Améliorations recherche

.env.template

@@ -1,2 +1,5 @@
-TYPESENSE_API_KEY=
+TYPESENSE_API_KEY=RANDOM_STRING_HERE
-TYPESENSE_DATA_DIR=
+TYPESENSE_DATA_DIR=/data
+TYPESENSE_HOST=localhost
+TYPESENSE_PORT=8108
+TYPESENSE_PROTOCOL=http

README.md

@@ -53,8 +53,9 @@ Tu peux obtenir une sauvegarde des données de tes réseaux sociaux. Je t'ai mis
 
 - Clone le projet avec Git
 - Configure ta clé API en copiant `.env.template` dans `.env` et en y mettant une clé API de ton choix
+- Configure les autres variables d'environnement dans `.env`.
 - Exécute le fichier `docker-compose.yml` avec Docker Compose pour installer le moteur de recherche TypeSense
-- Connecte-toi à l'application en lançant run_streamlit_app.py et en allant au http://localhost:8501
+- Connecte-toi à l'application en lançant run_streamlit_app.py et en allant au http://localhost:8501.
 - Si tout fonctionne, tu vas accéder à l'interface de recherche
 
 ## Mettre les fichiers au bon endroit

import_data/10_install_nlp_models.py

@@ -0,0 +1,30 @@
+import spacy
+import subprocess
+import sys
+
+def download_spacy_model(model_name):
+    print(f"Downloading and installing spaCy model: {model_name}")
+    try:
+        subprocess.check_call([sys.executable, "-m", "spacy", "download", model_name])
+        print(f"Successfully installed {model_name}")
+    except subprocess.CalledProcessError:
+        print(f"Error installing {model_name}. Please make sure you have the necessary permissions.")
+
+# Download and install English model
+download_spacy_model("en_core_web_sm")
+
+# Download and install French model
+download_spacy_model("fr_core_news_sm")
+
+# Load the models to verify installation
+try:
+    nlp_en = spacy.load("en_core_web_sm")
+    print("English model loaded successfully")
+except:
+    print("Error loading English model")
+
+try:
+    nlp_fr = spacy.load("fr_core_news_sm")
+    print("French model loaded successfully")
+except:
+    print("Error loading French model")

import_data/requirements.txt

@@ -1,97 +0,0 @@
-altair==5.5.0
-annotated-types==0.7.0
-attrs==24.2.0
-av==13.1.0
-beautifulsoup4==4.12.3
-blinker==1.9.0
-blis==1.0.1
-cachetools==5.5.0
-catalogue==2.0.10
-certifi==2024.8.30
-charset-normalizer==3.4.0
-click==8.1.7
-cloudpathlib==0.20.0
-coloredlogs==15.0.1
-confection==0.1.5
-contourpy==1.3.1
-ctranslate2==4.5.0
-cycler==0.12.1
-cymem==2.0.10
-en_core_web_sm @ https://github.com/explosion/spacy-models/releases/download/en_core_web_sm-3.8.0/en_core_web_sm-3.8.0-py3-none-any.whl#sha256=1932429db727d4bff3deed6b34cfc05df17794f4a52eeb26cf8928f7c1a0fb85
-faster-whisper==1.1.0
-filelock==3.16.1
-flatbuffers==24.3.25
-fonttools==4.55.0
-fr_core_news_sm @ https://github.com/explosion/spacy-models/releases/download/fr_core_news_sm-3.8.0/fr_core_news_sm-3.8.0-py3-none-any.whl#sha256=7d6ad14cd5078e53147bfbf70fb9d433c6a3865b695fda2657140bbc59a27e29
-fsspec==2024.10.0
-gitdb==4.0.11
-GitPython==3.1.43
-huggingface-hub==0.26.3
-humanfriendly==10.0
-idna==3.10
-Jinja2==3.1.4
-jsonschema==4.23.0
-jsonschema-specifications==2024.10.1
-kiwisolver==1.4.7
-langcodes==3.5.0
-langdetect==1.0.9
-language_data==1.3.0
-marisa-trie==1.2.1
-markdown-it-py==3.0.0
-markdownify==0.11.6
-MarkupSafe==3.0.2
-matplotlib==3.9.3
-mdurl==0.1.2
-mpmath==1.3.0
-murmurhash==1.0.11
-narwhals==1.15.0
-numpy==2.0.2
-onnxruntime==1.20.1
-packaging==24.2
-pandas==2.2.3
-pillow==11.0.0
-plotly==5.24.1
-preshed==3.0.9
-protobuf==5.29.0
-pyarrow==17.0.0
-pydantic==2.10.2
-pydantic_core==2.27.1
-pydeck==0.9.1
-Pygments==2.18.0
-pyparsing==3.2.0
-python-dateutil==2.9.0.post0
-python-dotenv==1.0.1
-pytz==2024.2
-PyYAML==6.0.2
-referencing==0.35.1
-requests==2.31.0
-rich==13.9.4
-rpds-py==0.21.0
-setuptools==75.6.0
-shellingham==1.5.4
-six==1.16.0
-smart-open==7.0.5
-smmap==5.0.1
-soupsieve==2.6
-spacy==3.8.2
-spacy-language-detection==0.2.1
-spacy-legacy==3.0.12
-spacy-loggers==1.0.5
-srsly==2.4.8
-streamlit==1.40.2
-sympy==1.13.3
-tenacity==9.0.0
-thinc==8.3.2
-tokenizers==0.21.0
-toml==0.10.2
-tornado==6.4.2
-tqdm==4.67.1
-typer==0.14.0
-typesense==0.21.0
-typing_extensions==4.12.2
-tzdata==2024.2
-urllib3==2.2.3
-wasabi==1.1.3
-weasel==0.4.1
-wrapt==1.17.0
-xmltodict==0.13.0

