Upload 3 files

Dockerfile

@@ -0,0 +1,22 @@
+# Kleines, schnelles Basis-Image
+FROM python:3.9-slim
+
+WORKDIR /app
+
+# Dependencies installieren
+COPY requirements.txt .
+RUN pip install --no-cache-dir -r requirements.txt
+
+# Code kopieren
+COPY main.py .
+
+# User anlegen (Hugging Face mag kein Root)
+RUN useradd -m -u 1000 user
+USER user
+ENV PATH="/home/user/.local/bin:$PATH"
+
+# Port 7860 für Hugging Face Spaces
+EXPOSE 7860
+
+# Server starten
+CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "7860"]

main.py

@@ -0,0 +1,87 @@
+from fastapi import FastAPI, UploadFile, File, Form
+from fastapi.middleware.cors import CORSMiddleware
+from pypdf import PdfReader
+from typing import Optional
+import io
+import re
+import requests
+
+app = FastAPI()
+
+# CORS Configuration
+app.add_middleware(
+    CORSMiddleware,
+    allow_origins=["*"],  # Allows all origins (for local dev/extension)
+    allow_credentials=True,
+    allow_methods=["*"],
+    allow_headers=["*"],
+)
+
+def extract_keywords_from_text(text):
+    # Sucht nach "Keywords:" oder "Key words:" am Zeilenanfang
+    # Stoppt bei doppelten Zeilenumbrüchen oder expliziten Sektions-Titeln.
+    # \n[A-Z] wurde entfernt, da Keywords oft großgeschrieben auf einer neuen Zeile beginnen.
+    match = re.search(r'(?:Keywords?|Key\s+words)\s*[:—](.*?)(?:\n\n|Introduction|Abstract|1\.\s)', text,
+                      re.DOTALL | re.IGNORECASE)
+    if match:
+        # Bereinigen und Splitten
+        raw_keywords = match.group(1)
+        # Silbentrennung korrigieren (z.B. "Algo-\nrithm" -> "Algorithm")
+        raw_keywords = re.sub(r'-\s*\n\s*', '', raw_keywords)
+        # Normale Zeilenumbrüche durch Leerzeichen ersetzen
+        raw_keywords = raw_keywords.replace('\n', ' ')
+        
+        # Split bei Komma oder Semikolon
+        return [k.strip() for k in re.split(r'[,;]', raw_keywords) if k.strip()]
+    return []
+
+
+@app.post("/analyze")
+async def analyze_pdf(
+    file: Optional[UploadFile] = File(None),
+    pdf_url: Optional[str] = Form(None)
+):
+    try:
+        if pdf_url:
+            # Download via Python (bypassing CORS)
+            headers = {"User-Agent": "Mozilla/5.0"}
+            resp = requests.get(pdf_url, headers=headers, timeout=60)
+            resp.raise_for_status()
+            pdf_file = io.BytesIO(resp.content)
+        elif file:
+            # Datei in den Speicher laden
+            content = await file.read()
+            pdf_file = io.BytesIO(content)
+        else:
+            return {"status": "error", "message": "No file or URL provided"}
+
+        reader = PdfReader(pdf_file)
+
+        # 1. SEITENANZAHL (Technisch exakt)
+        num_pages = len(reader.pages)
+
+        # 2. KEYWORDS (Reihenfolge bleibt erhalten)
+        keywords = []
+
+        # A) Versuch über PDF Metadaten (Properties)
+        if reader.metadata and reader.metadata.get("/Keywords"):
+            raw_meta = reader.metadata.get("/Keywords")
+            # Metadaten sind oft Strings wie "K1, K2, K3" -> Reihenfolge bleibt
+            keywords = [k.strip() for k in re.split(r'[,;]', raw_meta) if k.strip()]
+
+        # B) Fallback: Text auf Seite 1 scannen
+        if not keywords and num_pages > 0:
+            first_page_text = reader.pages[0].extract_text()
+            keywords = extract_keywords_from_text(first_page_text)
+
+        return {
+            "page_count": num_pages,
+            "keywords": keywords,
+            "status": "success"
+        }
+
+    except Exception as e:
+        return {"status": "error", "message": str(e)}
+
+# Startbefehl für lokale Tests (nicht im Docker nötig):
+# uvicorn main:app --reload

requirements.txt

@@ -0,0 +1,5 @@
+fastapi
+requests
+python-multipart
+uvicorn
+pypdf