Update app.py
Browse files
app.py
CHANGED
@@ -1,23 +1,29 @@
|
|
1 |
import gradio as gr
|
2 |
from PIL import Image
|
3 |
import pytesseract
|
|
|
|
|
4 |
|
5 |
# Aseg煤rate de que el ejecutable de Tesseract est茅 en tu PATH
|
6 |
# o especifica la ruta completa
|
7 |
# pytesseract.pytesseract.tesseract_cmd = r'<ruta_completa_a_tesseract>'
|
8 |
|
9 |
-
def
|
10 |
-
#
|
11 |
-
|
|
|
|
|
|
|
|
|
12 |
return text
|
13 |
|
14 |
# Crea la interfaz de Gradio
|
15 |
iface = gr.Interface(
|
16 |
-
fn=
|
17 |
-
inputs=gr.
|
18 |
outputs=gr.Textbox(label="Texto extra铆do"), # Tipo de salida: texto
|
19 |
-
title="OCR con Python Tesseract",
|
20 |
-
description="Sube
|
21 |
)
|
22 |
|
23 |
# Ejecuta la interfaz
|
|
|
1 |
import gradio as gr
|
2 |
from PIL import Image
|
3 |
import pytesseract
|
4 |
+
from pdf2image import convert_from_path
|
5 |
+
import os
|
6 |
|
7 |
# Aseg煤rate de que el ejecutable de Tesseract est茅 en tu PATH
|
8 |
# o especifica la ruta completa
|
9 |
# pytesseract.pytesseract.tesseract_cmd = r'<ruta_completa_a_tesseract>'
|
10 |
|
11 |
+
def ocr_pdf(file):
|
12 |
+
# Convertir PDF a im谩genes
|
13 |
+
images = convert_from_path(file.name)
|
14 |
+
text = ""
|
15 |
+
for image in images:
|
16 |
+
# Extraer texto de cada imagen
|
17 |
+
text += pytesseract.image_to_string(image) + "\n"
|
18 |
return text
|
19 |
|
20 |
# Crea la interfaz de Gradio
|
21 |
iface = gr.Interface(
|
22 |
+
fn=ocr_pdf, # Funci贸n que procesa el PDF
|
23 |
+
inputs=gr.File(label="Sube tu archivo PDF"), # Tipo de entrada: archivo
|
24 |
outputs=gr.Textbox(label="Texto extra铆do"), # Tipo de salida: texto
|
25 |
+
title="OCR con Python Tesseract para PDF",
|
26 |
+
description="Sube un archivo PDF para extraer el texto usando Tesseract OCR."
|
27 |
)
|
28 |
|
29 |
# Ejecuta la interfaz
|