Create app.py

app.py

@@ -0,0 +1,72 @@
+import PyPDF2
+import io
+import gradio as gr
+import langdetect
+from langdetect import detect
+import re
+
+# تابع برای تشخیص زبان و استخراج متن
+def extract_text_from_pdf(pdf_file, detect_language=True):
+    try:
+        # خواندن فایل PDF
+        pdf_reader = PyPDF2.PdfReader(io.BytesIO(pdf_file))
+        text = ""
+        
+        # استخراج متن از تمام صفحات
+        for page_num in range(len(pdf_reader.pages)):
+            page = pdf_reader.pages[page_num]
+            page_text = page.extract_text()
+            if page_text:
+                text += page_text + "\n\n"
+        
+        # تشخیص زبان متن
+        detected_lang = "نامشخص"
+        if text and detect_language:
+            # گرفتن یک نمونه از متن برای تشخیص زبان
+            sample_text = text[:min(5000, len(text))]
+            sample_text = re.sub(r'\s+', ' ', sample_text).strip()
+            
+            try:
+                detected_lang = detect(sample_text)
+                if detected_lang == 'fa':
+                    detected_lang = "فارسی"
+                elif detected_lang == 'en':
+                    detected_lang = "انگلیسی"
+            except langdetect.lang_detect_exception.LangDetectException:
+                detected_lang = "تشخیص داده نشد"
+            
+        # برگرداندن نتیجه
+        result = f"**زبان تشخیص داده شده: {detected_lang}**\n\n"
+        result += text if text else "متنی استخراج نشد."
+        
+        return result
+    
+    except Exception as e:
+        return f"خطا در پردازش فایل PDF: {str(e)}"
+
+# ساخت رابط کاربری با Gradio
+def create_ui():
+    with gr.Blocks(title="استخراج متن از PDF با تشخیص زبان") as app:
+        gr.Markdown("## استخراج متن از فایل PDF با تشخیص خودکار زبان فارسی یا انگلیسی")
+        
+        with gr.Row():
+            pdf_input = gr.File(label="فایل PDF را آپلود کنید", file_types=[".pdf"])
+        
+        with gr.Row():
+            extract_btn = gr.Button("استخراج متن")
+            
+        with gr.Row():
+            output_text = gr.Textbox(label="متن استخراج شده", lines=20, interactive=False)
+        
+        extract_btn.click(
+            fn=extract_text_from_pdf,
+            inputs=[pdf_input],
+            outputs=output_text
+        )
+    
+    return app
+
+# اجرای برنامه
+if __name__ == "__main__":
+    app = create_ui()
+    app.launch()