Upload app.py

app.py

@@ -0,0 +1,847 @@
+# app.py
+# 🔍 نسخه پیشرفته - رابط Gradio تاریک و ساده - رفع مشکل نمایش نتایج
+
+# ============================================================================
+# 🔧 Import کتابخانه‌ها
+# ============================================================================
+
+import pytesseract
+from pdf2image import convert_from_path
+from PIL import Image, ImageEnhance, ImageFilter
+import re
+import json
+from typing import Dict, Any, List, Tuple, Optional
+import os
+from datetime import datetime
+import numpy as np
+from transformers import pipeline, AutoTokenizer, AutoModel, AutoModelForTokenClassification
+from sentence_transformers import SentenceTransformer, util
+import torch
+import arabic_reshaper
+from bidi.algorithm import get_display
+import gradio as gr
+
+# تنظیم مسیر Tesseract (در Hugging Face این مسیر ممکن است لازم نباشد)
+# pytesseract.pytesseract.tesseract_cmd = '/usr/bin/tesseract'  # فقط در Colab
+
+# ============================================================================
+# 🧠 بخش ۱: مدل‌های هوش مصنوعی با دقت بالا
+# ============================================================================
+
+class HighAccuracyAIModels:
+    """مدل‌های هوش مصنوعی با دقت فوق العاده"""
+
+    def __init__(self):
+        self.setup_high_accuracy_models()
+
+    def setup_high_accuracy_models(self):
+        """بارگذاری مدل‌های با دقت بالا"""
+        print("🧠 در حال بارگذاری مدل‌ها...")
+
+        try:
+            self.ner_pipeline = pipeline(
+                "token-classification",
+                model="HooshvareLab/bert-fa-zwnj-base-ner",
+                aggregation_strategy="max",
+                device=0 if torch.cuda.is_available() else -1
+            )
+            print("✅ مدل NER بارگذاری شد")
+        except Exception as e:
+            print(f"⚠️ خطا در بارگذاری مدل NER: {e}")
+            self.ner_pipeline = None
+
+        try:
+            self.embedding_model = SentenceTransformer(
+                'all-MiniLM-L6-v2',
+                device='cuda' if torch.cuda.is_available() else 'cpu'
+            )
+            print("✅ مدل Embedding بارگذاری شد")
+        except Exception as e:
+            print(f"⚠️ خطا در بارگذاری مدل Embedding: {e}")
+            self.embedding_model = None
+
+# ============================================================================
+# 🔍 بخش ۲: OCR با دقت فوق العاده
+# ============================================================================
+
+class UltraAccuracyOCREngine:
+    """موتور OCR با دقت فوق العاده"""
+
+    def __init__(self, ai_models):
+        self.ai_models = ai_models
+        self.setup_advanced_ocr()
+
+    def setup_advanced_ocr(self):
+        """تنظیمات پیشرفته OCR"""
+        self.tesseract_configs = [
+            r'--oem 3 --psm 6 -c tessedit_char_whitelist=آابپتثجچحخدذرزژسشصضطظعغفقکگلمنوهیءةيك۰۱۲۳۴۵۶۷۸۹٠١٢٣٤٥٦٧٨٩ :.,-()',
+            r'--oem 3 --psm 4 -c preserve_interword_spaces=1'
+        ]
+
+    def extract_text_ultra_accurate(self, input_file, progress_callback=None) -> Tuple[str, Dict[str, Any]]:
+        """استخراج متن با دقت فوق العاده"""
+        if progress_callback:
+            progress_callback(5, "شروع استخراج متن...")
+
+        results = {
+            'methods': {},
+            'quality_metrics': {}
+        }
+
+        try:
+            if progress_callback:
+                progress_callback(20, "پردازش صفحات...")
+
+            tesseract_results = self._advanced_tesseract_extraction(input_file, progress_callback)
+            results['methods']['tesseract_advanced'] = tesseract_results
+
+            combined_text = tesseract_results['text']
+            results['combined_text'] = combined_text
+            results['quality_metrics'] = self._calculate_comprehensive_quality(combined_text)
+
+            if progress_callback:
+                progress_callback(80, "استخراج متن کامل شد")
+
+            return combined_text, results
+
+        except Exception as e:
+            print(f"❌ خطا در استخراج متن: {e}")
+            return "", results
+
+    def _advanced_tesseract_extraction(self, input_file, progress_callback=None) -> Dict[str, Any]:
+        """استخراج پیشرفته با Tesseract"""
+        start_time = datetime.now()
+
+        try:
+            if isinstance(input_file, str) and input_file.lower().endswith('.pdf'):
+                images = convert_from_path(input_file, first_page=1, last_page=3, dpi=300)
+                all_texts = []
+
+                for i, image in enumerate(images):
+                    if progress_callback:
+                        progress_callback(20 + (i * 15), f"پردازش صفحه {i+1}...")
