Spaces:
Running
Running
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()
|