Spaces:
Sleeping
Sleeping
| import chardet | |
| from fastapi import UploadFile, HTTPException | |
| from io import BytesIO | |
| from docx import Document | |
| import fitz | |
| async def file_to_text(file: UploadFile): | |
| file_extension = file.filename.split('.')[-1].lower() | |
| if file_extension == 'csv': | |
| csv_data = await file.read() | |
| encoding = chardet.detect(csv_data)['encoding'] | |
| try: | |
| decoded_data = csv_data.decode(encoding) | |
| return decoded_data | |
| except UnicodeDecodeError: | |
| raise HTTPException(status_code=400, detail="Le fichier CSV contient des caractères qui ne peuvent pas être décodés.") | |
| # Fait | |
| elif file_extension == 'json': | |
| json_data = await file.read() | |
| return json_data.decode() | |
| # Fait | |
| elif file_extension == 'docx': | |
| doc_data = await file.read() | |
| # Utilisez un flux mémoire pour passer les données au Document | |
| doc_stream = BytesIO(doc_data) | |
| doc = Document(doc_stream) | |
| doc_text = [paragraph.text for paragraph in doc.paragraphs] | |
| return '\n'.join(doc_text) | |
| # Fait | |
| elif file_extension == 'txt': | |
| txt_data = await file.read() | |
| return txt_data.decode() | |
| # Fait | |
| elif file_extension == 'pdf': | |
| try: | |
| pdf_data = await file.read() | |
| # Chargez les données binaires dans un objet fitz.Document | |
| pdf_document = fitz.open("pdf", pdf_data) | |
| text = '' | |
| # Extrait le texte de chaque page | |
| for page in pdf_document: | |
| text += page.get_text() | |
| pdf_document.close() | |
| return text | |
| except Exception as e: | |
| raise HTTPException(status_code=500, detail=f"Erreur de lecture du fichier PDF : {e}") | |
| else: | |
| return HTTPException(status_code=400, detail="Format de fichier non pris en charge") |