+
+                    processed_image = self._preprocess_image(image)
+
+                    page_texts = []
+                    for config in self.tesseract_configs:
+                        try:
+                            text = pytesseract.image_to_string(
+                                processed_image,
+                                lang='fas+eng',
+                                config=config
+                            )
+                            if text.strip():
+                                page_texts.append(text)
+                        except:
+                            continue
+
+                    if page_texts:
+                        best_page_text = max(page_texts, key=lambda x: len(x))
+                        all_texts.append(best_page_text)
+
+                final_text = '\n'.join(all_texts)
+
+            else:
+                if isinstance(input_file, str):
+                    image = Image.open(input_file)
+                else:
+                    image = input_file
+
+                processed_image = self._preprocess_image(image)
+                final_text = pytesseract.image_to_string(processed_image, lang='fas+eng')
+
+            processing_time = (datetime.now() - start_time).total_seconds()
+
+            return {
+                'text': final_text,
+                'confidence': 0.8,
+                'processing_time': processing_time,
+                'method': 'tesseract_advanced'
+            }
+
+        except Exception as e:
+            print(f"⚠️ خطا در Tesseract: {e}")
+            return {'text': '', 'confidence': 0, 'processing_time': 0, 'method': 'error'}
+
+    def _preprocess_image(self, image):
+        """پیش‌پردازش تصویر"""
+        try:
+            if image.mode != 'L':
+                image = image.convert('L')
+            enhancer = ImageEnhance.Contrast(image)
+            image = enhancer.enhance(1.3)
+            return image
+        except:
+            return image
+
+    def _calculate_comprehensive_quality(self, text: str) -> Dict[str, float]:
+        """محاسبه کیفیت جامع متن"""
+        lines = [line.strip() for line in text.split('\n') if line.strip()]
+        persian_chars = len(re.findall(r'[آ-ی]', text))
+        total_chars = len(text)
+
+        return {
+            'overall_score': min(persian_chars / max(total_chars, 1) * 2, 1.0),
+            'line_count': len(lines),
+            'persian_ratio': persian_chars / total_chars if total_chars > 0 else 0,
+            'total_chars': total_chars
+        }
+
+# ============================================================================
+# 🤖 بخش ۳: سیستم RAG ساده‌سازی شده
+# ============================================================================
+
+class SimpleRAGSystem:
+    """سیستم RAG ساده‌سازی شده"""
+
+    def __init__(self):
+        # حذف کلید API یا استفاده از متغیر محیطی
+        self.api_key = os.getenv("OPENROUTER_API_KEY", "")
+        if not self.api_key:
+            print("⚠️ کلید API یافت نشد. مدل RAG غیرفعال است.")
+        self.setup_llm()
+        self.knowledge_base = None
+
+    def setup_llm(self):
+        """تنظیم مدل زبانی"""
+        if not self.api_key:
+            print("❌ کلید API تنظیم نشده است.")
+            self.llm = None
+            self.embed_model = None
+            return
+
+        try:
+            from llama_index.llms.openrouter import OpenRouter
+            from llama_index.embeddings.huggingface import HuggingFaceEmbedding
+
+            self.llm = OpenRouter(
+                model="meta-llama/llama-3-70b-instruct",
+                temperature=0.1,
+                max_tokens=2000,
+                api_key=self.api_key
+            )
+
+            self.embed_model = HuggingFaceEmbedding(
+                model_name="sentence-transformers/all-MiniLM-L6-v2"
+            )
+
+            print("✅ مدل زبانی RAG تنظیم شد")
+
+        except Exception as e:
+            print(f"❌ خطا در تنظیم مدل RAG: {e}")
+            self.llm = None
+            self.embed_model = None
+
+    def create_knowledge_base(self, text: str):
+        """ایجاد پایگاه دانش"""
+        if not self.llm:
+            return False
+
+        try:
+            from llama_index.core import Document, VectorStoreIndex
+
+            short_text = text[:2000]
+            document = Document(text=short_text)
+
+            self.knowledge_base = VectorStoreIndex.from_documents(
+                [document],
+                embed_model=self.embed_model
+            )
+            return True
+
+        except Exception as e:
+            print(f"❌ خطا در ایجاد پایگاه دانش: {e}")
+            return False
+
+# ============================================================================
+# 🚀 بخش ۴: استخراج‌کننده متادیتا
+# ============================================================================
+
+class APIEnhancedMetadataExtractor:
+    """استخراج کننده متادیتا"""
+
+    def __init__(self, rag_system):
+        self.rag_system = rag_system
+
+    def extract_with_api_power(self, text: str, progress_callback=None) -> Dict[str, Any]:
+        """استخراج متادیتا با قدرت API"""
+        if progress_callback:
+            progress_callback(85, "استخراج اطلاعات با هوش مصنوعی...")
