Spaces:
Sleeping
Sleeping
Create app.py
Browse files
app.py
ADDED
|
@@ -0,0 +1,31 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
import gradio as gr
|
| 2 |
+
import easyocr
|
| 3 |
+
from pdf2image import convert_from_path
|
| 4 |
+
from PIL import Image
|
| 5 |
+
|
| 6 |
+
# مدل OCR فارسی و انگلیسی
|
| 7 |
+
reader = easyocr.Reader(['fa', 'en'])
|
| 8 |
+
|
| 9 |
+
def pdf_to_text(pdf_file):
|
| 10 |
+
try:
|
| 11 |
+
# تبدیل صفحات PDF به تصاویر
|
| 12 |
+
images = convert_from_path(pdf_file.name)
|
| 13 |
+
full_text = ""
|
| 14 |
+
for img in images:
|
| 15 |
+
# OCR روی هر تصویر
|
| 16 |
+
text = reader.readtext(img, detail=0)
|
| 17 |
+
full_text += "\n".join(text) + "\n\n"
|
| 18 |
+
return full_text
|
| 19 |
+
except Exception as e:
|
| 20 |
+
return f"خطا در پردازش PDF: {str(e)}"
|
| 21 |
+
|
| 22 |
+
# رابط Gradio
|
| 23 |
+
iface = gr.Interface(
|
| 24 |
+
fn=pdf_to_text,
|
| 25 |
+
inputs=gr.File(label="آپلود PDF"),
|
| 26 |
+
outputs=gr.Textbox(label="متن استخراج شده", lines=20),
|
| 27 |
+
title="Persian PDF OCR",
|
| 28 |
+
description="فایل PDF خود را آپلود کنید تا متن فارسی و انگلیسی آن استخراج شود."
|
| 29 |
+
)
|
| 30 |
+
|
| 31 |
+
iface.launch()
|