Feat/employee db search

README.md

@@ -21,17 +21,50 @@ FastAPI와 MySQL을 사용한 카카오톡 챗봇 개발을 위한 템플릿 프
 
 ```
 ├── app/
-│   ├── scripts/
-│   │   └── core/
-│   │       └── endpoints.py
+│   ├── core/
+│   │   └──  __init__.py
+│   ├── models/
+│   │   ├── __init__.py
+│   │   ├── base.py
+│   │   ├── category.py
+│   │   ├── employee_category.py
+│   │   ├── employeee_hire_type.py
+│   │   ├── employee.py
+│   │   ├── feature.py
+│   │   ├── hire_type.py
+│   │   ├── news.py
+│   │   ├── user_category.py
+│   │   └── users.py
+│   ├── routers/
+│   │   ├── employee.py
+│   │   ├── feature.py
+│   │   ├── news.py
+│   │   └── user.py
 │   ├── utils/
-│   │   ├── response_builder.py
-│   │   └── text_utils.py
-│   └── main.py
+│   │   ├── __init__.py
+│   │   ├── db_manager.py
+│   │   ├── init_default_data.py
+│   │   ├── init_elasticsearch_index.py
+│   │   ├── insert_employee_data.py
+│   │   ├── news_client.py
+│   │   ├── news_provider_mapping.py
+│   │   └── verifier.py
+│   ├── dev.Dockerfile
+│   ├── Dockerfile
+│   ├── main.py
+│   └── test.Dockerfile
 ├── tests/
 │   └── unit/
 │       ├── routers/
-│       │   └── test_kakao_router.py
+│       ├── test_add_employee_data.py
+│       ├── test_add_user_favorit.py
+│       ├── test_employee_DB_search.py
+│       ├── test_employee_recommendation.py
+│       ├── test_get_categories_by_feature.py
+│       ├── test_get_my_category_list.py
+│       ├── test_get_news_recommendations.py
+│       ├── test_news_client.py
+│       │── test_user_delete_favorite.py
 │       └── utils/
 │           ├── response_builder/
 │           │   └── test_response_builder.py
@@ -63,18 +96,21 @@ FastAPI와 MySQL을 사용한 카카오톡 챗봇 개발을 위한 템플릿 프
 ### 설치 및 실행
 
 1. 저장소 클론
+
 ```bash
 git clone <repository-url>
 cd kakaotalk-chatbot-template
 ```
 
 2. 환경 변수 설정
+
 ```bash
 cp .env.example .env
 # .env 파일을 열어 필요한 설정 수정
 ```
 
 3. Docker 컨테이너 실행
+
 ```bash
 docker-compose up --build
 ```
@@ -91,18 +127,21 @@ docker-compose up --build
 ### 의존성 관리
 
 새로운 패키지 추가:
+
 ```bash
 poetry add <package-name>
 ```
 
 개발 의존성 추가:
+
 ```bash
 poetry add --group dev <package-name>
 ```
 
 ### 테스트
 
 테스트 실행:
+
 ```bash
 # Docker 컨테이너 내부에서 실행
 docker-compose exec app poetry run pytest
@@ -114,6 +153,7 @@ docker-compose exec app poetry run pytest --cov=app --cov-report=term-missing
 ### 코드 품질
 
 린팅 및 포맷팅:
+
 ```bash
 # Ruff를 사용한 린팅
 poetry run ruff check .
@@ -134,19 +174,19 @@ poetry run black .
