app.py

import gradio as gr
from doctr.models import ocr_predictor
from doctr.io import DocumentFile

# Cargar el modelo OCR de DocTR
ocr_model = ocr_predictor(pretrained=True)

# Función para procesar un PDF y extraer texto
def extract_text_from_pdf(pdf_file):
    # Leer el PDF con DocTR
    doc = DocumentFile.from_pdf(pdf_file)
    # Ejecutar el OCR
    result = ocr_model(doc)
    # Extraer el texto
    text = "\n".join([block[1] for page in result.pages for block in page.blocks])
    return text

# Crear la interfaz Gradio
with gr.Blocks() as demo:
    gr.Markdown("# DocTR OCR para PDFs con Gradio")
    gr.Markdown("Sube un archivo PDF para extraer el texto.")
    
    with gr.Row():
        pdf_input = gr.File(label="Sube tu PDF", type="file")
        text_output = gr.Textbox(label="Texto Extraído", lines=10)
    
    extract_button = gr.Button("Extraer Texto")
    extract_button.click(extract_text_from_pdf, inputs=pdf_input, outputs=text_output)

# Ejecutar la aplicación
if __name__ == "__main__":
    demo.launch()