app.py

import gradio as gr
from transformers import pipeline
import PyPDF2
import torch

# ===== 1) اختر الموديل هنا =====
# موديل إنجليزي:
# MODEL_NAME = "csebuetnlp/mT5_multilingual_XLSum"

# موديل ملخص متعدد اللغات (يدعم العربية أفضل):
MODEL_NAME = "csebuetnlp/mT5_multilingual_XLSum"

# ===== 2) تجهيز الـ pipeline =====
device = 0 if torch.cuda.is_available() else -1

summarizer = pipeline(
    "summarization",
    model=MODEL_NAME,
    tokenizer=MODEL_NAME,
    device=device,
)

# ===== 3) قراءة الـ PDF =====
def read_pdf(file_obj):
    """
    يستقبل ملف PDF من Gradio (file_obj)،
    يرجّع النص المستخرج من كل الصفحات.
    """
    if file_obj is None:
        return ""

    reader = PyPDF2.PdfReader(file_obj)
    text = ""
    for page in reader.pages:
        page_text = page.extract_text()
        if page_text:
            text += page_text + "\n"

    return text


# ===== 4) تقسيم النص لقطع (عشان حدود الموديل) =====
def chunk_text(text, max_chars=2000):
    """
    يقسم النص إلى قطع صغيرة بعدد حروف أقصاه max_chars
    عشان لا نتجاوز حدود الموديل.
    """
    paragraphs = text.split("\n")
    chunks = []
    current = ""

    for p in paragraphs:
        p = p.strip()
        if not p:
            continue

        # لو نقدر نضيف الفقرة للجزء الحالي بدون ما نتعدى الحد
        if len(current) + len(p) + 1 <= max_chars:
            current += ("\n" + p) if current else p
        else:
            # نخزن الجزء القديم ونبدأ جزء جديد
            if current.strip():
                chunks.append(current.strip())
            current = p

    if current.strip():
        chunks.append(current.strip())

    return chunks


# ===== 5) دالة التلخيص الرئيسية =====
def summarize_pdf(file, max_summary_length=200):
    """
    تستقبل ملف PDF من واجهة Gradio،
    تقرأ النص، تقسمه لقطع، تلخص كل جزء،
    ثم تلخص التلخيصات مرة ثانية (لو كانت كثيرة).
    """
    if file is None:
        return "رجاءً ارفع ملف PDF أولاً."

    # 1) قراءة النص من الـ PDF
    text = read_pdf(file)

    if not text or len(text.strip()) < 50:
        return "لم أستطع قراءة نص واضح من الـ PDF. تأكد أن الملف ليس صورة ممسوحة فقط (scan)."

    # 2) تقسيم النص
    chunks = chunk_text(text, max_chars=2000)

    # 3) تلخيص كل جزء
    partial_summaries = []
    for idx, ch in enumerate(chunks, start=1):
        # نضمن طول منطقي للتلخيص
        try:
            result = summarizer(
                ch,
                max_length=max_summary_length,
                min_length=int(max_summary_length / 3),
                do_sample=False,
            )
            summary_text = result[0]["summary_text"]
        except Exception as e:
            summary_text = f"[خطأ في تلخيص الجزء {idx}: {e}]"

        partial_summaries.append(summary_text)

    combined = "\n\n".join(partial_summaries)

    # 4) لو الملف طويل جداً (أكثر من جزء واحد)، نلخص التلخيص النهائي
    if len(partial_summaries) > 1:
        try:
            final = summarizer(
                combined,
                max_length=max_summary_length,
                min_length=int(max_summary_length / 3),
                do_sample=False,
            )[0]["summary_text"]
            return final
        except Exception:
            # لو فشل التلخيص الثاني، نرجع دمج التلخيصات الأولية
            return combined
    else:
        return combined


# ===== 6) واجهة Gradio =====
with gr.Blocks() as demo:
    gr.Markdown(
        """
    # 📄 PDF Summarizer / ملخّص ملفات PDF

    ارفع ملف PDF وسيقوم النموذج بقراءة النص وتلخيصه بشكل تلقائي.
    يمكن تعديل طول التلخيص باستخدام الشريط أسفل.
    """
    )

    with gr.Row():
        pdf_input = gr.File(
            label="📎 ارفع ملف PDF",
            file_types=[".pdf"],
        )
        max_len = gr.Slider(
            minimum=50,
            maximum=400,
            step=50,
            value=200,
            label="أقصى طول للتلخيص (تقريبي)",
        )

    output = gr.Textbox(
        label="ملخص الملف",
        lines=15,
    )

    summarize_btn = gr.Button("✨ تلخيص PDF")

    summarize_btn.click(
        fn=summarize_pdf,
        inputs=[pdf_input, max_len],
        outputs=output,
    )

# مهم في Hugging Face Spaces:
demo.launch()