Create app.py

app.py

@@ -0,0 +1,165 @@
+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()