+
+        if not self.rag_system.llm:
+            return self._extract_without_api(text)
+
+        try:
+            chunk = text[:2000]
+            prompt = f"""
+            از متن زیر اطلاعات کتاب را استخراج کن:
+            {chunk}
+
+            اطلاعات مورد نیاز:
+            - عنوان کتاب
+            - نویسنده/مؤلف
+            - مترجم (اگر وجود دارد)
+            - ناشر
+            - سال انتشار
+            - شابک (ISBN)
+            - نوبت چاپ
+
+            پاسخ را به صورت JSON برگردان.
+            """
+
+            metadata = self._call_api_for_extraction(prompt)
+            return metadata
+
+        except Exception as e:
+            print(f"❌ خطا در استخراج با API: {e}")
+            return self._extract_without_api(text)
+
+    def _extract_without_api(self, text: str) -> Dict[str, Any]:
+        """استخراج بدون API"""
+        metadata = {}
+
+        # استخراج عنوان
+        lines = [line.strip() for line in text.split('\n') if line.strip()]
+        for line in lines[:10]:
+            if (10 <= len(line) <= 150 and
+                len(re.findall(r'[آ-ی]', line)) >= 2 and
+                not any(word in line for word in ['نویسنده', 'مؤلف', 'ناشر', 'چاپ', 'شابک'])):
+                metadata['title'] = line
+                break
+
+        # استخراج سایر اطلاعات
+        patterns = {
+            'author': r'نویسنده\s*[:\-]\s*([^\n]+)',
+            'publisher': r'ناشر\s*[:\-]\s*([^\n]+)',
+            'publication_year': r'سال\s*انتشار\s*[:\-]\s*([۱۳۴۰-۹]{4})',
+            'isbn': r'شابک\s*[:\-]\s*([۰-۹\-–]+)',
+            'edition': r'چاپ\s*(\d+)',
+            'translator': r'مترجم\s*[:\-]\s*([^\n]+)'
+        }
+
+        for field, pattern in patterns.items():
+            match = re.search(pattern, text, re.IGNORECASE)
+            if match:
+                metadata[field] = match.group(1).strip()
+
+        return metadata
+
+    def _call_api_for_extraction(self, prompt: str) -> Dict[str, Any]:
+        """فراخوانی API"""
+        try:
+            from llama_index.core import Document
+
+            doc = Document(text=prompt)
+            query_engine = self.rag_system.knowledge_base.as_query_engine(
+                llm=self.rag_system.llm,
+                similarity_top_k=2
+            )
+
+            response = query_engine.query(prompt)
+            response_text = str(response).strip()
+
+            # استخراج JSON از پاسخ
+            json_match = re.search(r'\{[^{}]*\}', response_text)
+            if json_match:
+                return json.loads(json_match.group())
+
+            return {}
+
+        except Exception as e:
+            print(f"⚠️ خطا در فراخوانی API: {e}")
+            return {}
+
+# ============================================================================
+# 📝 بخش ۵: استخراج‌کننده ساده
+# ============================================================================
+
+class SimpleBookExtractor:
+    """استخراج ساده اطلاعات کتاب"""
+
+    def extract_basic_info(self, text: str) -> Dict[str, Any]:
+        """استخراج اطلاعات پایه"""
+        results = {}
+        lines = text.split('\n')
+
+        # استخراج عنوان
+        for line in lines[:10]:
+            line = line.strip()
+            if (10 <= len(line) <= 150 and
+                len(re.findall(r'[آ-ی]', line)) >= 2):
+                results['title'] = line
+                break
+
+        for line in lines:
+            line = line.strip()
+            if not line:
+                continue
+
+            # استخراج سال
+            year_match = re.search(r'۱۳[۷-۹][۰-۹]|۱۴۰[۰-۴]', line)
+            if year_match and 'year' not in results:
+                results['publication_year'] = year_match.group()
+
