Update app.py

app.py

@@ -3,70 +3,119 @@ import re
 import gradio as gr
 from datetime import datetime
 import os
+from docx import Document  # krever python-docx i requirements
 
-# Endret regex: aksepterer både punktum og komma i desimaldelen (f.eks. [00:00:00.280] og [00:00:00,280])
+# Aksepterer både punktum og komma i desimaldelen
 TIMESTAMP_RE = re.compile(r'(\[\d{2}:\d{2}:\d{2}(?:[.,]\d{1,3})?\])')
 
+TMP_DIR = "/tmp/hf_transcript"
+os.makedirs(TMP_DIR, exist_ok=True)
+
 def format_transcript(text: str) -> str:
+    """
+    Bevarer tidsstempler og slår sammen alle linjer under hvert
+    tidsstempel til én linje. Returnerer en lesbar tekst med ett
+    blankt linjeskift mellom hvert segment.
+    """
     if not text:
         return ""
+    # Normaliser linjeskift
     text = text.replace('\r\n', '\n').replace('\r', '\n')
     parts = TIMESTAMP_RE.split(text)
     out_lines = []
     i = 0
+    # Håndter eventuell tekst før første timestamp
     if parts and not TIMESTAMP_RE.match(parts[0]):
         if len(parts) > 1:
             parts[1] = parts[0] + parts[1]
             i = 1
         else:
+            # ingen tidsstempel funnet - kollaps nye linjer til ett avsnitt
             return re.sub(r'\n+', ' ', text).strip()
 
+    # Bygg segmenter: [timestamp, body, timestamp, body, ...]
     while i < len(parts) - 1:
         ts = parts[i].strip()
         body = parts[i+1]
-        # kollaps interne linjeskift/overflødig spacing til enkelt mellomrom
+        # Slå sammen interne linjeskift til mellomrom
         body = re.sub(r'\n+', ' ', body).strip()
         body = re.sub(r' {2,}', ' ', body)
         line = f"{ts} {body}".strip()
         out_lines.append(line)
         i += 2
 
+    # Trailing tekst uten timestamp
     if i < len(parts):
         tail = parts[i].strip()
         if tail:
             tail = re.sub(r'\n+', ' ', tail).strip()
             out_lines.append(tail)
 
+    # Ett tomt linjeskift mellom segmentene for lesbarhet
     return "\n\n".join(out_lines)
 
-def download_filename():
+def download_filename(prefix="formatted_transcript"):
     now = datetime.utcnow().strftime("%Y%m%dT%H%M%SZ")
-    return f"formatted_transcript_{now}.txt"
+    return f"{prefix}_{now}"
 
-def format_and_prepare_file(text):
-    formatted = format_transcript(text)
-    os.makedirs("/tmp/hf_transcript", exist_ok=True)
-    fname = download_filename()
-    path = os.path.join("/tmp/hf_transcript", fname)
+def make_txt_file(text: str) -> str:
+    """Lagre tekst som .txt og returner filsti."""
+    fname = download_filename() + ".txt"
+    path = os.path.join(TMP_DIR, fname)
     with open(path, "wb") as f:
-        f.write(formatted.encode("utf-8"))
-    return formatted, path
+        f.write(text.encode("utf-8"))
+    return path
+
+def make_docx_file(text: str) -> str:
+    """
+    Lag en enkel .docx hvor hver segment (separert av tom linje i text)
+    blir egen paragraf. Returner filsti.
+    """
+    fname = download_filename() + ".docx"
+    path = os.path.join(TMP_DIR, fname)
+    doc = Document()
+    # Del opp på doble linjeskift som vi brukte i format_transcript
+    segments = text.split("\n\n")
+    for seg in segments:
+        # legg til som egen paragraf
+        p = doc.add_paragraph(seg)
+    # Lagre dokumentet
+    doc.save(path)
+    return path
+
+def format_and_prepare_files(text: str):
+    """
+    Returnerer: formatert tekst (string), sti_til_txt, sti_til_docx
+    som bindes til gr.File-outputkomponenter.
+    """
+    formatted = format_transcript(text)
+    txt_path = make_txt_file(formatted)
+    docx_path = make_docx_file(formatted)
+    return formatted, txt_path, docx_path
 
-with gr.Blocks(title="Transkript-formatter") as demo:
-    gr.Markdown("### Lim inn transkriptet ditt med tidsstempel (f.eks. `[00:00:23.850]` eller `[00:00:23,850]`) og trykk **Formatér**. Appen bevarer alt innhold og slår sammen linjer under hvert tidsstempel til én linje.")
+with gr.Blocks(title="Transkript-formatter (TXT + DOCX)") as demo:
+    gr.Markdown(
+        "### Lim inn transkriptet ditt (f.eks. `[00:00:23.850]` eller `[00:00:23,850]`) og trykk **Formatér**. "
+        "Du kan også generere nedlastbare `.txt` og `.docx` filer."
+    )
     with gr.Row():
         inp = gr.Textbox(lines=18, label="Råtekst (lim inn her)", placeholder="Lim inn hele transkriptet her...")
-        out = gr.Textbox(lines=18, label="Formatert tekst")
+        out = gr.Textbox(lines=18, label="Formatert tekst (kopier herfra eller generer filer)")
     with gr.Row():
-        btn = gr.Button("Formatér")
-        download_file = gr.File(label="Last ned .txt (formatert)")
-        copy_btn = gr.Button("Kopier til utklippstavlen")
+        btn = gr.Button("Formatér (vis i felt)")
+        gen_btn = gr.Button("Generer .txt og .docx (nedlasting)")
+        txt_file = gr.File(label="Last ned .txt")
+        docx_file = gr.File(label="Last ned .docx")
+        copy_btn = gr.Button("Oppdater utdata (klar for kopiering)")
+    # Vis formatert tekst i tekstboksen
     btn.click(lambda t: format_transcript(t), inputs=inp, outputs=out)
-    download_btn = gr.Button("Generer nedlastbar fil")
-    download_btn.click(format_and_prepare_file, inputs=inp, outputs=[out, download_file])
-    def copy_to_clipboard(text):
+    # Generer filer og bind dem til gr.File-komponentene
+    gen_btn.click(format_and_prepare_files, inputs=inp, outputs=[out, txt_file, docx_file])
+    # "Kopier"-knapp: server-side kan ikke direkte kopiere til klientens clipboard,
+    # men denne oppdaterer utdatafeltet slik at bruker lett kan markere og kopiere manuelt.
+    def copy_to_out(text):
         return text
-    copy_btn.click(copy_to_clipboard, inputs=out, outputs=out)
+    copy_btn.click(copy_to_out, inputs=out, outputs=out)
 
 if __name__ == "__main__":
     demo.launch(server_name="0.0.0.0", server_port=7860)