Spaces:
Sleeping
Sleeping
Update app.py
Browse files
app.py
CHANGED
@@ -1,48 +1,35 @@
|
|
1 |
import re
|
|
|
2 |
|
|
|
|
|
|
|
3 |
def transform_text(input_text):
|
4 |
"""
|
5 |
تقوم هذه الدالة بتطبيق مجموعة من القواعد على النص المدخل
|
6 |
وتعيد النص المصحّح/المعدّل.
|
7 |
"""
|
8 |
|
9 |
-
#
|
10 |
-
# 1) إضافة علامة # بعد بعض الكلمات العامية المحددة:
|
11 |
-
# ايش/ويش/ليش/عشان/علشان/لسى/يالله/والله/يلا/يااه/اووه/همن/ثمن
|
12 |
-
# -------------------------------------
|
13 |
pattern_hash = r"\b(ايش|إيش|ويش|ليش|عشان|علشان|لسى|يالله|والله|يلا|يااه|اووه|همن|ثمن)\b"
|
14 |
input_text = re.sub(pattern_hash, r"\1#", input_text, flags=re.IGNORECASE)
|
15 |
|
16 |
-
# -------------------------------------
|
17 |
# 2) بعض التصحيحات الإملائية والفصيحة:
|
18 |
-
# -------------------------------------
|
19 |
-
# هذه بدل هاذي
|
20 |
input_text = re.sub(r"\bهاذي\b", "هذه", input_text)
|
21 |
-
# هؤلاء بدل هذول
|
22 |
input_text = re.sub(r"\bهذول\b", "هؤلاء", input_text)
|
23 |
-
# (أنتي|انتي) -> أنت
|
24 |
input_text = re.sub(r"\b(أنتي|انتي)\b", "أنت", input_text, flags=re.IGNORECASE)
|
25 |
-
# معاك -> معك
|
26 |
input_text = re.sub(r"\bمعاك\b", "معك", input_text)
|
27 |
-
# اللي -> الذي (قد تحتاج لسياق أكثر دقة لتحديد (التي) عند التأنيث)
|
28 |
input_text = re.sub(r"\bاللي\b", "الذي", input_text)
|
29 |
|
30 |
-
#
|
31 |
-
# 3) تصحيح بعض الهمزات الشائعة (تأكل، تأخذ)
|
32 |
-
# -------------------------------------
|
33 |
input_text = re.sub(r"\bتاكل\b", "تأكل", input_text)
|
34 |
input_text = re.sub(r"\bتاخذ\b", "تأخذ", input_text)
|
35 |
|
36 |
-
# -------------------------------------
|
37 |
# 4) إزالة همزة فعل الأمر (مثال مبسط: إذهب -> اذهب)
|
38 |
-
# -------------------------------------
|
39 |
pattern_amr = r"\bإ([ضذصثقفغعهخحجةشسيبلاتنم])(.*?)(\b)"
|
40 |
input_text = re.sub(pattern_amr, r"ا\1\2", input_text)
|
41 |
|
42 |
-
# -------------------------------------
|
43 |
# 5) تحويل الأسئلة إلى علامة استفهام بدلاً من النقطة
|
44 |
-
# (اعتماداً على كلمات استفهام شائعة)
|
45 |
-
# -------------------------------------
|
46 |
question_words = [
|
47 |
"كيف", "لماذا", "لمَ", "هل", "متى", "أين",
|
48 |
"أيش#", "ايش#", "ويش#", "ليش#", "وش", "ما", "من",
|
@@ -52,131 +39,111 @@ def transform_text(input_text):
|
|
52 |
pattern_q = rf"(\b{q_word}\b)\."
|
53 |
input_text = re.sub(pattern_q, rf"\1؟", input_text, flags=re.IGNORECASE)
|
54 |
|
55 |
-
#
|
56 |
-
# 6) تحويل الرقم 11 إلى "إحدى عشر" (مثال بسيط)
|
57 |
-
# -------------------------------------
|
58 |
-
# input_text = re.sub(r"\b11\b", "إحدى عشر", input_text)
|
59 |
-
|
60 |
-
# -------------------------------------
|
61 |
-
# 7) إزالة النقاط في نهاية الجمل
|
62 |
-
# -------------------------------------
|
63 |
input_text = re.sub(r"\.(\s|$)", r"\1", input_text)