+            # استخراج نویسنده
+            author_match = re.search(r'نویسنده\s*[:\-]\s*(.+)', line, re.IGNORECASE)
+            if author_match and 'author' not in results:
+                results['author'] = author_match.group(1).strip()
+
+            # استخراج ناشر
+            publisher_match = re.search(r'ناشر\s*[:\-]\s*(.+)', line, re.IGNORECASE)
+            if publisher_match and 'publisher' not in results:
+                results['publisher'] = publisher_match.group(1).strip()
+
+            # استخراج مترجم
+            translator_match = re.search(r'مترجم\s*[:\-]\s*(.+)', line, re.IGNORECASE)
+            if translator_match and 'translator' not in results:
+                results['translator'] = translator_match.group(1).strip()
+
+            # استخراج شابک
+            isbn_match = re.search(r'شابک\s*[:\-]\s*([۰-۹\-–]+)', line, re.IGNORECASE)
+            if isbn_match and 'isbn' not in results:
+                results['isbn'] = isbn_match.group(1).strip()
+
+            # استخراج نوبت چاپ
+            edition_match = re.search(r'چاپ\s*(\d+)', line, re.IGNORECASE)
+            if edition_match and 'edition' not in results:
+                results['edition'] = edition_match.group(1).strip()
+
+        return results
+
+    def extract_additional_info(self, text: str) -> Dict[str, Any]:
+        """استخراج اطلاعات تکمیلی"""
+        results = {}
+
+        patterns = {
+            'publisher': r'ناشر\s*[:\-]\s*(.+)',
+            'isbn': r'شابک\s*[:\-]\s*([۰-۹\-–]+)',
+            'translator': r'مترجم\s*[:\-]\s*(.+)',
+            'price': r'قیمت\s*[:\-]\s*([۰-۹,]+)',
+            'subject': r'موضوع\s*[:\-]\s*(.+)'
+        }
+
+        for field, pattern in patterns.items():
+            match = re.search(pattern, text, re.IGNORECASE)
+            if match:
+                results[field] = match.group(1).strip()
+
+        return results
+
+# ============================================================================
+# 🔄 بخش ۶: پردازشگر اصلی
+# ============================================================================
+
+class UltraAccuracyBookProcessor:
+    """پردازشگر اصلی"""
+
+    def __init__(self):
+        self.ai_models = HighAccuracyAIModels()
+        self.ocr_engine = UltraAccuracyOCREngine(self.ai_models)
+        self.rag_system = SimpleRAGSystem()
+        self.api_extractor = APIEnhancedMetadataExtractor(self.rag_system)
+        self.simple_extractor = SimpleBookExtractor()
+
+    def process_book_ultra_accurate(self, input_file, progress_callback=None) -> Dict[str, Any]:
+        """پردازش کتاب"""
+        if progress_callback:
+            progress_callback(0, "شروع پردازش...")
+
+        start_time = datetime.now()
+
+        # استخراج متن
+        if progress_callback:
+            progress_callback(10, "استخراج متن از فایل...")
+        raw_text, ocr_results = self.ocr_engine.extract_text_ultra_accurate(input_file, progress_callback)
+
+        if not raw_text or len(raw_text.strip()) < 10:
+            return self._create_error_result("متن کافی استخراج نشد", ocr_results, start_time)
+
+        # ایجاد پایگاه دانش
+        if progress_callback:
+            progress_callback(70, "راه‌اندازی هوش مصنوعی...")
+        rag_ready = self.rag_system.create_knowledge_base(raw_text)
+
+        if rag_ready:
+            # استخراج با API
+            api_metadata = self.api_extractor.extract_with_api_power(raw_text, progress_callback)
+            backup_metadata = self._extract_backup_metadata(raw_text)
+            final_metadata = self._final_fusion(api_metadata, backup_metadata, raw_text)
+        else:
+            # فقط روش معمولی
+            if progress_callback:
+                progress_callback(75, "استخراج اطلاعات...")
