Create app.py

app.py

@@ -0,0 +1,182 @@
+import re
+
+def transform_text(input_text):
+    """
+    تقوم هذه الدالة بتطبيق مجموعة من القواعد على النص المدخل
+    وتعيد النص المصحّح/المعدّل.
+    """
+
+    # -------------------------------------
+    # 1) إضافة علامة # بعد بعض الكلمات العامية المحددة:
+    #    ايش/ويش/ليش/عشان/علشان/لسى/يالله/والله/يلا/يااه/اووه/همن/ثمن
+    # -------------------------------------
+    pattern_hash = r"\b(ايش|إيش|ويش|ليش|عشان|علشان|لسى|يالله|والله|يلا|يااه|اووه|همن|ثمن)\b"
+    input_text = re.sub(pattern_hash, r"\1#", input_text, flags=re.IGNORECASE)
+
+    # -------------------------------------
+    # 2) بعض التصحيحات الإملائية والفصيحة:
+    # -------------------------------------
+    # هذه بدل هاذي
+    input_text = re.sub(r"\bهاذي\b", "هذه", input_text)
+    # هؤلاء بدل هذول
+    input_text = re.sub(r"\bهذول\b", "هؤلاء", input_text)
+    # (أنتي|انتي) -> أنت
+    input_text = re.sub(r"\b(أنتي|انتي)\b", "أنت", input_text, flags=re.IGNORECASE)
+    # معاك -> معك
+    input_text = re.sub(r"\bمعاك\b", "معك", input_text)
+    # اللي -> الذي (قد تحتاج لسياق أكثر دقة لتحديد (التي) عند التأنيث)
+    input_text = re.sub(r"\bاللي\b", "الذي", input_text)
+
+    # -------------------------------------
+    # 3) تصحيح بعض الهمزات الشائعة (تأكل، تأخذ)
+    # -------------------------------------
+    input_text = re.sub(r"\bتاكل\b", "تأكل", input_text)
+    input_text = re.sub(r"\bتاخذ\b", "تأخذ", input_text)
+
+    # -------------------------------------
+    # 4) إزالة همزة فعل الأمر (مثال مبسط: إذهب -> اذهب)
+    # -------------------------------------
+    pattern_amr = r"\bإ([ضذصثقفغعهخحجةشسيبلاتنم])(.*?)(\b)"
+    input_text = re.sub(pattern_amr, r"ا\1\2", input_text)
+
+    # -------------------------------------
+    # 5) تحويل الأسئلة إلى علامة استفهام بدلاً من النقطة
+    #    (اعتماداً على كلمات استفهام شائعة)
+    # -------------------------------------
+    question_words = [
+        "كيف", "لماذا", "لمَ", "هل", "متى", "أين", 
+        "أيش#", "ايش#", "ويش#", "ليش#", "وش", "ما", "من", 
+        "أين", "أيمكن", "أحقًا"
+    ]
+    for q_word in question_words:
+        pattern_q = rf"(\b{q_word}\b)\."
+        input_text = re.sub(pattern_q, rf"\1؟", input_text, flags=re.IGNORECASE)
+
+    # -------------------------------------
+    # 6) تحويل الرقم 11 إلى "إحدى عشر" (مثال بسيط)
+    # -------------------------------------
+    # input_text = re.sub(r"\b11\b", "إحدى عشر", input_text)
+
+    # -------------------------------------
+    # 7) إزالة النقاط في نهاية الجمل
+    # -------------------------------------
+    input_text = re.sub(r"\.(\s|$)", r"\1", input_text)
+
+    # -------------------------------------
+    # 8) استبدال التردّد أو التمتمة (آآ / آه / آ ...)
+    #    بالرمز $ (وفق القاعدة الجديدة)
+    # -------------------------------------
+    # أمثلة: "آآ" أو "آه" أو "آ" إذا أتت منفردة أو متبوعة بمسافة أو فاصلة...
+    # طبعًا يمكنك توسيع النمط بحسب الحاجة.
+    pattern_stammer = r"\b(آآ+|آه+|آ)\b"
+    input_text = re.sub(pattern_stammer, " $", input_text)
+
+    # إذا هناك حالة مثل "آآالبيت" (بدون مسافة) وتريد استبدال الجزء "آآ" فقط، 
+    # قد تلزمك معالجة مختلفة:
+    # input_text = re.sub(r"آآ+", "$", input_text)
+
+    # -------------------------------------
+    # 9) وضع علامة ~ بعد الكلمات الأعجمية
+    #    (مثل كوميدينة -> كوميدينة~) 
+    #    وُرد في الأمثلة: كوميدينة، أجبورة...
