app.py

import gradio as gr
import subprocess
import logging
import tempfile
import os
import shutil

# Configurar logging
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')

def ejecutar_comando(comando, mensaje_exito="", mensaje_error=""):
    """Ejecuta un comando de shell y maneja errores."""
    try:
        resultado = subprocess.run(comando, shell=True, check=True, capture_output=True, text=True)
        if mensaje_exito:
            logging.info(f"{mensaje_exito}. Salida:\n{resultado.stdout}")
        return resultado.stdout
    except subprocess.CalledProcessError as e:
        error_message = f"{mensaje_error}. Error: {e}\nSalida de error:\n{e.stderr}"
        logging.error(error_message)
        raise RuntimeError(error_message)

def reparar_pdf(input_pdf, output_pdf):
    """Repara un PDF usando qpdf."""
    comando = f"qpdf --linearize '{input_pdf}' '{output_pdf}'"
    ejecutar_comando(
        comando,
        mensaje_exito="PDF reparado correctamente.",
        mensaje_error="Error al reparar el PDF."
    )

def convertir_pdf_a_compatible(input_pdf, output_pdf):
    """Convierte el PDF a un formato compatible usando pdftocairo."""
    comando = f"pdftocairo -pdf '{input_pdf}' '{output_pdf}'"
    ejecutar_comando(
        comando,
        mensaje_exito="PDF convertido a un formato compatible.",
        mensaje_error="Error al convertir el PDF a un formato compatible."
    )

def procesar_pdf_con_ocr(pdf_subido, idioma="spa"):
    """Procesa un PDF subido con OCR y devuelve la ruta del archivo procesado."""
    if not pdf_subido:
        raise gr.Error("No se subió ningún archivo.")

    try:
        # Copiar el archivo subido a un nombre seguro
        safe_input_pdf = tempfile.NamedTemporaryFile(delete=False, suffix=".pdf").name
        shutil.copy(pdf_subido.name, safe_input_pdf)

        reparado_pdf = tempfile.NamedTemporaryFile(delete=False, suffix=".pdf").name
        convertido_pdf = tempfile.NamedTemporaryFile(delete=False, suffix=".pdf").name
        output_pdf = tempfile.NamedTemporaryFile(delete=False, suffix=".pdf").name

        # Reparar el PDF
        reparar_pdf(safe_input_pdf, reparado_pdf)

        # Convertir el PDF a un formato compatible
        convertir_pdf_a_compatible(reparado_pdf, convertido_pdf)

        # Ejecutar OCR en el PDF convertido
        comando = f"ocrmypdf -l {idioma} --force-ocr --deskew --output-type pdf '{convertido_pdf}' '{output_pdf}'"
        logging.info(f"Ejecutando comando: {comando}")
        ejecutar_comando(
            comando,
            mensaje_exito="OCR completado correctamente.",
            mensaje_error="Error al ejecutar el OCR."
        )

        # Verificar que el archivo de salida se haya creado
        if not os.path.exists(output_pdf):
            raise gr.Error("El archivo procesado no se generó correctamente.")

        return output_pdf  # Ruta del archivo procesado
    except Exception as e:
        logging.error(f"Error al procesar el PDF: {e}")
        raise gr.Error(f"Ocurrió un error al procesar el archivo: {e}")

def interfaz_ocr():
    """Crea la interfaz Gradio para el flujo de OCR."""
    with gr.Blocks() as app:
        gr.Markdown("## Procesador de PDFs con OCR")

        archivo_pdf = gr.File(label="Sube tu archivo PDF")
        idioma_ocr = gr.Dropdown(["spa", "eng", "fra", "deu"], label="Idioma OCR", value="spa")
        boton_procesar = gr.Button("Procesar")

        salida_descarga = gr.File(label="Descargar PDF Procesado")

        def procesar_y_descargar(pdf_file, idioma):
            """Procesa el PDF subido y lo devuelve para descarga."""
            return procesar_pdf_con_ocr(pdf_file, idioma)

        boton_procesar.click(
            fn=procesar_y_descargar,
            inputs=[archivo_pdf, idioma_ocr],
            outputs=[salida_descarga],
        )

    return app

if __name__ == "__main__":
    interfaz_ocr().launch()