+            final_metadata = self._extract_backup_metadata(raw_text)
+
+        # ایجاد نتایج نهایی
+        if progress_callback:
+            progress_callback(95, "ذخیره‌سازی نتایج...")
+        results = self._create_final_results(final_metadata, raw_text, ocr_results,
+                                           rag_ready, start_time, input_file)
+
+        if progress_callback:
+            progress_callback(100, "پردازش کامل شد!")
+
+        return results
+
+    def _extract_backup_metadata(self, text: str) -> Dict[str, Any]:
+        """استخراج پشتیبان"""
+        basic = self.simple_extractor.extract_basic_info(text)
+        additional = self.simple_extractor.extract_additional_info(text)
+
+        # ترکیب اطلاعات پایه و تکمیلی
+        combined_basic = basic.copy()
+        for key, value in additional.items():
+            if key not in combined_basic and value:
+                combined_basic[key] = value
+
+        return {
+            'basic_info': combined_basic,
+            'additional_info': additional
+        }
+
+    def _final_fusion(self, api_metadata: Dict, backup_metadata: Dict, text: str) -> Dict[str, Any]:
+        """ترکیب نهایی"""
+        # ابتدا اطلاعات پشتیبان را کپی می‌کنیم
+        final_basic = backup_metadata.get('basic_info', {}).copy()
+
+        # سپس اطلاعات API را اضافه می‌کنیم (در صورت وجود)
+        if api_metadata:
+            for field, value in api_metadata.items():
+                if value and value not in ['یافت نشد', '']:
+                    final_basic[field] = value
+
+        return {
+            'basic_info': final_basic,
+            'additional_info': backup_metadata.get('additional_info', {}),
+            'api_enhanced': bool(api_metadata and len(api_metadata) > 0)
+        }
+
+    def _create_final_results(self, metadata: Dict, text: str, ocr_results: Dict,
+                            rag_ready: bool, start_time: datetime, input_file) -> Dict[str, Any]:
+
+        return {
+            'basic_info': metadata.get('basic_info', {}),
+            'additional_info': metadata.get('additional_info', {}),
+            'processing_time': (datetime.now() - start_time).total_seconds(),
+            'ocr_analysis': ocr_results,
+            'rag_available': rag_ready,
+            'api_enhanced': metadata.get('api_enhanced', False),
+            'total_text_length': len(text),
+            'file_info': {
+                'file_name': os.path.basename(input_file) if isinstance(input_file, str) else 'uploaded_file',
+                'file_type': 'PDF' if isinstance(input_file, str) and input_file.lower().endswith('.pdf') else 'Image'
+            }
+        }
+
+    def _create_error_result(self, error: str, ocr_results: Dict, start_time: datetime):
+        """ایجاد نتیجه خطا"""
+        return {
+            'error': error,
+            'processing_time': (datetime.now() - start_time).total_seconds(),
+            'ocr_analysis': ocr_results
+        }
+
+# ============================================================================
+# 🎨 بخش ۷: رابط Gradio تاریک و ساده - نمایش کامل نتایج
+# ============================================================================
+
+class GradioInterface:
+    """رابط کاربری Gradio"""
+
+    def __init__(self):
+        self.processor = None
+        self.current_progress = 0
+        self.current_status = "آماده"
+
+    def initialize_processor(self):
+        """راه‌اندازی پردازشگر"""
+        if self.processor is None:
+            self.processor = UltraAccuracyBookProcessor()
+
+    def update_progress(self, progress, status):
+        """به‌روزرسانی پیشرفت"""
+        self.current_progress = progress
+        self.current_status = status
+
+    def process_file(self, file):
+        """پردازش فایل"""
+        if file is None:
+            return "لطفاً یک فایل آپلود کنید", "", "", 0, "آماده"
+
+        try:
+            self.initialize_processor()
+            file_path = file.name
+
+            results = self.processor.process_book_ultra_accurate(
+                file_path,
+                progress_callback=self.update_progress
+            )
+
+            if 'error' in results:
+                return f"خطا: {results['error']}", "", "", 0, "خطا"
+
+            report = self._generate_complete_report(results)
+            download_info = self._save_results(results, file_path)
+            json_output = self._generate_json_output(results)