 
 ## 환경 변수
 
-| 변수명 | 설명 | 기본값 |
-|--------|------|---------|
-| APP_NAME | 애플리케이션 이름 | kakaotalk-chatbot |
-| ENVIRONMENT | 실행 환경 | development |
-| DEBUG | 디버그 모드 | True |
-| HOST | 서버 호스트 | 0.0.0.0 |
-| PORT | 서버 포트 | 8000 |
-| DB_HOST | 데이터베이스 호스트 | db |
-| DB_PORT | 데이터베이스 포트 | 3306 |
-| DB_NAME | 데이터베이스 이름 | chatbot |
-| DB_USER | 데이터베이스 사용자 | user |
-| DB_PASSWORD | 데이터베이스 비밀번호 | password |
-| SECRET_KEY | 보안 키 | your-secret-key-here |
+| 변수명      | 설명                  | 기본값               |
+| ----------- | --------------------- | -------------------- |
+| APP_NAME    | 애플리케이션 이름     | kakaotalk-chatbot    |
+| ENVIRONMENT | 실행 환경             | development          |
+| DEBUG       | 디버그 모드           | True                 |
+| HOST        | 서버 호스트           | 0.0.0.0              |
+| PORT        | 서버 포트             | 8000                 |
+| DB_HOST     | 데이터베이스 호스트   | db                   |
+| DB_PORT     | 데이터베이스 포트     | 3306                 |
+| DB_NAME     | 데이터베이스 이름     | chatbot              |
+| DB_USER     | 데이터베이스 사용자   | user                 |
+| DB_PASSWORD | 데이터베이스 비밀번호 | password             |
+| SECRET_KEY  | 보안 키               | your-secret-key-here |
 
 ## 기여하기
 

app/main.py

@@ -9,18 +9,30 @@
 - 기본 루트 엔드포인트 제공
 """
 
+from contextlib import asynccontextmanager
+
 from fastapi import FastAPI
 from fastapi.middleware.cors import CORSMiddleware
 
 from app.routers.employee import router as employee_router
 from app.routers.feature import router as feature_router
 from app.routers.news import router as news_router
 from app.routers.user import router as user_router
+from app.utils.init_elasticsearch_index import create_category_index
+
+
+@asynccontextmanager
+async def lifespan(app: FastAPI):
+    # 서버 시작 시 실행할 코드
+    create_category_index()
+    yield
+    # 서버 종료 시 실행할 코드 (필요 시 여기에 정리 작업 가능)
 
 app = FastAPI(
     title="KakaoTalk Chatbot API",
     description="KakaoTalk Chatbot Template API",
-    version="0.1.0"
+    version="0.1.0",
+    lifespan=lifespan
 )
 
 # CORS 미들웨어 설정

app/routers/employee.py

@@ -4,7 +4,7 @@
 사용자의 구독 정보를 바탕으로 관련된 채용 공고를 필터링하여 반환합니다.
 """
 
-
+from elasticsearch import Elasticsearch
 from fastapi import APIRouter, Depends, HTTPException, Query
 from sqlalchemy.orm import Session
 
@@ -13,7 +13,7 @@
 
 router = APIRouter()
 db_dependency = Depends(db_manager.get_db)  # 전역 변수로 설정
-
+es = Elasticsearch("http://elasticsearch:9200")
 
 @router.get("/recommend")
 def get_recruit_recommendations(
@@ -80,3 +80,133 @@ def get_recruit_recommendations(
         "results": jobs,
         "message": message
     }
+
+@router.get("/DB_search")
+def search_employees(
+    user_id: str = Query(..., description="사용자 ID"),
+    keyword: str = Query(..., description="검색할 카테고리 키워드 (예: '정보통신', '디자인')"),
+    limit: int = Query(10, ge=1, le=100, description="검색 결과 최대 개수 (기본값: 10, 최대: 100)"),
+    db: Session = db_dependency
+):
+    """
+    사용자가 입력한 키워드를 기반으로 가장 유사한 카테고리를 찾고, 해당 카테고리에 속한 채용 공고를 반환합니다.
+
+    Args:
+        user_id (str): 검색을 수행할 사용자 ID.
+        keyword (str): 검색 키워드 (카테고리명).
+        limit (int): 반환할 채용 공고 수 (기본값: 10, 최대 100).
+        db (Session): 데이터베이스 세션 객체.
+
+    Returns:
+        dict: 매칭된 카테고리명과 해당 카테고리에 속한 채용 공고 목록.
+            - matched_category (str): 검색 키워드와 가장 유사한 카테고리명.
