Create app.py

app.py

@@ -0,0 +1,52 @@
+import gradio as gr
+from pypdf import PdfReader
+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.
+
+    Args:
+        pdf_file (dict): شیء فایل آپلود شده توسط Gradio.
+
+    Returns:
+        tuple: (متن استخراج شده, فایل متنی قابل دانلود)
+    """
+    if pdf_file is None:
+        return "لطفاً یک فایل PDF آپلود کنید.", None
+
+    try:
+        # 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 = ""
+        for page in reader.pages:
+            text += page.extract_text() or "" # یا "" برای مدیریت صفحات خالی
+
+        # ایجاد فایل متنی برای دانلود
+        txt_filename = "extracted_text.txt"
+        with open(txt_filename, "w", encoding="utf-8") as f:
+            f.write(text)
+
+        return text, txt_filename
+    except Exception as e:
+        return f"خطا در پردازش فایل PDF: {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),
+        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.",
+    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()