+
+            return report, download_info, json_output, 100, "پردازش کامل شد"
+
+        except Exception as e:
+            return f"خطا در پردازش: {str(e)}", "", "", 0, "خطا"
+
+    def _generate_complete_report(self, results: Dict[str, Any]) -> str:
+        """تولید گزارش کامل"""
+        basic_info = results.get('basic_info', {})
+        additional_info = results.get('additional_info', {})
+
+        report = "📚 نتایج کامل استخراج اطلاعات کتاب\n"
+        report += "=" * 50 + "\n\n"
+
+        # اطلاعات اصلی کتاب
+        report += "📖 اطلاعات اصلی:\n"
+        report += "-" * 20 + "\n"
+
+        main_fields = [
+            ('title', 'عنوان کتاب'),
+            ('author', 'نویسنده/مؤلف'),
+            ('translator', 'مترجم'),
+            ('publisher', 'ناشر'),
+            ('publication_year', 'سال انتشار'),
+            ('isbn', 'شابک (ISBN)'),
+            ('edition', 'نوبت چاپ')
+        ]
+
+        for field, title in main_fields:
+            value = basic_info.get(field, "یافت نشد")
+            report += f"• {title}: {value}\n"
+
+        # اطلاعات تکمیلی
+        if additional_info:
+            report += "\n📋 اطلاعات تکمیلی:\n"
+            report += "-" * 20 + "\n"
+            for key, value in additional_info.items():
+                if value and value != "یافت نشد":
+                    display_key = self._translate_key(key)
+                    report += f"• {display_key}: {value}\n"
+
+        # اطلاعات فنی
+        report += "\n🔧 اطلاعات فنی:\n"
+        report += "-" * 15 + "\n"
+        report += f"• زمان پردازش: {results.get('processing_time', 0):.1f} ثانیه\n"
+        report += f"• طول متن استخراج شده: {results.get('total_text_length', 0)} کاراکتر\n"
+        report += f"• کیفیت OCR: {results.get('ocr_analysis', {}).get('quality_metrics', {}).get('overall_score', 0):.1%}\n"
+        report += f"• سیستم هوش مصنوعی: {'فعال' if results.get('api_enhanced') else 'غیرفعال'}\n"
+
+        # اطلاعات فایل
+        file_info = results.get('file_info', {})
+        report += f"• نام فایل: {file_info.get('file_name', 'نامشخص')}\n"
+        report += f"• نوع فایل: {file_info.get('file_type', 'نامشخص')}\n"
+
+        report += f"\n🕒 تاریخ پردازش: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n"
+
+        return report
+
+    def _translate_key(self, key: str) -> str:
+        """ترجمه کلیدهای انگلیسی به فارسی"""
+        translations = {
+            'publisher': 'ناشر',
+            'isbn': 'شابک',
+            'price': 'قیمت',
+            'subject': 'موضوع',
+            'translator': 'مترجم',
+            'author': 'نویسنده',
+            'publication_year': 'سال انتشار',
+            'edition': 'نوبت چاپ',
+            'title': 'عنوان'
+        }
+        return translations.get(key, key)
+
+    def _save_results(self, results: Dict[str, Any], file_path: str) -> str:
+        """ذخیره نتایج"""
+        try:
+            base_name = os.path.splitext(os.path.basename(file_path))[0]
+            timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
+
+            # ذخیره JSON
+            json_filename = f"{base_name}_نتایج_{timestamp}.json"
+            with open(json_filename, 'w', encoding='utf-8') as f:
+                json.dump(results, f, ensure_ascii=False, indent=2)
+
+            # ذخیره گزارش متنی
+            txt_filename = f"{base_name}_گزارش_{timestamp}.txt"
+            report_content = self._generate_complete_report(results)
+            with open(txt_filename, 'w', encoding='utf-8') as f:
+                f.write(report_content)
+
+            return f"✅ فایل‌ها با موفقیت ذخیره شدند:\n📄 {json_filename}\n📝 {txt_filename}"
+
+        except Exception as e:
+            return f"⚠️ خطا در ذخیره‌سازی: {str(e)}"
+
+    def _generate_json_output(self, results: Dict[str, Any]) -> str:
+        """تولید خروجی JSON"""
+        return json.dumps(results, ensure_ascii=False, indent=2)
+
+# ============================================================================
+# 🚀 راه‌اندازی رابط Gradio تاریک و ساده
+# ============================================================================
+
+def create_dark_simple_interface():
+    """ایجاد رابط تاریک و ساده"""
+
+    interface = GradioInterface()
+
+    # CSS برای رابط تاریک
+    dark_css = """
+    .gradio-container {
+        background: #000000 !important;
+        color: #ffffff !important;
+        font-family: Arial, sans-serif !important;
