + chat_id=chat_id, + text=response_text, + parse_mode="Markdown", + disable_web_page_preview=True + ) + except Exception as e: + logger.error(f"Błąd podczas streszczania fragmentu {i+1}: {str(e)}") + await safe_send_message( + context.bot, + chat_id=chat_id, + text=f"Wystąpił błąd podczas przetwarzania fragmentu {i+1}/{len(chunks)}: {str(e)}", + disable_web_page_preview=True + ) + + # Jeśli mamy więcej niż 3 fragmenty, generuj końcowe streszczenie + if len(chunks) > 3: + await context.bot.send_chat_action(chat_id=chat_id, action='typing') + await safe_send_message( + context.bot, chat_id=chat_id, - text=f"Nie udało się wygenerować streszczenia dla filmu: {title} ({url})", + text="Tworzę ostateczne streszczenie łączące wszystkie fragmenty...", disable_web_page_preview=True ) - processed_urls_in_message.add(url) - continue + + try: + # Połącz wszystkie częściowe streszczenia + combined_text = "\n\n".join(all_summaries) + combined_summary = await summarize_text( + combined_text, + is_final_summary=True + ) + except Exception as e: + logger.error(f"Błąd podczas generowania końcowego streszczenia: {str(e)}") + # Jeśli końcowe streszczenie się nie powiedzie, użyj połączonych częściowych + combined_summary = "\n\n".join(all_summaries) + await safe_send_message( + context.bot, + chat_id=chat_id, + text="Nie udało się wygenerować końcowego streszczenia. Wyświetlam połączone częściowe streszczenia.", + disable_web_page_preview=True + ) + else: + # Dla mniejszej liczby fragmentów po prostu połącz streszczenia + combined_summary = "\n\n".join(all_summaries) - # 4. Zapisz do bazy danych - saved = await save_video_summary(url, title, transcript, summary) + # Zapisz pełne streszczenie do bazy danych + saved = await save_video_summary(url, title, transcript, combined_summary) + + # Wyślij końcowe streszczenie, jeśli były więcej niż 3 fragmenty + if len(chunks) > 3: + final_text = f"*Ostateczne streszczenie filmu:*\n*{title}*\n\n{combined_summary}" + await send_long_message( + context.bot, + chat_id=chat_id, + text=final_text, + parse_mode="Markdown", + disable_web_page_preview=True + ) + + # Podsumowanie procesu if saved: logger.info(f"Pomyślnie przetworzono i zapisano film: {title} ({url})") - response_text = ( - f"*Przetworzono film:* {escape_markdown_v2(title)}\n\n" - f"*Link:* {escape_markdown_v2(url)}\n\n" - f"*Streszczenie:*\n{escape_markdown_v2(summary)}" - ) - await context.bot.send_message( - chat_id=chat_id, - text=response_text, - parse_mode=ParseMode.MARKDOWN_V2, - disable_web_page_preview=True # Wyłącz podgląd linku w odpowiedzi bota - ) + if len(chunks) <= 3: # Nie wysyłaj podsumowania ponownie dla dłuższych filmów + await safe_send_message( + context.bot, + chat_id=chat_id, + text=f"Pomyślnie zapisano streszczenie filmu w bazie danych: {title}", + disable_web_page_preview=True + ) else: logger.error(f"Nie udało się zapisać danych do bazy dla filmu: {title} ({url})") - await context.bot.send_message( + await safe_send_message( + context.bot, chat_id=chat_id, text=f"Wystąpił błąd podczas zapisywania danych dla filmu: {title} ({url})", disable_web_page_preview=True @@ -120,9 +202,110 @@ async def handle_message(update: Update, context: ContextTypes.DEFAULT_TYPE): # Funkcja pomocnicza do escape'owania znaków specjalnych MarkdownV2 def escape_markdown_v2(text: str) -> str: """Ucieka