| import base64
|
| import json
|
| import re
|
| import requests
|
| import os
|
| import time
|
|
|
| API_KEY = "AIzaSyBr2-dUqHDZkk20hlWeEcpWnVVdkq9fqyE"
|
|
|
| cr1_images_folder = r"C:\Users\ASUS\OneDrive - Binder\Desktop\test.orch\classified\CR2"
|
| output_json_folder = r"C:\Users\ASUS\OneDrive - Binder\Desktop\test.orch\classified\CR2\cr2_json"
|
|
|
| os.makedirs(output_json_folder, exist_ok=True)
|
|
|
| prompt = """
|
| Extract the following fields from the CR4 document image. Return both Arabic and English text where available:
|
|
|
| الرقم الموحد
|
| رقم المنشأة
|
| التاريخ
|
|
|
| الاسم التجاري للشركة
|
| نوعها
|
| جنسيتها
|
| مدة الشركة
|
| تبدأ من
|
| وتنتهي في
|
| مركزها الرئيسي
|
| هاتف
|
| الرمز البريدي
|
|
|
| النشاط
|
| رأس المال
|
| المديرون
|
| سلطات المدير/المديرون
|
| يشهد مكتب السجل التجاري بمدينة
|
| بأنه تم تسجيل المؤسسة المذكورة أعلاة بمدينة
|
| وتنتهي صلاحية الشهادات في
|
| بموجب الإيصال رقم
|
| وتاريخ
|
|
|
| Return as JSON with keys:
|
| {
|
| "رقم_موحد": ...,
|
| "رقم_المنشأة": ...,
|
| "التاريخ": ...,
|
| "الاسم_التجاري": ...,
|
| "نوعها": ...,
|
| "جنسيتها": ...,
|
| "مدة_الشركة": ...,
|
| "تبدأ_من": ...,
|
| "تنتهي_في": ...,
|
| "مركزها_الرئيسي": ...,
|
| "هاتف": ...,
|
| "الرمز_البريدي": ...,
|
| "النشاط": ...,
|
| "رأس_المال": ...,
|
| "المديرون": ...,
|
| "سلطات_المدير": ...,
|
| "يشهد_مكتب_السجل": ...,
|
| "تم_تسجيل_المؤسسة": ...,
|
| "تنتهي_صلاحية_الشهادة": ...,
|
| "الإيصال_رقم": ...,
|
| "الإيصال_تاريخ": ...
|
| }
|
| If a field is missing, set it to null.
|
| """
|
| url = f"https://generativelanguage.googleapis.com/v1/models/gemini-1.5-flash:generateContent?key={API_KEY}"
|
| headers = {"Content-Type": "application/json"}
|
|
|
| def split_address(address):
|
| parts = [p.strip() for p in address.split("،")]
|
| while len(parts) < 4:
|
| parts.append(None)
|
| return parts
|
|
|
| for image_name in os.listdir(cr1_images_folder):
|
| if not image_name.lower().endswith(('.jpg', '.jpeg', '.png')):
|
| continue
|
|
|
| image_path = os.path.join(cr1_images_folder, image_name)
|
| base_name = os.path.splitext(image_name)[0]
|
| output_file = os.path.join(output_json_folder, base_name + ".json")
|
|
|
| if os.path.exists(output_file):
|
| print(f"Skipped {image_name} (JSON file already exists)")
|
| continue
|
|
|
| with open(image_path, "rb") as f:
|
| image_b64 = base64.b64encode(f.read()).decode()
|
|
|
| data = {
|
| "contents": [
|
| {
|
| "role": "user",
|
| "parts": [
|
| {"text": prompt},
|
| {
|
| "inline_data": {
|
| "mime_type": "image/jpeg",
|
| "data": image_b64
|
| }
|
| }
|
| ]
|
| }
|
| ]
|
| }
|
|
|
| try:
|
| response = requests.post(url, headers=headers, json=data)
|
| response.raise_for_status()
|
| response_text = response.json()['candidates'][0]['content']['parts'][0]['text']
|
|
|
|
|
| match = re.search(r"```json\s*(\{.*?\})\s*```", response_text, re.DOTALL)
|
| if match:
|
| json_text = match.group(1)
|
| result = json.loads(json_text)
|
|
|
|
|
| if "مركزها الرئيسي" in result and result["مركزها الرئيسي"]:
|
| parts = split_address(result["مركزها الرئيسي"])
|
| result["رقم المبنى"] = parts[0]
|
| result["اسم الشارع"] = parts[1]
|
| result["اسم الحي"] = parts[2]
|
| result["الرقم الإضافي"] = parts[3]
|
| else:
|
| result["رقم المبنى"] = None
|
| result["اسم الشارع"] = None
|
| result["اسم الحي"] = None
|
| result["الرقم الإضافي"] = None
|
|
|
| with open(output_file, "w", encoding="utf-8") as f:
|
| json.dump(result, f, ensure_ascii=False, indent=2)
|
|
|
| print(f"✅ Processed: {image_name}")
|
|
|
| else:
|
| print(f"❌ Failed to extract JSON from: {image_name}")
|
| print(response_text)
|
|
|
| time.sleep(3)
|
|
|
| except Exception as e:
|
| print(f"❌ Error processing image {image_name}: {e}")
|
|
|
