Update json-CR7.py

json-CR7.py

@@ -1,112 +1,114 @@
-import base64
-import json
-import re
-import requests
-import os
-
-# مفتاح Gemini API
-API_KEY = "AIzaSyBr2-dUqHDZkk20hlWeEcpWnVVdkq9fqyE"
-
-# المجلد الذي يحتوي صور cr1
-cr1_images_folder = r"C:\Users\ASUS\OneDrive - Binder\Desktop\test.orch\classified\CR1"
-# مجلد إخراج ملفات JSON
-output_json_folder = r"C:\Users\ASUS\OneDrive - Binder\Desktop\test.orch\classified\CR1\cr1_json"
-
-# Ensure output folder exists
-os.makedirs(output_json_folder, exist_ok=True)
-
-# Exact same prompt
-prompt = """
-يرجى استخراج الحقول التالية من مستند السجل التجاري (CR7) بالصورة، باللغة العربية فقط:
-
-- اسم المنشأة
-- نوع السجل
-- حالة السجل
-- الرقم الموحد للمنشأة
-- رقم السجل التجاري
-- اسم المالك
-- نوع الكيان
-- تاريخ الاصدار
-- تاريخ الانتهاء
-- قائمة المدراء
-- المدينة
-- الموقع الإلكتروني
-- الانشطة التجارية
-
-أرجو إعادة النتيجة بصيغة JSON بهذه المفاتيح فقط، وإذا أي حقل غير موجود فضع قيمته null:
-
-{
-  "اسم المنشأة": null,
-  "نوع السجل": null,
-  "حالة السجل": null,
-  "الرقم الموحد للمنشأة": null,
-  "رقم السجل التجاري": null,
-  "اسم المالك": null,
-  "نوع الكيان": null,
-  "تاريخ الاصدار": null,
-  "تاريخ الانتهاء": null,
-  "قائمة المدراء": null,
-  "المدينة": null,
-  "الموقع الإلكتروني": null,
-  "الانشطة التجارية": null
-}
-"""
-url = f"https://generativelanguage.googleapis.com/v1/models/gemini-1.5-flash:generateContent?key={API_KEY}"
-headers = {"Content-Type": "application/json"}
-
-# Iterate over all images
-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")
-
-    # Skip if JSON already exists
-    if os.path.exists(output_file):
-        print(f"Skipped {image_name} (JSON file already exists)")
-        continue
-
-    # Read image and convert to base64
-    with open(image_path, "rb") as f:
-        image_b64 = base64.b64encode(f.read()).decode()
-
-    # Send request to Gemini API
-    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)
-
-            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)
-
-    except Exception as e:
-        print(f"❌ Error processing image {image_name}: {e}")
+import base64
+import json
+import re
+import requests
+import os
+
+# مفتاح Gemini API
+API_KEY = "AIzaSyBr2-dUqHDZkk20hlWeEcpWnVVdkq9fqyE"
+
+# المجلد الذي يحتوي صور cr1
+cr1_images_folder = r"C:\Users\ASUS\OneDrive - Binder\Desktop\test.orch\classified\CR1"
+# مجلد إخراج ملفات JSON
+output_json_folder = r"C:\Users\ASUS\OneDrive - Binder\Desktop\test.orch\classified\CR1\cr1_json"
+
+# Ensure output folder exists
+os.makedirs(output_json_folder, exist_ok=True)
+
+# Exact same prompt
+# Exact same prompt
+prompt = """
+Please extract the following fields from the CR7 commercial registration document image, all in Arabic only:
+
+- اسم المنشأة
+- نوع السجل
+- حالة السجل
+- الرقم الموحد للمنشأة
+- رقم السجل التجاري
+- اسم المالك
+- نوع الكيان
+- تاريخ الاصدار
+- تاريخ الانتهاء
+- قائمة المدراء
+- المدينة
+- الموقع الإلكتروني
+- الانشطة التجارية
+
+Please return the result as JSON with the exact keys below, and if any field is missing, set its value to null:
+
+{
+  "establishment_name": null,
+  "registry_type": null,
+  "registry_status": null,
+  "unified_establishment_number": null,
+  "commercial_registry_number": null,
+  "owner_name": null,
+  "entity_type": null,
+  "issue_date": null,
+  "expiry_date": null,
+  "managers_list": null,
+  "city": null,
+  "website": null,
+  "business_activities": null
+}
+"""
+
+url = f"https://generativelanguage.googleapis.com/v1/models/gemini-1.5-flash:generateContent?key={API_KEY}"
+headers = {"Content-Type": "application/json"}
+
+# Iterate over all images
+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")
+
+    # Skip if JSON already exists
+    if os.path.exists(output_file):
+        print(f"Skipped {image_name} (JSON file already exists)")
+        continue
+
+    # Read image and convert to base64
+    with open(image_path, "rb") as f:
+        image_b64 = base64.b64encode(f.read()).decode()
+
+    # Send request to Gemini API
+    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)
+
+            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)
+
+    except Exception as e:
+        print(f"❌ Error processing image {image_name}: {e}")