znaki specjalne dla parsowania Telegram MarkdownV2.""" + if not text: + return "" + + # Pełna lista znaków specjalnych w Telegram MarkdownV2 escape_chars = r'_*[]()~`>#+-=|{}.!' + + # Zamieniamy każdy znak specjalny na jego wersję z dwoma backslashami przed nim return re.sub(f'([{re.escape(escape_chars)}])', r'\\\1', text) +# Ulepszona funkcja do bezpiecznego wysyłania wiadomości +async def safe_send_message(bot, chat_id, text, parse_mode=None, disable_web_page_preview=False, max_retries=3): + """ + Bezpiecznie wysyła wiadomość, obsługując błędy związane z formatowaniem. + + Args: + bot: Instancja bota Telegram + chat_id: ID czatu + text: Tekst do wysłania + parse_mode: Tryb parsowania (None, HTML, Markdown, MarkdownV2) + disable_web_page_preview: Czy wyłączyć podgląd linków + max_retries: Maksymalna liczba prób + + Returns: + Obiekt wysłanej wiadomości lub None w przypadku błędu + """ + # Próbuj wysłać z formatowaniem + for attempt in range(max_retries): + try: + return await bot.send_message( + chat_id=chat_id, + text=text, + parse_mode=parse_mode, + disable_web_page_preview=disable_web_page_preview + ) + except Exception as e: + logger.warning(f"Błąd wysyłania wiadomości (próba {attempt+1}/{max_retries}): {str(e)}") + error_msg = str(e).lower() + + # Jeśli jest to błąd parsowania Markdown + if "parse" in error_msg and "entities" in error_msg: + # Spróbuj ponownie bez formatowania + if attempt == max_retries - 1: + logger.info("Wysyłam wiadomość bez formatowania") + try: + return await bot.send_message( + chat_id=chat_id, + text=text, + parse_mode=None, # Bez formatowania + disable_web_page_preview=disable_web_page_preview + ) + except Exception as e2: + logger.error(f"Nie udało się wysłać wiadomości nawet bez formatowania: {str(e2)}") + return None + + return None + +# Funkcja do dzielenia długich wiadomości +async def send_long_message(bot, chat_id, text, parse_mode=None, disable_web_page_preview=False): + """ + Wysyła długą wiadomość, dzieląc ją na części, jeśli przekracza limit Telegram. + + Args: + bot: Instancja bota Telegram + chat_id: ID czatu + text: Tekst do wysłania + parse_mode: Tryb parsowania (None, HTML, Markdown, MarkdownV2) + disable_web_page_preview: Czy wyłączyć podgląd linków + """ + # Maksymalna długość wiadomości w Telegram to 4096 znaków + max_length = MAX_MESSAGE_LENGTH # 4096 znaków + + if len(text) <= max_length: + # Jeśli wiadomość nie przekracza limitu, wyślij ją normalnie + return await safe_send_message( + bot, + chat_id=chat_id, + text=text, + parse_mode=parse_mode, + disable_web_page_preview=disable_web_page_preview + ) + + # Jeśli wiadomość jest za długa, podziel ją + parts = [] + for i in range(0, len(text), max_length): + parts.append(text[i:i+max_length]) + + # Wyślij części wiadomości + for i, part in enumerate(parts): + # Użyj odpowiedniego formatu nagłówka w zależności od parse_mode + if parse_mode == ParseMode.MARKDOWN_V2 or parse_mode == "Markdown": + part_header = f"*Część {i+1}/{len(parts)}*\n\n" + else: + part_header = f"Część {i+1}/{len(parts)}\n\n" + + await safe_send_message( + bot, + chat_id=chat_id, + text=part_header + part, + parse_mode=parse_mode, + disable_web_page_preview=disable_web_page_preview + ) + + return None # Nie ma sensu zwracać ostatniej wiadomości, bo wysłaliśmy kilka + async def error_handler(update: object, context: ContextTypes.DEFAULT_TYPE) -> None: """Loguje błędy zgłoszone przez `python-telegram-bot`.""" logger.error(f"Wyjątek podczas obsługi aktualizacji: {context.error}", exc_info=context.error) diff --git a/src/openai_utils.py b/src/openai_utils.py index b1ae5b0..69e9285 100644 --- a/src/openai_utils.py +++ b/src/openai_utils.py @@ -1,10 +1,13 @@ import logging -from typing import Optional, Tuple, Dict, Any +from typing import Optional, Tuple, Dict, Any, List from openai import AsyncOpenAI # Używamy AsyncOpenAI dla kompatybilności z asyncio from .config import OPENAI_API_KEY, SUMMARY_PROMPT logger = logging.getLogger(__name__) +# Stała dla maksymalnego rozmiaru pojedynczego zapytania +MAX_CHUNK_SIZE = 20000 + class OpenAIUtilsError(Exception): """Bazowa klasa wyjątków dla modułu openai_utils.""" pass @@ -92,12 +95,121 @@ async def check_openai_api_status() -> Tuple[bool, Dict[str, Any]]: logger.error(f"Błąd podczas sprawdzania statusu API OpenAI: {e}", exc_info=True) return False, status_info -async def summarize_text(text: str) -> str: +async def chunk_text(text: str, max_size: int = MAX_CHUNK_SIZE) -> List[str]: + """ + Dzieli długi tekst na mniejsze fragmenty, starając się zachować granice zdań. + + Args: + text: Tekst do podzielenia + max_size: Maksymalny rozmiar pojedynczego fragmentu + + Returns: + Lista fragmentów tekstu + """ + if len(text) <= max_size: + return [text] + + chunks = [] + start = 0 + + while start < len(text): + # Określ koniec fragmentu + end = start + max_size + + if end >= len(text): + # Jeśli to ostatni fragment, po prostu użyj reszty tekstu + chunks.append(text[start:]) + break + + # Znajdź ostatnią kropkę, wykrzyknik lub pytajnik przed lub w miejscu końca + last_period = max( + text.rfind('. ', start, end), + text.rfind('! ', start, end), + text.rfind('? ', start, end) + ) + + if last_period != -1: + # Jeśli znaleziono znak końca zdania, podziel w tym miejscu + end = last_period + 2 # +2 aby uwzględnić znak i spację + else: + # Jeśli nie ma znaku końca zdania, znajdź ostatnią spację + last_space = text.rfind(' ', start, end) + if last_space != -1: + end = last_space + 1 + + chunks.append(text[start:end]) + start = end + + logger.info(f"Podzielono tekst o długości {len(text)} znaków na {len(chunks)} fragmentów") + return chunks + +async def summarize_long_text(text: str) -> str: + """ + Streszcza długi tekst, dzieląc go na mniejsze części, jeśli jest to konieczne. + + Args: + text: Tekst do streszczenia + + Returns: + Streszczenie tekstu + + Raises: + EmptyTextError: Gdy tekst jest pusty + APIKeyMissingError: Gdy brak klucza API OpenAI + QuotaExceededError: Gdy przekroczono limit zapytań API + SummarizationError: Przy innych błędach API OpenAI + """ + if not text: + logger.warning("Próba streszczenia pustego tekstu.") + raise EmptyTextError("Próba streszczenia pustego tekstu.") + + # Podziel tekst na fragmenty, jeśli jest zbyt długi + chunks = await chunk_text(text) + + if len(chunks) == 1: + # Jeśli tekst nie wymaga podziału, użyj normalnej funkcji streszczania + return await summarize_text(chunks[0]) + + # Dla wielu fragmentów, streszczaj każdy osobno, a następnie połącz streszczenia + partial_summaries = [] + + for i, chunk in enumerate(chunks): + logger.info(f"Streszczanie fragmentu {i+1}/{len(chunks)} (długość: {len(chunk)} znaków)") + + # Użyj