import_data/utils/reseau_social_data.py

@@ -1,4 +1,4 @@
-import utils.config as config
+from import_data.utils import config
 
 wordpress_names = config.WORDPRESS_NAMES.split(",")
 
@@ -13,5 +13,5 @@ reseau_social_data = [{"nom": "LinkedIn",
                       {"nom": "FacebookBusiness",
                        "repertoires": ["posts"]},
                       {"nom": "Podcast",
-                       "repertoires": ["shownotes", "audio"]}
+                       "repertoires": ["shownotes", "audio", "feeds"]}
                       ]

import_data/utils/typesense_client.py

@@ -6,10 +6,10 @@ load_dotenv()
 
 client = typesense.Client({
     'nodes': [{
-        'host': 'localhost',
+        'host': os.getenv('TYPESENSE_HOST','localhost'),
-        'port': '8108',
+        'port': os.getenv('TYPESENSE_PORT','8108'),
-        'protocol': 'http'
+        'protocol': os.getenv('TYPESENSE_PROTOCOL','http'),
     }],
     'api_key': os.getenv('TYPESENSE_API_KEY'),
-    'connection_timeout_seconds': 2
+    'connection_timeout_seconds': 10
 })

search_app_ui/rechercher_documents.py

@@ -0,0 +1,40 @@
+import streamlit as st
+from import_data.utils.typesense_client import client
+
+def rechercher_documents(cette_requete, 
+                         ces_filtres=None, 
+                         facette_par=None,
+                         query_by="texte,embedding",
+                         sort_by="_text_match:desc,creation_timestamp:desc",
+                         nb_buckets=10,
+                         prefix=False,
+                         per_page=10,
+                         page=1):
+    parametres_recherche = {
+        'q': cette_requete,
+        'query_by': query_by,
+        'sort_by': sort_by.replace(
+            "_text_match",
+            f"_text_match(buckets: {nb_buckets})"),
+        "exclude_fields": "embedding",
+        "prefix": str(prefix).lower(),
+        'per_page': per_page,
+        'page': page
+    }
+
+    if ces_filtres:
+        parametres_recherche['filter_by'] = ces_filtres
+
+    if facette_par:
+        parametres_recherche['facet_by'] = facette_par
+
+    st.write("Search parameters:", parametres_recherche)
+
+    all_results = []
+    try:
+        results = client.collections['social_media_posts'].documents.search(parametres_recherche)
+        all_results.extend(results['hits'])
+        return results
+
+    except Exception as e:
+        st.error(f"Error during search: {str(e)}")  # Error handling

