app/core/constants.py

from __future__ import annotations

SUPPORTED_EXTENSIONS = {
    ".pdf", ".docx", ".doc", ".pptx", ".ppt",
    ".xlsx", ".xls", ".csv", ".json", ".xml",
    ".html", ".htm", ".txt", ".md", ".rst",
    ".jpg", ".jpeg", ".png", ".gif", ".bmp", ".webp", ".tiff",
    ".mp3", ".wav", ".ogg", ".flac",
    ".zip", ".epub",
}

IMAGE_EXTENSIONS = {
    ".jpg", ".jpeg", ".png", ".gif", ".bmp", ".webp", ".tiff",
}

IMAGE_MIME_PREFIXES = {"image/"}

TABULAR_EXTENSIONS = {".csv", ".xls", ".xlsx"}

AUDIO_EXTENSIONS = {".mp3", ".wav", ".ogg", ".flac"}

DOCUMENT_EXTENSIONS = {".pdf", ".docx", ".doc", ".epub"}

OFFICE_EXTENSIONS = {".pptx", ".ppt", ".xlsx", ".xls"}

WEB_EXTENSIONS = {".html", ".htm"}

TEXT_EXTENSIONS = {".txt", ".md", ".rst"}

ARCHIVE_EXTENSIONS = {".zip"}

MAX_CSV_ROWS = 100_000
MAX_EXCEL_ROWS = 50_000
MAX_MEMORY_CELLS = 2_000_000

OCR_TEXT_SCORE = 0.5
OCR_DPI = 150