+    }
+    .container {
+        background: #000000 !important;
+    }
+    .panel {
+        background: #1a1a1a !important;
+        border: 1px solid #333 !important;
+        border-radius: 5px !important;
+        padding: 10px !important;
+        margin: 5px 0 !important;
+    }
+    .progress-text {
+        color: #00ff00 !important;
+        font-weight: bold;
+    }
+    .dark-button {
+        background: #333 !important;
+        color: white !important;
+        border: 1px solid #555 !important;
+    }
+    .dark-button:hover {
+        background: #444 !important;
+    }
+    .dark-input {
+        background: #1a1a1a !important;
+        color: white !important;
+        border: 1px solid #333 !important;
+    }
+    .dark-slider {
+        background: #333 !important;
+    }
+    .success-text {
+        color: #00ff00 !important;
+    }
+    .error-text {
+        color: #ff4444 !important;
+    }
+    """
+
+    with gr.Blocks(
+        title="استخراج اطلاعات کتاب",
+        css=dark_css
+    ) as demo:
+
+        gr.Markdown(
+            """
+            <div style='text-align: center; color: white;'>
+            <h1>📚 استخراج اطلاعات کتاب</h1>
+            <p>آپلود فایل کتاب (PDF یا تصویر) برای استخراج خودکار اطلاعات</p>
+            </div>
+            """
+        )
+
+        with gr.Row():
+            with gr.Column(scale=1):
+                # بخش آپلود فایل
+                gr.Markdown("### 📁 آپلود فایل")
+                file_input = gr.File(
+                    label="",
+                    file_types=[".pdf", ".jpg", ".jpeg", ".png"],
+                    type="filepath",
+                    elem_classes="dark-input"
+                )
+
+                # دکمه پردازش
+                process_btn = gr.Button(
+                    "🚀 شروع پردازش",
+                    variant="primary",
+                    elem_classes="dark-button",
+                    size="lg"
+                )
+
+                # بخش پیشرفت
+                gr.Markdown("### 📊 پیشرفت")
+                progress_bar = gr.Slider(
+                    minimum=0,
+                    maximum=100,
+                    value=0,
+                    label="",
+                    interactive=False,
+                    elem_classes="dark-slider"
+                )
+
+                progress_text = gr.Textbox(
+                    label="وضعیت",
+                    value="آماده",
+                    interactive=False,
+                    elem_classes="dark-input"
+                )
+
+            with gr.Column(scale=2):
+                # بخش نتایج
+                gr.Markdown("### 📄 نتایج کامل")
+                output_report = gr.Textbox(
+                    label="",
+                    lines=12,
+                    show_copy_button=True,
+                    elem_classes="dark-input"
+                )
+
+                # بخش ذخیره‌سازی
+                gr.Markdown("### 💾 ذخیره‌سازی")
+                download_info = gr.Textbox(
+                    label="",
+                    lines=3,
+                    interactive=False,
+                    elem_classes="dark-input"
+                )
+
+                # بخش JSON
+                gr.Markdown("### 🔧 خروجی فنی (JSON)")
+                json_output = gr.Textbox(
+                    label="",
+                    lines=8,
+                    show_copy_button=True,
+                    elem_classes="dark-input"
+                )
+
+        # اتصال رویداد
+        process_btn.click(
+            fn=interface.process_file,
+            inputs=[file_input],
+            outputs=[output_report, download_info, json_output, progress_bar, progress_text]
+        )
+
+        gr.Markdown(
+            """
+            <div style='text-align: center; color: #888; margin-top: 20px;'>
+            <p>سیستم استخراج خودکار اطلاعات کتاب - نسخه ساده و تاریک</p>
+            <p>📖 تمام اطلاعات کتاب به صورت کامل نمایش داده می‌شود</p>
+            </div>
+            """
+        )
+
+    return demo
+
+# این بخش را تغییر می‌دهیم تا با Hugging Face سازگار شود
+def main():
+    demo = create_dark_simple_interface()
+    demo.launch(
+        server_name="0.0.0.0",  # برای Hugging Face
+        server_port=int(os.environ.get("PORT", 7860)),  # پورت Hugging Face
+        share=False  # در Hugging Face نیازی به share نیست
+    )
+
+if __name__ == "__main__":
+    main()