|
64 |
|
65 |
-
#
|
66 |
-
# 8) استبدال التردّد أو التمتمة (آآ / آه / آ ...)
|
67 |
-
# بالرمز $ (وفق القاعدة الجديدة)
|
68 |
-
# -------------------------------------
|
69 |
-
# أمثلة: "آآ" أو "آه" أو "آ" إذا أتت منفردة أو متبوعة بمسافة أو فاصلة...
|
70 |
-
# طبعًا يمكنك توسيع النمط بحسب الحاجة.
|
71 |
pattern_stammer = r"\b(آآ+|آه+|آ)\b"
|
72 |
input_text = re.sub(pattern_stammer, " $", input_text)
|
73 |
|
74 |
-
#
|
75 |
-
# قد تلزمك معالجة مختلفة:
|
76 |
-
# input_text = re.sub(r"آآ+", "$", input_text)
|
77 |
-
|
78 |
-
# -------------------------------------
|
79 |
-
# 9) وضع علامة ~ بعد الكلمات الأعجمية
|
80 |
-
# (مثل كوميدينة -> كوميدينة~)
|
81 |
-
# وُرد في الأمثلة: كوميدينة، أجبورة...
|
82 |
-
# -------------------------------------
|
83 |
-
# لتبسيط المثال، نبحث عن كلمات معيّنة فقط.
|
84 |
foreign_words = ["كوميدينة", "أجبورة"]
|
85 |
for fw in foreign_words:
|
86 |
pattern_fw = rf"\b{fw}\b"
|
87 |
input_text = re.sub(pattern_fw, fw + "~", input_text, flags=re.IGNORECASE)
|
88 |
|
89 |
-
#
|
90 |
-
# 10) معالجة الضحك والبكاء البسيط:
|
91 |
-
# إذا وردت عبارة "ضحك بسيط" أو "بكاء خفيف"
|
92 |
-
# نجعلها بين قوسين مربعين: [ضحك بسيط] أو [بكاء خفيف]
|
93 |
-
# -------------------------------------
|
94 |
input_text = re.sub(r"\bضحك بسيط\b", "[ضحك بسيط]", input_text)
|
95 |
input_text = re.sub(r"\bبكاء خفيف\b", "[بكاء خفيف]", input_text)
|
96 |
|
97 |
-
# -------------------------------------
|
98 |
-
# يمكن إضافة/تطوير المزيد من القواعد بنفس الأسلوب...
|
99 |
-
# -------------------------------------
|
100 |
-
|
101 |
return input_text
|
102 |
|
|
|
|
|
|
|
103 |
|
104 |
def reformat_transcript(lines):
|
105 |
"""
|
106 |
-
|
107 |
-
|
108 |
-
|
109 |
-
|
110 |
-
|
111 |
-
|
112 |
-
|
113 |
-
|
|
|
|
|
|
|
|
|
|
|
114 |
"""
|
|
|
115 |
output_lines = []
|
116 |
i = 0
|
117 |
while i < len(lines):
|
118 |
line = lines[i].strip()
|
119 |
-
|
120 |
-
# نحاول التقاط التوقيت + الاسم في بداية السطر
|
121 |
-
# صيغة التوقيت: HH:MM:SS (ساعتان، دقيقتان، ثانيتان)
|
122 |
-
# بعده فراغ + اسم (قد يكون "المسجل"/"المشارك"/غيرهما)
|
123 |
-
match = re.match(r'^(\d{2}:\d{2}:\d{2})\s+(.+)$', line)
|
124 |
-
if match:
|
125 |
-
# إذا نجحت المطابقة؛ نستخرج التوقيت والاسم
|
126 |
-
time_code = match.group(1)
|
127 |
-
speaker = match.group(2).strip()
|
128 |
|
129 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
130 |
text_line = ""
|
131 |
if i+1 < len(lines):
|
132 |
-
text_line = lines[i+1].rstrip("\n")
|
133 |
else:
|
134 |
text_line = ""
|
135 |
|
136 |
-
#
|
137 |
text_line = transform_text(text_line)
|
138 |
|
139 |
-
#
|
140 |
-
|
141 |
-
formatted = f", ({speaker}) [{time_code}] {text_line}"
|
142 |
output_lines.append(formatted)
|
143 |
|
144 |
-
|
|
|
145 |
else:
|
146 |
-
# إذا لم
|
147 |
-
# فقد يكون سطرًا فارغًا أو خارج التنسيق المطلوب
|
148 |
-
# بإمكانك إما تجاهله أو إضافته كما هو
|
149 |
i += 1
|
150 |
|
151 |
return output_lines
|
152 |
|
153 |
-
|
154 |
-
|
155 |
-
|
156 |
-
|
157 |
def pipeline(raw_text):
|
158 |
"""
|
159 |
تأخذ ال��صّ المُدخل (كاملًا)، تفصّله سطرًا سطرًا،
|
160 |
ثم تعيد تنسيقه بالنمط المطلوب. تعيد الناتج كسلسلة نصية.