+    # -------------------------------------
+    # لتبسيط المثال، نبحث عن كلمات معيّنة فقط.
+    foreign_words = ["كوميدينة", "أجبورة"]
+    for fw in foreign_words:
+        pattern_fw = rf"\b{fw}\b"
+        input_text = re.sub(pattern_fw, fw + "~", input_text, flags=re.IGNORECASE)
+
+    # -------------------------------------
+    # 10) معالجة الضحك والبكاء البسيط:
+    #     إذا وردت عبارة "ضحك بسيط" أو "بكاء خفيف" 
+    #     نجعلها بين قوسين مربعين: [ضحك بسيط] أو [بكاء خفيف]
+    # -------------------------------------
+    input_text = re.sub(r"\bضحك بسيط\b", "[ضحك بسيط]", input_text)
+    input_text = re.sub(r"\bبكاء خفيف\b", "[بك��ء خفيف]", input_text)
+
+    # -------------------------------------
+    # يمكن إضافة/تطوير المزيد من القواعد بنفس الأسلوب...
+    # -------------------------------------
+
+    return input_text
+
+
+def reformat_transcript(lines):
+    """
+    تأخذ قائمة الأسطر بالصيغة القديمة:
+       00:02:15 المسجل
+       السلام عليكم...
+       00:02:17 المشارك
+       وعليكم السلام...
+    وتعيدها بالشكل المطلوب:
+       , (المسجل) [00:02:15] السلام عليكم...
+       , (المشارك) [00:02:17] وعليكم السلام...
+    """
+    output_lines = []
+    i = 0
+    while i < len(lines):
+        line = lines[i].strip()
+        
+        # نحاول التقاط التوقيت + الاسم في بداية السطر
+        # صيغة التوقيت: HH:MM:SS (ساعتان، دقيقتان، ثانيتان)
+        # بعده فراغ + اسم (قد يكون "المسجل"/"المشارك"/غيرهما)
+        match = re.match(r'^(\d{2}:\d{2}:\d{2})\s+(.+)$', line)
+        if match:
+            # إذا نجحت المطابقة؛ نستخرج التوقيت والاسم
+            time_code = match.group(1)
+            speaker = match.group(2).strip()
+
+            # نقرأ السطر التالي لافتراض أنه نص الحديث
+            text_line = ""
+            if i+1 < len(lines):
+                text_line = lines[i+1].rstrip("\n")
+            else:
+                text_line = ""
+
+            # يمكن هنا تطبيق أي تصحيحات على "text_line" لو أردت:
+            text_line = transform_text(text_line)
+
+            # نصنع السطر بالصيغة المطلوبة:
+            # , (المتكلم) [التوقيت] الكلام...
+            formatted = f", ({speaker}) [{time_code}] {text_line}"
+            output_lines.append(formatted)
+
+            i += 2  # تخطّى سطر الاسم والتوقيت + سطر النص
+        else:
+            # إذا لم يتطابق السطر مع صيغة "توقيت + اسم" 
+            # فقد يكون سطرًا فارغًا أو خارج التنسيق المطلوب
+            # بإمكانك إما تجاهله أو إضافته كما هو
+            i += 1
+
+    return output_lines
+
+
+import gradio as gr
+import re
+
+def pipeline(raw_text):
+    """
+    تأخذ النصّ المُدخل (كاملًا)، تفصّله سطرًا سطرًا، 
+    ثم تعيد تنسيقه بالنمط المطلوب. تعيد الناتج كسلسلة نصية.
+    """
+    # نحصل على الأسطر
+    lines = raw_text.splitlines()
+    # نُعيد التنسيق
+    reformatted_lines = reformat_transcript(lines)
+    # نجمعها في نص واحد للعرض
+    final_text = "\n".join(reformatted_lines)
+    return final_text
+
+demo = gr.Interface(
+    fn=pipeline, 
+    inputs=gr.Textbox(lines=10, placeholder="ألصق النص هنا..." , label="النص المفرغ"), 
+    outputs=gr.Textbox(lines=10 , label="النص المعالج"), 
+    title="تنسيق النص المفرغ وفق القواعد المطلوبة",
+)
+
+##########################################################
+# 5) تشغيل الواجهة
+##########################################################
+if __name__ == "__main__":
+    demo.launch()
+