Create app.py

app.py

@@ -0,0 +1,52 @@
+import gradio as gr
+import pytesseract
+from PIL import Image
+import os
+from pdf2image import convert_from_bytes
+import io
+
+# Configurar Tesseract para usar el modelo entrenado en Hugging Face Spaces
+tessdata_dir = "/home/user/.apt/usr/share/tesseract-ocr/4.00/tessdata"
+if os.path.exists(tessdata_dir):
+    pytesseract.pytesseract.tesseract_cmd = '/home/user/.apt/usr/bin/tesseract'
+    os.environ["TESSDATA_PREFIX"] = tessdata_dir
+
+def perform_ocr(file):
+    if file is None:
+        return "Por favor, sube un archivo."
+    
+    # Verificar si el archivo es un PDF
+    if file.name.lower().endswith('.pdf'):
+        # Convertir PDF a imágenes
+        try:
+            images = convert_from_bytes(file.read() if hasattr(file, 'read') else file)
+        except Exception as e:
+            return f"Error al procesar el PDF: {str(e)}"
+        
+        text = ""
+        for image in images:
+            text += pytesseract.image_to_string(image) + "\n\n"
+    else:
+        # Procesar como imagen
+        try:
+            if hasattr(file, 'read'):
+                image = Image.open(io.BytesIO(file.read()))
+            else:
+                image = Image.open(file)
+            text = pytesseract.image_to_string(image)
+        except Exception as e:
+            return f"Error al procesar la imagen: {str(e)}"
+    
+    return text
+
+# Crear la interfaz de Gradio
+iface = gr.Interface(
+    fn=perform_ocr,
+    inputs=gr.File(label="Sube una imagen o PDF"),
+    outputs="text",
+    title="Tesseract OCR para Imágenes y PDFs",
+    description="Sube una imagen o un archivo PDF para extraer texto usando Tesseract OCR."
+)
+
+# Lanzar la interfaz
+iface.launch()