Update app.py

app.py

@@ -5,13 +5,13 @@ import os
 def extract_text_from_pdf(pdf_file):
     """
     این تابع یک فایل PDF را دریافت کرده و متن آن را استخراج می کند.
-    با توجه به پشتیبانی pypdf از یونیکد، فارسی و عربی نیز به خوبی پشتیبانی می شوند.
+    با توجه به پشتیبانی pypdf از یونیکد، فارسی، انگلیسی و عربی نیز به خوبی پشتیبانی می شوند.
 
     Args:
         pdf_file (dict): شیء فایل آپلود شده توسط Gradio.
 
     Returns:
-        tuple: (متن استخراج شده, فایل متنی قابل دانلود)
+        tuple: (متن استخراج شده برای نمایش, فایل متنی قابل دانلود)
     """
     if pdf_file is None:
         return "لطفاً یک فایل PDF آپلود کنید.", None
@@ -20,33 +20,42 @@ def extract_text_from_pdf(pdf_file):
         # pypdf نیاز به مسیر فایل دارد، Gradio فایل را به صورت موقت ذخیره می کند
         pdf_path = pdf_file.name
         reader = PdfReader(pdf_path)
-        text = ""
+        text_content = ""
         for page in reader.pages:
-            text += page.extract_text() or "" # یا "" برای مدیریت صفحات خالی
+            # اطمینان از اینکه extract_text() مقدار None برنمی گرداند
+            page_text = page.extract_text()
+            if page_text:
+                text_content += page_text + "\n" # اضافه کردن خط جدید بین صفحات
 
-        # ایجاد فایل متنی برای دانلود
+        # ایجاد فایل متنی برای دانلود با انکدینگ UTF-8
         txt_filename = "extracted_text.txt"
         with open(txt_filename, "w", encoding="utf-8") as f:
-            f.write(text)
+            f.write(text_content)
 
-        return text, txt_filename
+        # برای نمایش صحیح در Gradio، متن استخراج شده را برمی گردانیم.
+        # استفاده از Markdown برای نمایش بهتر زبان های راست به چپ
+        return f"<div dir='rtl'>{gr.Markdown.update(value=text_content)}</div>", txt_filename
+
+    except FileNotFoundError:
+        return "خطا: فایل PDF پیدا نشد.", None
     except Exception as e:
-        return f"خطا در پردازش فایل PDF: {e}", None
+        # خطای عمومی تر را برای موارد دیگر برمی گردانیم
+        return f"خطا در پردازش فایل PDF: {str(e)}", None
 
 # تعریف رابط کاربری Gradio
 interface = gr.Interface(
     fn=extract_text_from_pdf,
     inputs=gr.File(label="فایل PDF را اینجا آپلود کنید (فارسی/عربی/انگلیسی)"),
     outputs=[
-        gr.Textbox(label="متن استخراج شده", lines=15),
+        # استفاده از gr.Markdown برای خروجی متنی
+        gr.HTML(label="متن استخراج شده"),
         gr.File(label="دانلود متن به صورت فایل TXT", file_count="single", interactive=False)
     ],
-    title="استخراج متن فارسی/عربی از PDF",
-    description="یک فایل PDF را برای استخراج متن آن آپلود کنید. سپس متن استخراج شده نمایش داده شده و قابل دانلود خواهد بود.",
+    title="استخراج متن چندزبانه (فارسی/عربی/انگلیسی) از PDF",
+    description="یک فایل PDF را برای استخراج متن آن آپلود کنید. متن استخراج شده به صورت خوانا نمایش داده شده و قابل دانلود خواهد بود.",
     allow_flagging="never" # غیرفعال کردن دکمه flagging
 )
 
 # برای اجرا در سرور
 if __name__ == "__main__":
-    # اینجا هیچ نمونه ای تعریف نشده است، فقط برنامه اجرا می شود
     interface.launch()