search_app_ui/recuperer_reseaux.py

@@ -0,0 +1,19 @@
+import streamlit as st
+
+from import_data.utils.typesense_client import client
+
+
+def recuperer_reseaux():
+    search_parameters = {
+        'q': '*',
+        'query_by': 'network',
+        'facet_by': 'network',
+        'per_page': 0
+    }
+    try:
+        results = client.collections['social_media_posts'].documents.search(search_parameters)
+        networks = [facet['value'] for facet in results['facet_counts'][0]['counts']]
+        return networks
+    except Exception as e:
+        st.error(f"Erreur lors de la récupération des réseaux : {str(e)}")
+        return ['Facebook', 'Instagram', 'Threads', 'LinkedIn', 'WordPress']  # Valeurs par défaut en cas d'erreur

search_app_ui/streamlit_app.py

@@ -1,134 +1,27 @@
 import streamlit as st
-import typesense
 from datetime import datetime, time
 import pandas as pd
 import plotly.express as px
 from dotenv import load_dotenv
-import os
+
+from import_data.utils.typesense_client import client
+from search_app_ui.rechercher_documents import rechercher_documents
+from search_app_ui.recuperer_reseaux import recuperer_reseaux
 
 # Configurer la page en mode large
 st.set_page_config(layout="wide")
 
-# Forcer le thème sombre
+# Load and apply the CSS
-st.markdown("""
+def load_css(file_name):
-<style>
+    with open(file_name) as f:
-    /* Fond principal */
+        st.markdown(f'<style>{f.read()}</style>', unsafe_allow_html=True)
-    .stApp {
-        background-color: #0e1117;
-        color: #fafafa;
-    }
-    /* Barre latérale */
-    .css-1d391kg {
-        background-color: #262730;
-    }
-    /* Boutons */
-    .stButton>button {
-        color: #fafafa;
-        background-color: #262730;
-        border-color: #fafafa;
-    }
-    /* Champs de texte */
-    .stTextInput>div>div>input {
-        color: #fafafa;
-        background-color: #262730;
-    }
-    /* Boîte de sélection */
-    .stSelectbox>div>div>select {
-        color: #fafafa;
-        background-color: #262730;
-    }
-    /* Sélection multiple */
-    .stMultiSelect>div>div>select {
-        color: #fafafa;
-        background-color: #262730;
-    }
-    /* Saisie de date */
-    .stDateInput>div>div>input {
-        color: #fafafa;
-        background-color: #262730;
-    }
-</style>
-""", unsafe_allow_html=True)
 
-# Ajouter ce CSS pour créer une zone de résultats défilable
+# Load the CSS file
-st.markdown("""
+load_css('style.css')  # If the CSS file is in a subdirectory, adjust the path accordingly
-<style>
-.scrollable-results {
-    height: 400px;
-    overflow-y: scroll;
-    border: 1px solid #ccc;
-    padding: 10px;
-    border-radius: 5px;
-}
-</style>
-""", unsafe_allow_html=True)
 
