app.py

import gradio as gr
import chardet
import mimetypes
import pandas as pd
import json
import yaml
import toml
import configparser
import xml.etree.ElementTree as ET
from pathlib import Path

def read_file(file):
    if file is None:
        return "لطفا یک فایل انتخاب کنید"
    
    try:
        file_path = file.name
        file_extension = Path(file_path).suffix.lower().strip('.')
        
        # ابتدا با MIME type بررسی می‌کنیم
        mime_type, _ = mimetypes.guess_type(file_path)
        
        # اگر فایل صوتی یا تصویری باشد
        if mime_type and (mime_type.startswith('audio/') or mime_type.startswith('image/') or mime_type.startswith('video/')):
            return f"فایل‌های صوتی، تصویری و ویدیویی پشتیبانی نمی‌شوند. (MIME: {mime_type})"
        
        # فایل‌های باینری معروف که نباید خوانده شوند
        binary_extensions = {
            'exe', 'dll', 'so', 'dylib', 'bin', 'dat', 'db', 'sqlite',
            'zip', 'rar', '7z', 'tar', 'gz', 'bz2', 'xz',
            'jpg', 'jpeg', 'png', 'gif', 'bmp', 'ico', 'svg', 'webp',
            'mp3', 'mp4', 'avi', 'mkv', 'mov', 'wmv', 'flv', 'webm',
            'wav', 'flac', 'aac', 'ogg', 'wma', 'm4a',
            'pdf', 'doc', 'ppt', 'pptx', 'odt', 'ods', 'odp'
        }
        
        if file_extension in binary_extensions:
            return f"فرمت فایل .{file_extension} یک فایل باینری است و پشتیبانی نمی‌شود"
        
        # فایل‌های Excel
        if file_extension in ['xlsx', 'xls', 'xlsm', 'xlsb']:
            df = pd.read_excel(file_path)
            return f"=== محتوای Excel ===\n{df.to_string()}"
        
        # فایل‌های CSV و TSV
        elif file_extension in ['csv', 'tsv']:
            separator = '\t' if file_extension == 'tsv' else ','
            df = pd.read_csv(file_path, sep=separator)
            return f"=== محتوای {file_extension.upper()} ===\n{df.to_string()}"
        
        # فایل‌های JSON
        elif file_extension == 'json':
            with open(file_path, 'r', encoding='utf-8') as f:
                data = json.load(f)
            return f"=== محتوای JSON ===\n{json.dumps(data, indent=2, ensure_ascii=False)}"
        
        # فایل‌های YAML
        elif file_extension in ['yaml', 'yml']:
            with open(file_path, 'r', encoding='utf-8') as f:
                data = yaml.safe_load(f)
            return f"=== محتوای YAML ===\n{yaml.dump(data, allow_unicode=True, default_flow_style=False)}"
        
        # فایل‌های TOML
        elif file_extension == 'toml':
            with open(file_path, 'r', encoding='utf-8') as f:
                data = toml.load(f)
            return f"=== محتوای TOML ===\n{toml.dumps(data)}"
        
        # فایل‌های INI/CFG
        elif file_extension in ['ini', 'cfg', 'conf', 'config']:
            config = configparser.ConfigParser()
            config.read(file_path, encoding='utf-8')
            output = f"=== محتوای {file_extension.upper()} ===\n"
            for section in config.sections():
                output += f"\n[{section}]\n"
                for key, value in config.items(section):
                    output += f"{key} = {value}\n"
            return output
        
        # فایل‌های XML
        elif file_extension == 'xml':
            tree = ET.parse(file_path)
            root = tree.getroot()
            return f"=== محتوای XML ===\n{ET.tostring(root, encoding='unicode')}"
        
        # سایر فایل‌ها - تلاش برای خواندن به عنوان متن
        else:
            # تشخیص encoding
            with open(file_path, 'rb') as f:
                raw_data = f.read(10000)  # فقط 10KB اول برای تشخیص
                result = chardet.detect(raw_data)
                encoding = result['encoding'] if result['encoding'] else 'utf-8'
                confidence = result['confidence'] if 'confidence' in result else 0
            
            # اگر احتمال encoding کم باشد، احتمالا فایل باینری است
            if confidence < 0.7:
                try:
                    # تلاش با UTF-8
                    with open(file_path, 'r', encoding='utf-8') as f:
                        content = f.read()
                    return f"=== محتوای فایل (UTF-8) ===\n{content}"
                except UnicodeDecodeError:
                    return "این فایل احتمالاً باینری است یا encoding آن قابل تشخیص نیست"
            
            # خواندن با encoding تشخیص داده شده
            try:
                with open(file_path, 'r', encoding=encoding) as f:
                    content = f.read()
                return f"=== محتوای فایل ({encoding}) ===\n{content}"
            except:
                # تلاش نهایی با encodings مختلف
                for enc in ['utf-8', 'utf-16', 'latin-1', 'windows-1252', 'cp1256']:
                    try:
                        with open(file_path, 'r', encoding=enc) as f:
                            content = f.read()
                        return f"=== محتوای فایل ({enc}) ===\n{content}"
                    except:
                        continue
                
                return "نمی‌توان این فایل را خواند. احتمالاً فایل باینری است."
            
    except Exception as e:
        return f"خطا در خواندن فایل: {str(e)}"

# لیست فرمت‌های پشتیبانی شده
supported_formats = """
**فرمت‌های پشتیبانی شده:**
- فایل‌های متنی: .txt, .log, .md, .rst, .tex
- کدهای برنامه‌نویسی: .py, .js, .ts, .java, .cpp, .c, .h, .cs, .rb, .go, .rs, .swift, .kt, .scala, .r, .m, .php, .pl, .lua, .sh, .bat, .ps1
- فایل‌های وب: .html, .htm, .css, .scss, .sass, .less, .jsx, .tsx, .vue
- فایل‌های پیکربندی: .json, .yaml, .yml, .toml, .ini, .cfg, .conf, .config, .env, .properties
- فایل‌های داده: .csv, .tsv, .xml
- فایل‌های Office: .xlsx, .xls (نیاز به محتوای متنی)
- و بسیاری فرمت‌های متنی دیگر...

**فرمت‌های پشتیبانی نشده:**
- تصاویر: .jpg, .png, .gif, .bmp, و...
- صوت: .mp3, .wav, .flac, و...
- ویدیو: .mp4, .avi, .mkv, و...
- فایل‌های فشرده: .zip, .rar, .tar, و...
- فایل‌های باینری: .exe, .dll, .bin, و...
"""

# رابط کاربری Gradio
iface = gr.Interface(
    fn=read_file,
    inputs=gr.File(label="فایل را انتخاب کنید", file_types=None),
    outputs=gr.Textbox(label="محتوای فایل", lines=25, max_lines=100),
    title="خواننده جامع فایل‌های متنی",
    description="تقریباً هر فایل متنی را آپلود کنید تا محتوای آن را مشاهده کنید\n" + supported_formats,
    examples=[],
    theme="soft"
)

if __name__ == "__main__":
    iface.launch()