zmodyfikowanego promptu dla fragmentów + partial_summary = await summarize_text( + chunk, + is_partial=True, + part_num=i+1, + total_parts=len(chunks) + ) + partial_summaries.append(partial_summary) + + # Połącz wszystkie częściowe streszczenia + combined_summary = "\n\n".join(partial_summaries) + + # Jeśli mamy więcej niż 3 fragmenty, może być potrzebne dodatkowe streszczenie + if len(chunks) > 3: + logger.info("Tworzenie końcowego streszczenia z połączonych fragmentów") + final_summary = await summarize_text( + combined_summary, + is_final_summary=True + ) + return final_summary + + return combined_summary + +async def summarize_text(text: str, is_partial: bool = False, part_num: int = 0, + total_parts: int = 0, is_final_summary: bool = False) -> str: """ Wysyła tekst do API OpenAI w celu streszczenia. Args: text: Tekst do streszczenia + is_partial: Czy to część większego tekstu + part_num: Numer bieżącej części + total_parts: Całkowita liczba części + is_final_summary: Czy to końcowe streszczenie z połączonych części Returns: Streszczenie tekstu @@ -116,7 +228,23 @@ async def summarize_text(text: str) -> str: logger.error("Klient OpenAI nie został zainicjalizowany.") raise APIKeyMissingError("Klient OpenAI nie został zainicjalizowany. Sprawdź klucz API.") - prompt = SUMMARY_PROMPT.format(transcript=text) + # Wybierz odpowiedni prompt + if is_final_summary: + prompt = f"""Poniżej znajduje się połączone streszczenie długiego filmu, podzielone na części. + Stwórz z tego spójne, ostateczne streszczenie w języku polskim w formacie markdown. + + Połączone streszczenia: + {text}""" + elif is_partial: + prompt = f"""Streść poniższy fragment transkryptu filmu z YouTube (część {part_num} z {total_parts}) + w zwięzły sposób w języku polskim. Skup się na głównych tematach i wnioskach. + Użyj formatu markdown. + + Fragment transkryptu (część {part_num}/{total_parts}): + {text}""" + else: + prompt = SUMMARY_PROMPT.format(transcript=text) + logger.debug(f"Długość tekstu do streszczenia: {len(text)} znaków") try: @@ -127,8 +255,8 @@ async def summarize_text(text: str) -> str: {"role": "system", "content": "Jesteś pomocnym asystentem specjalizującym się w streszczaniu transkryptów wideo."}, {"role": "user", "content": prompt} ], - temperature=0.5, # Niższa temperatura dla bardziej spójnych streszczeń - max_tokens=150, # Ogranicz długość odpowiedzi + temperature=0.2, # Niższa temperatura dla bardziej spójnych streszczeń + max_tokens=5000, # Ogranicz długość odpowiedzi ) summary = response.choices[0].message.content.strip() diff --git a/src/youtube_utils.py b/src/youtube_utils.py index f95b4b2..60e17b8 100644 --- a/src/youtube_utils.py +++ b/src/youtube_utils.py @@ -14,6 +14,7 @@ YOUTUBE_URL_PATTERNS = [ r'(https?://youtu\.be/[\w-]+)', r'(https?://m\.youtube\.com/watch\?v=[\w-]+)', r'(https?://(?:www\.)?youtube\.com/shorts/[\w-]+)', + r'(https?://(?:www\.)?youtube\.com/live/[\w-]+(?:\?[^&]*)?)', ] COMPILED_YOUTUBE_REGEX = re.compile('|'.join(YOUTUBE_URL_PATTERNS), re.IGNORECASE) @@ -69,7 +70,8 @@ def extract_video_id(url: str) -> Optional[str]: r'youtu\.be/([\w-]+)', # Skrócony URL r'embed/([\w-]+)', # URL do osadzania r'v/([\w-]+)', # Starszy format - r'shorts/([\w-]+)' # YouTube Shorts + r'shorts/([\w-]+)', # YouTube Shorts + r'live/([\w-]+)', # Transmisje na żywo ] for pattern in patterns: