Update json-CR4.py

json-CR4.py

@@ -1,145 +1,149 @@
-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']
-
-        # استخدام التعبير المنتظم الصحيح
-        match = re.search(r"```json\s*(\{.*?\})\s*```", response_text, re.DOTALL)
-        if match:
-            json_text = match.group(1)
-            result = json.loads(json_text)
-
-            # تقسيم العنوان إلى أجزاء منفصلة
-            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)  # ينتظر 3 ثواني قبل إرسال الصورة التالية
-
-    except Exception as e:
-        print(f"❌ Error processing image {image_name}: {e}")
+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, and respond in JSON format using the English keys listed below.
+
+Fields to extract:
+
+- 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 أعلاه بمدينة
+- وتنتهي صلاحية الشهادات في
+- بموجب الإيصال رقم
+- وتاريخ
+
+Return as JSON with the following keys:
+{
+  "unified_number": ...,
+  "establishment_number": ...,
+  "date": ...,
+  "company_name": ...,
+  "company_type": ...,
+  "nationality": ...,
+  "duration": ...,
+  "start_date": ...,
+  "end_date": ...,
+  "head_office": ...,
+  "phone": ...,
+  "postal_code": ...,
+  "business_activity": ...,
+  "capital": ...,
+  "managers": ...,
+  "manager_authority": ...,
+  "registry_office_city": ...,
+  "registered_in_city": ...,
+  "certificate_expiry_date": ...,
+  "receipt_number": ...,
+  "receipt_date": ...
+}
+
+If any field is missing from the document, set its value 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']
+
+        # استخدام التعبير المنتظم الصحيح
+        match = re.search(r"```json\s*(\{.*?\})\s*```", response_text, re.DOTALL)
+        if match:
+            json_text = match.group(1)
+            result = json.loads(json_text)
+
+            # تقسيم العنوان إلى أجزاء منفصلة
+            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)  # ينتظر 3 ثواني قبل إرسال الصورة التالية
+
+    except Exception as e:
+        print(f"❌ Error processing image {image_name}: {e}")