Update app.py

app.py

@@ -39,15 +39,17 @@ def extract_entities(text):
 
 # Fungsi untuk highlight teks dan menampilkan daftar entitas yang dikenali
 def highlight_text(text, entities):
-    entities = sorted(entities, key=lambda x: text.lower().find(x["word"].lower()), reverse=True)  # Urutkan dari belakang
+    words = text.split(' ')  # Pisahkan teks menjadi daftar kata
+    entity_words = {ent["word"].lower(): ent for ent in entities}  # Buat dict untuk lookup cepat
 
-    for ent in entities:
-        word = ent["word"]
-        pattern = re.compile(r'\b' + re.escape(word) + r'\b', re.IGNORECASE)  # Pastikan hanya mengganti kata utuh
-        text = pattern.sub(
-            f"<span style='background-color: #ffcc80; color: black; padding: 2px; border-radius: 4px;'>{word}</span>",
-            text
-        )
+    for i, word in enumerate(words):
+        clean_word = word.strip('.,!?()[]')  # Hilangkan tanda baca di sekitar kata
+        lower_word = clean_word.lower()
+
+        if lower_word in entity_words:
+            words[i] = f"<span style='background-color: #ffcc80; color: black; padding: 2px; border-radius: 4px;'>{word}</span>"
+
+    highlighted_text = ' '.join(words)  # Gabungkan kembali teks
 
     # Buat daftar entitas yang dikenali
     if entities:
@@ -58,7 +60,8 @@ def highlight_text(text, entities):
     else:
         entity_list = "<p><em>No medical entities detected.</em></p>"
 
-    return text + "<br><br>" + entity_list
+    return highlighted_text + "<br><br>" + entity_list
+
 
 # Fungsi chatbot dengan NER
 def chat_with_ner(message, history):