 # Charger les variables d'environnement
 load_dotenv()
 
-# Initialiser le client Typesense
-client = typesense.Client({
-    'nodes': [{
-        'host': 'localhost',
-        'port': '8108',
-        'protocol': 'http'
-    }],
-    'api_key': os.getenv('TYPESENSE_API_KEY'),
-    'connection_timeout_seconds': 2
-})
-
-
-def rechercher_documents(cette_requete, ces_filtres=None, facette_par=None):
-    parametres_recherche = {
-        'q': cette_requete,
-        'query_by': 'texte,embedding',
-        'sort_by': '_text_match(buckets: 10):desc,creation_timestamp:desc',
-        "exclude_fields": "embedding",
-        "prefix": "false",
-        'per_page': 10,
-        'page': 1
-    }
-
-    if ces_filtres:
-        parametres_recherche['filter_by'] = ces_filtres
-
-    if facette_par:
-        parametres_recherche['facet_by'] = facette_par
-
-    st.write("Search parameters:", parametres_recherche)
-
-    all_results = []
-    try:
-        while True:
-            results = client.collections['social_media_posts'].documents.search(parametres_recherche)
-            all_results.extend(results['hits'])
-            if len(all_results) >= results['found']:
-                break
-            parametres_recherche['page'] += 1
-        results['hits'] = all_results
-        return results
-
-    except Exception as e:
-        st.error(f"Error during search: {str(e)}")  # Error handling
-
-
-# Récupérer dynamiquement les réseaux depuis Typesense
-def get_networks():
-    search_parameters = {
-        'q': '*',
-        'query_by': 'network',
-        'facet_by': 'network',
-        'per_page': 0
-    }
-    try:
-        results = client.collections['social_media_posts'].documents.search(search_parameters)
-        networks = [facet['value'] for facet in results['facet_counts'][0]['counts']]
-        return networks
-    except Exception as e:
-        st.error(f"Erreur lors de la récupération des réseaux : {str(e)}")
-        return ['Facebook', 'Instagram', 'Threads', 'LinkedIn', 'WordPress']  # Valeurs par défaut en cas d'erreur
-
-
 # Interface utilisateur Streamlit
 st.title('Recherche dans tes contenus publiés sur le web')
 
@@ -147,7 +40,7 @@ date_fin = col2.date_input('Date de fin', value=datetime.now())
 # Filtre de réseau social et de langue
 
 col3, col4 = st.columns(2)
-reseaux = get_networks()
+reseaux = recuperer_reseaux()
 reseaux_selectionnes = col3.multiselect('Sélectionnez les réseaux sociaux', reseaux,
                                       default=reseaux[0] if reseaux else None)
 langues = [('fr', 'Français'), ('en', 'English')]
@@ -156,105 +49,187 @@ langue_selectionnees = col4.multiselect('Sélectionnez la langue',
                                       format_func=lambda x: x,
                                       default='Français')
 
+# Filtre sur le nombre de mots
+nombre_mots = st.slider('Nombre de mots minimum', min_value=0, max_value=1000, value=100, step=10)
+
 # Convertir les étiquettes en codes de langage
 selected_lang_codes = [code for code, label in langues if label in langue_selectionnees]
 
-# Filtre sur le nombre de mots
+# Nouvelle section pour les options de recherche avancées
-nombre_mots = st.slider('Nombre de mots minimum', min_value=0, max_value=1000, value=100, step=10)
+st.sidebar.header("Options de recherche avancées")
+
+# Option pour activer/désactiver les options avancées
+show_advanced_options = st.sidebar.checkbox("Activer les options avancées")
+
+if show_advanced_options:
+    # Champs de recherche
+    query_by = st.sidebar.multiselect(
+        "Champs de recherche",
+        ["texte", "embedding"],
+        default=["texte", "embedding"]
+    )
+
+    # Tri
+    sort_options = [
+        "_text_match:desc", "creation_timestamp:desc",
+        "_text_match:asc", "creation_timestamp:asc",
+    ]
+    nb_buckets = st.sidebar.number_input("Nombre de buckets pour le tri", min_value=1, value=10)
+    sort_by = st.sidebar.multiselect(
+        "Trier par",
+        sort_options,
+        default=["_text_match:desc", "creation_timestamp:desc"]
+    )
+
+    # Préfixe
+    prefix = st.sidebar.checkbox("Activer la recherche par préfixe", value=False)
+
+    # Pagination
+    per_page = st.sidebar.slider("Résultats par page", min_value=1, max_value=100, value=10)
+    page = st.sidebar.number_input("Page", min_value=1, value=1)
+
+else:
+    # Valeurs par défaut si les options avancées ne sont pas affichées
+    query_by = ["texte", "embedding"]
+    sort_by = ["_text_match:desc", "creation_timestamp:desc"]
+    prefix = False
+    nb_buckets = 10
+    per_page = 10
+    page = 1
 