+            - results (List[dict]): 채용공고 목록 (제목, 기관, 시작일, 종료일, 상세 URL 포함).
+
+    Raises:
+        HTTPException 404: 사용자가 존재하지 않는 경우.
+        HTTPException 500: Elasticsearch 연결 실패 또는 기타 오류 발생 시.
+    """
+
+    # ✅ 1. 사용자 존재 여부 확인
+    user = db.query(Users).filter(Users.user_id == user_id).first()
+    if not user:
+        raise HTTPException(status_code=404, detail="User not found")
+
+    try:
+        # ✅ 2-1. match_phrase_prefix로 후보군 검색 (자동완성 역할)
+        prefix_result = es.search(
+            index="categories",
+            body={
+                "size": 10,
+                "query": {
+                    "bool": {
+                        "must": {
+                            "match_phrase_prefix": {
+                                "category_name": {
+                                    "query": keyword
+                                }
+                            }
+                        },
+                        "filter": {
+                            "term": {
+                                "feature": "employee"
+                            }
+                        }
+                    }
+                }
+            }
+        )
+        prefix_hits = prefix_result.get("hits", {}).get("hits", [])
+        if not prefix_hits:
+            # 후보군 없으면 바로 기타 처리
+            matched_category = "기타"
+            category_id = 0
+        else:
+            candidate_names = [hit["_source"]["category_name"] for hit in prefix_hits]
+
+            # ✅ 2-2. BM25 기반 match 쿼리로 후보군 중 가장 유사한 카테고리 검색
+            bm25_result = es.search(
+                index="categories",
+                body={
+                    "size": 1,
+                    "query": {
+                        "bool": {
+                            "must": {
+                                "match": {
+                                    "category_name": {
+                                        "query": keyword,
+                                        "operator": "and"
+                                    }
+                                }
+                            },
+                            "filter": {
+                                "terms": {
+                                    "category_name.keyword": candidate_names  # 후보군 필터링
+                                }
+                            }
+                        }
+                    }
+                }
+            )
+            bm25_hits = bm25_result.get("hits", {}).get("hits", [])
+            if bm25_hits:
+                matched_source = bm25_hits[0]["_source"]
+                matched_category = matched_source["category_name"]
+                category_id = matched_source["category_id"]
+            else:
+                # BM25가 후보군 중 적합한 것을 못 찾으면 prefix 후보 중 1순위 반환
+                matched_category = prefix_hits[0]["_source"]["category_name"]
+                category_id = prefix_hits[0]["_source"]["category_id"]
+
+    except ConnectionError as e:
+        raise HTTPException(status_code=500, detail="Elasticsearch 연결 실패") from e
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=str(e)) from e
+
+    # ✅ 3. 해당 카테고리에 속한 채용 공고 최신순 조회
+    jobs = (
+        db.query(Employee)
+        .join(EmployeeCategory, Employee.recruit_id == EmployeeCategory.recruit_id)
+        .filter(EmployeeCategory.category_id == category_id)
+        .order_by(Employee.start_date.desc())
+        .limit(limit)
+        .all()
+    )
+
+    # ✅ 4. 결과를 JSON 형태로 정리
+    results = [
+        {
+            "title": job.title,
+            "institution": job.institution,
+            "start_date": job.start_date.isoformat(),  # date → 문자열 (ISO 포맷)
+            "end_date": job.end_date.isoformat(),
+            "url": job.detail_url
+        }
+        for job in jobs
+    ]
+
+    # ✅ 5. 최종 응답 반환
+    return {
+        "matched_category": matched_category,
+        "results": results
+    }

app/utils/init_default_data.py

@@ -70,6 +70,9 @@ def add_default_categories(db):
         Category(category_name="환경·에너지·안전", feature=feature_employee),
         Category(category_name="농림어업", feature=feature_employee),
         Category(category_name="연구", feature=feature_employee),
+
+
+        Category(category_id = 0, category_name="연구", feature=feature_employee),
     ]
 
     for category in categories: