SlackからアップロードしたPDFをChromaDBに登録したい

こちらの記事の続きです！

結果

やりたいこと

• Slackからファイルアップロード（今回はPDF）
• PDFの中身を取得
• 中身をChromaDBに登録

コード

import os
import requests
from slack_bolt import App
from slack_sdk import WebClient
from slack_sdk.errors import SlackApiError
import PyPDF2
from io import BytesIO
from docx import Document
from dotenv import load_dotenv

load_dotenv()

SLACK_BOT_TOKEN = os.getenv('SLACK_BOT_TOKEN')
client = WebClient(token=SLACK_BOT_TOKEN)

app = App(token=SLACK_BOT_TOKEN)

@app.event("file_shared")
def handle_file_shared(event, say):
    try:
        file_id = event['file_id']
        response = client.files_info(file=file_id)
        file_info = response['file']
        file_url = file_info['url_private']

        file_content = download_file_from_slack(file_url)
        if not file_content:
            say("ファイルのダウンロードに失敗しました。")
            return

        file_type = file_info['mimetype']
        text_content = ""

        if 'pdf' in file_type:
            text_content = extract_text_from_pdf(file_content)
        else:
            say(f"サポートされていないファイル形式です: {file_type}")
            return

        print(f"ファイル内容:\n{text_content}")
        say(f"ファイルの内容が抽出されました。内容を確認してください。")

    except SlackApiError as e:
        print(f"Slack API Error: {e.response['error']}")

def download_file_from_slack(file_url):
    headers = {'Authorization': f'Bearer {SLACK_BOT_TOKEN}'}
    response = requests.get(file_url, headers=headers)
    return response.content if response.status_code == 200 else None

def extract_text_from_pdf(file_content):
    try:
        pdf_reader = PyPDF2.PdfReader(BytesIO(file_content))
        text = ""
        for page in pdf_reader.pages:
            text += page.extract_text()
        return text
    except Exception as e:
        print(f"Error extracting PDF text: {e}")
        return ""

@app.event("message")
def handle_message_events(event, logger):
    subtype = event.get('subtype')

    if subtype == 'file_share':
        logger.info("ファイル共有メッセージはスキップされました。")
        return
    else:
        user_message = event.get('text', '')
        logger.info(f"受信したメッセージ: {user_message}")

if __name__ == "__main__":
    from slack_bolt.adapter.socket_mode import SocketModeHandler
    SocketModeHandler(app, os.getenv('SLACK_APP_TOKEN')).start()

なんちゃって解説

@app.event("file_shared")
Slackにファイルをアップロードしたときのイベント

response = client.files_info(file=file_id)
Slack APIのfiles_infoメソッドでファイルの詳細情報を取得

requests.get

ファイルのプライベートURLを取得し、ファイルの内容をダウンロード

def download_file_from_slack(file_url):
    headers = {'Authorization': f'Bearer {SLACK_BOT_TOKEN}'}
    response = requests.get(file_url, headers=headers)
    return response.content if response.status_code == 200 else None

PyPDF2.PdfReader
PDFを読み込み、各ページからテキストを抽出

おわりに

次は画像のテキスト化や、登録した内容に関連する回答が返ってくるか検証したいです。