 if st.button('Rechercher'):
     # Préparer les filtres
     debut_datetime = datetime.combine(date_debut, time.min)
     fin_datetime = datetime.combine(date_fin, time.max)
     filtre_date = f"creation_timestamp:[{int(debut_datetime.timestamp())}..{int(fin_datetime.timestamp())}]"
-    filtre_reseau = f"network:[{' '.join(reseaux_selectionnes)}]" if reseaux_selectionnes else None
+    filtre_reseau = f"network:=[{', '.join(reseaux_selectionnes)}]" if reseaux_selectionnes else None
-    filtre_langue = f"langue:[{' '.join(selected_lang_codes)}]" if selected_lang_codes else None
+    filtre_langue = f"langue:=[{', '.join(selected_lang_codes)}]" if selected_lang_codes else None
     filtre_mots = f"nombre_de_mots:[{nombre_mots}..10000]" if nombre_mots > 0 else None
 
-    filtres = ' && '.join(filter(None, [filtre_date, filtre_reseau, filtre_langue, filtre_mots]))
+    liste_filtres = []
+    if filtre_date:
+        liste_filtres.append(filtre_date)
+    if filtre_reseau:
+        liste_filtres.append(filtre_reseau)
+    if filtre_langue:
+        liste_filtres.append(filtre_langue)
+    if filtre_mots:
+        liste_filtres.append(filtre_mots)
 
+    filtres = ' && '.join(liste_filtres) if liste_filtres else None
     # Effectuer la recherche pour tous les résultats
-    tous_resultats = rechercher_documents(requete, ces_filtres=filtres, facette_par='network')
+    tous_resultats = rechercher_documents(
-    nombre_total_resultats = tous_resultats['found']
+        requete,
+        ces_filtres=filtres,
+        facette_par='network',
+        query_by=','.join(query_by),
+        sort_by=','.join(sort_by),
+        nb_buckets=nb_buckets,
+        prefix=prefix,
+        per_page=per_page,
+        page=page
+    )
+    if tous_resultats:
+        nombre_total_resultats = tous_resultats['found']
+        # Afficher le nombre total de résultats
+        st.subheader(f"Trouvé {nombre_total_resultats} résultats parmi {total_documents } documents indexés")
+    else:
+        nombre_total_resultats = 0
+        st.subheader("Aucun résultat trouvé")
 
-    # Afficher le nombre total de résultats
-    st.subheader(f"Trouvé {nombre_total_resultats} résultats parmi {total_documents } documents indexés")
 
-    # Affichage des résultats (100 maximum)
-    st.subheader("Résultats de la recherche")
-
-    for hit in tous_resultats['hits'][:100]:  # Limite à 100 résultats
-        col1, col2 = st.columns([1, 4])
-
-        with col1:
-            st.markdown(f"**{hit['document']['network']}**")
-            st.markdown(
-                f"**{datetime.fromtimestamp(hit['document']['creation_timestamp']).strftime('%Y-%m-%d %H:%M:%S')}**")
-            st.markdown(f"**{hit['document']['nombre_de_mots']} mots**")
-            # Score
-            st.markdown(f"**Score: {hit["hybrid_search_info"]['rank_fusion_score']}**")
-            # Étiquettes de couleur pour les facettes
-            st.markdown(f"""
-            <span style="background-color: #007bff; color: white; padding: 2px 6px; border-radius: 10px;">
-            {hit['document']['langue']}
-            </span>
-            """, unsafe_allow_html=True)
-
-        with col2:
-            # Boîte de texte pour le contenu
-            st.text_area("Contenu", hit['document']['texte'], height=150)
-
-            # URI en dessous
-            if 'uri' in hit['document']:
-                st.markdown(f"[Lien vers le post original]({hit['document']['uri']})")
-
-        st.markdown("---")
-
-    # Afficher les facettes
-    if 'facet_counts' in tous_resultats:
-        facettes_reseau = {facette['value']: facette['count'] for facette in
-                           tous_resultats['facet_counts'][0]['counts']}
-        st.subheader("Résultats par Réseau")
-
-        # Graphique en camembert pour montrer la distribution des résultats par réseau social
-        fig = px.pie(values=list(facettes_reseau.values()), names=list(facettes_reseau.keys()),
-                     title="Distribution par Réseau")
-        # Ce graphique montre la proportion de résultats pour chaque réseau social
-        st.plotly_chart(fig)
-
-    # Distribution temporelle par réseau et par mois
     if nombre_total_resultats > 0:
-        st.subheader("Résultats au fil du temps par réseau (agrégation mensuelle)")
+        # Affichage des résultats (100 maximum)
+        st.subheader("Résultats de la recherche")
 
-        df_temporel = pd.DataFrame({
+        for hit in tous_resultats['hits'][:100]:  # Limite à 100 résultats
-            'date': [datetime.fromtimestamp(hit['document']['creation_timestamp']) for hit in tous_resultats['hits']],
+            col1, col2 = st.columns([1, 4])
-            'network': [hit['document']['network'] for hit in tous_resultats['hits']]
-        })
 
-        df_temporel['mois'] = df_temporel['date'].dt.to_period('M')
+            with col1:
-        df_temporel = df_temporel.groupby(['mois', 'network']).size().reset_index(name='count')
+                st.markdown(f"**{hit['document']['network']}**")
-        df_temporel['mois'] = df_temporel['mois'].dt.to_timestamp()
+                st.markdown(
+                    f"**{datetime.fromtimestamp(hit['document']['creation_timestamp']).strftime('%Y-%m-%d %H:%M:%S')}**")
+                st.markdown(f"**{hit['document']['nombre_de_mots']} mots**")
+                # Score
+                if "texte" in query_by and "embedding" in query_by:
+                    score = hit["hybrid_search_info"]['rank_fusion_score']
+                    score_type = "Hybrid"
+                elif "texte" in query_by:
+                    score = hit["text_match_info"]['score']
+                    score_type = "Text"
+                elif "embedding" in query_by:
+                    score = hit["vector_distance"]
+                    score_type = "Vector"
+                else:
+                    score = "N/A"
+                    score_type = "Unknown"
+                
+                st.markdown(f"**{score_type} Score: {score}**")
+                # Étiquettes de couleur pour les facettes
+                st.markdown(f"""
+                <span style="background-color: #007bff; color: white; padding: 2px 6px; border-radius: 10px;">
+                {hit['document']['langue']}
+                </span>
+                """, unsafe_allow_html=True)
 
-        # Graphique linéaire pour montrer l'évolution du nombre de posts par réseau au fil du temps
+            with col2:
-        fig = px.line(df_temporel, x='mois', y='count', color='network',
+                # Boîte de texte pour le contenu
-                      title="Distribution temporelle par réseau (agrégation mensuelle)")
+                st.text_area("Contenu", hit['document']['texte'], height=150)
-        fig.update_layout(xaxis_title="Mois", yaxis_title="Nombre de posts")
-        fig.update_xaxes(tickformat="%B %Y")
-        # Ce graphique permet de visualiser les tendances de publication pour chaque réseau social au fil des mois
-        st.plotly_chart(fig)
 
-        # Graphique à barres empilées pour montrer la répartition des posts par réseau pour chaque mois
+                # URI en dessous
-        fig_bar = px.bar(df_temporel, x='mois', y='count', color='network',
+                if 'uri' in hit['document']:
-                         title="Distribution temporelle par réseau (barres empilées, agrégation mensuelle)")
+                    st.markdown(f"[Lien vers le post original]({hit['document']['uri']})")
-        fig_bar.update_layout(xaxis_title="Mois", yaxis_title="Nombre de posts")
+                # Affichage du hit brut
-        fig_bar.update_xaxes(tickformat="%B %Y")
+                st.subheader("Données brutes")
-        # Ce graphique permet de comparer facilement le volume de posts entre les différents réseaux sociaux pour chaque mois
+                st.json(hit, expanded=False)
-        st.plotly_chart(fig_bar)
 
-        st.subheader("Tableau récapitulatif mensuel")
+            st.markdown("---")
-        df_pivot = df_temporel.pivot(index='mois', columns='network', values='count').fillna(0)
+
-        df_pivot['Total'] = df_pivot.sum(axis=1)
+        # Afficher les facettes
-        df_pivot = df_pivot.reset_index()
+        if 'facet_counts' in tous_resultats:
-        df_pivot['mois'] = df_pivot['mois'].dt.strftime('%B %Y')
+            facettes_reseau = {facette['value']: facette['count'] for facette in
-        # Ce tableau fournit un résumé détaillé du nombre de posts par réseau social pour chaque mois
+                               tous_resultats['facet_counts'][0]['counts']}
-        st.dataframe(df_pivot)
+            st.subheader("Résultats par Réseau")
+
+            # Graphique en camembert pour montrer la distribution des résultats par réseau social
+            fig = px.pie(values=list(facettes_reseau.values()), names=list(facettes_reseau.keys()),
+                         title="Distribution par Réseau")
+            # Ce graphique montre la proportion de résultats pour chaque réseau social
+            st.plotly_chart(fig)
+
+        # Distribution temporelle par réseau et par mois
+        if nombre_total_resultats > 0:
+            st.subheader("Résultats au fil du temps par réseau (agrégation mensuelle)")
+
+            df_temporel = pd.DataFrame({
+                'date': [datetime.fromtimestamp(hit['document']['creation_timestamp']) for hit in tous_resultats['hits']],
+                'network': [hit['document']['network'] for hit in tous_resultats['hits']]
+            })
+
+            df_temporel['mois'] = df_temporel['date'].dt.to_period('M')
+            df_temporel = df_temporel.groupby(['mois', 'network']).size().reset_index(name='count')
+            df_temporel['mois'] = df_temporel['mois'].dt.to_timestamp()
+
+            # Graphique linéaire pour montrer l'évolution du nombre de posts par réseau au fil du temps
+            fig = px.line(df_temporel, x='mois', y='count', color='network',
+                          title="Distribution temporelle par réseau (agrégation mensuelle)")
+            fig.update_layout(xaxis_title="Mois", yaxis_title="Nombre de posts")
+            fig.update_xaxes(tickformat="%B %Y")
+            # Ce graphique permet de visualiser les tendances de publication pour chaque réseau social au fil des mois
+            st.plotly_chart(fig)
+
+            # Graphique à barres empilées pour montrer la répartition des posts par réseau pour chaque mois
+            fig_bar = px.bar(df_temporel, x='mois', y='count', color='network',
+                             title="Distribution temporelle par réseau (barres empilées, agrégation mensuelle)")
+            fig_bar.update_layout(xaxis_title="Mois", yaxis_title="Nombre de posts")
+            fig_bar.update_xaxes(tickformat="%B %Y")
+            # Ce graphique permet de comparer facilement le volume de posts entre les différents réseaux sociaux pour chaque mois
+            st.plotly_chart(fig_bar)
+
+            st.subheader("Tableau récapitulatif mensuel")
+            df_pivot = df_temporel.pivot(index='mois', columns='network', values='count').fillna(0)
+            df_pivot['Total'] = df_pivot.sum(axis=1)
+            df_pivot = df_pivot.reset_index()
+            df_pivot['mois'] = df_pivot['mois'].dt.strftime('%B %Y')
+            # Ce tableau fournit un résumé détaillé du nombre de posts par réseau social pour chaque mois
+            st.dataframe(df_pivot)

search_app_ui/style.css

@@ -0,0 +1,41 @@
+/* Fond principal */
+.stApp {
+    background-color: #0e1117;
+    color: #fafafa;
+}
+
+/* Barre latérale */
+.css-1d391kg {
+    background-color: #262730;
+}
+
+/* Boutons */
+.stButton>button {
+    color: #fafafa;
+    background-color: #262730;
+    border-color: #fafafa;
+}
+
+/* Champs de texte */
+.stTextInput>div>div>input {
+    color: #fafafa;
+    background-color: #262730;
+}
+
+/* Boîte de sélection */
+.stSelectbox>div>div>select {
+    color: #fafafa;
+    background-color: #262730;
+}
+
+/* Sélection multiple */
+.stMultiSelect>div>div>select {
+    color: #fafafa;
+    background-color: #262730;
+}
+
+/* Saisie de date */
+.stDateInput>div>div>input {
+    color: #fafafa;
+    background-color: #262730;
+}