|
161 |
"""
|
162 |
-
# نحصل على الأسطر
|
163 |
lines = raw_text.splitlines()
|
164 |
-
# نُعيد التنسيق
|
165 |
reformatted_lines = reformat_transcript(lines)
|
166 |
-
# نجمعها في نص واحد للعرض
|
167 |
final_text = "\n".join(reformatted_lines)
|
168 |
return final_text
|
169 |
|
|
|
|
|
|
|
170 |
demo = gr.Interface(
|
171 |
fn=pipeline,
|
172 |
-
inputs=gr.Textbox(lines=10, placeholder="ألصق النص هنا..." , label="النص المفرغ"),
|
173 |
outputs=gr.Textbox(lines=10 , label="النص المعالج"),
|
174 |
-
title="تنسيق النص المفرغ وفق
|
|
|
175 |
)
|
176 |
|
177 |
##########################################################
|
178 |
-
# 5) تشغيل الواجهة
|
179 |
##########################################################
|
180 |
if __name__ == "__main__":
|
181 |
-
demo.launch()
|
182 |
-
|
|
|
1 |
import re
|
2 |
+
import gradio as gr
|
3 |
|
4 |
+
##########################################################
|
5 |
+
# 1) دالّة التصحيح اللغوي/الإملائي (كما في سؤالك السابق)
|
6 |
+
##########################################################
|
7 |
def transform_text(input_text):
|
8 |
"""
|
9 |
تقوم هذه الدالة بتطبيق مجموعة من القواعد على النص المدخل
|
10 |
وتعيد النص المصحّح/المعدّل.
|
11 |
"""
|
12 |
|
13 |
+
# 1) إضافة علامة # بعد بعض الكلمات العامية المحددة
|
|
|
|
|
|
|
14 |
pattern_hash = r"\b(ايش|إيش|ويش|ليش|عشان|علشان|لسى|يالله|والله|يلا|يااه|اووه|همن|ثمن)\b"
|
15 |
input_text = re.sub(pattern_hash, r"\1#", input_text, flags=re.IGNORECASE)
|
16 |
|
|
|
17 |
# 2) بعض التصحيحات الإملائية والفصيحة:
|
|
|
|
|
18 |
input_text = re.sub(r"\bهاذي\b", "هذه", input_text)
|
|
|
19 |
input_text = re.sub(r"\bهذول\b", "هؤلاء", input_text)
|
|
|
20 |
input_text = re.sub(r"\b(أنتي|انتي)\b", "أنت", input_text, flags=re.IGNORECASE)
|
|
|
21 |
input_text = re.sub(r"\bمعاك\b", "معك", input_text)
|
|
|
22 |
input_text = re.sub(r"\bاللي\b", "الذي", input_text)
|
23 |
|
24 |
+
# 3) تصحيح بعض الهمزات الشائعة
|
|
|
|
|
25 |
input_text = re.sub(r"\bتاكل\b", "تأكل", input_text)
|
26 |
input_text = re.sub(r"\bتاخذ\b", "تأخذ", input_text)
|
27 |
|
|
|
28 |
# 4) إزالة همزة فعل الأمر (مثال مبسط: إذهب -> اذهب)
|
|
|
29 |
pattern_amr = r"\bإ([ضذصثقفغعهخحجةشسيبلاتنم])(.*?)(\b)"
|
30 |
input_text = re.sub(pattern_amr, r"ا\1\2", input_text)
|
31 |
|
|
|
32 |
# 5) تحويل الأسئلة إلى علامة استفهام بدلاً من النقطة
|
|
|
|
|
33 |
question_words = [
|
34 |
"كيف", "لماذا", "لمَ", "هل", "متى", "أين",
|
35 |
"أيش#", "ايش#", "ويش#", "ليش#", "وش", "ما", "من",
|
|
|
39 |
pattern_q = rf"(\b{q_word}\b)\."
|
40 |
input_text = re.sub(pattern_q, rf"\1؟", input_text, flags=re.IGNORECASE)
|
41 |
|
42 |
+
# 6) إزالة النقاط في نهاية الجمل
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
43 |
input_text = re.sub(r"\.(\s|$)", r"\1", input_text)
|
44 |
|
45 |
+
# 7) استبدال التردّد أو التمتمة (آآ / آه / آ ...) بالرمز $
|
|
|
|
|
|
|
|
|
|
|
46 |
pattern_stammer = r"\b(آآ+|آه+|آ)\b"
|
47 |
input_text = re.sub(pattern_stammer, " $", input_text)
|
48 |
|
49 |
+
# 8) وضع علامة ~ بعد الكلمات الأعجمية (إن وجدت)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
50 |
foreign_words = ["كوميدينة", "أجبورة"]
|
51 |
for fw in foreign_words:
|
52 |
pattern_fw = rf"\b{fw}\b"
|
53 |
input_text = re.sub(pattern_fw, fw + "~", input_text, flags=re.IGNORECASE)
|
54 |
|
55 |
+
# 9) معالجة الضحك والبكاء البسيط
|
|
|
|
|
|
|
|
|
56 |
input_text = re.sub(r"\bضحك بسيط\b", "[ضحك بسيط]", input_text)
|
57 |
input_text = re.sub(r"\bبكاء خفيف\b", "[بكاء خفيف]", input_text)
|
58 |
|
|
|
|
|
|
|
|
|
59 |
return input_text
|
60 |
|
61 |
+
##########################################################
|
62 |
+
# 2) دالّة إعادة التنسيق للإدخال بالشكل الجديد
|
63 |
+
##########################################################
|
64 |
|
65 |
def reformat_transcript(lines):
|
66 |
"""
|
67 |
+
نتوقع الشكل:
|
68 |
+
[المتحدث 1] (0:00 - 0:02)
|
69 |
+
السلام عليكم.
|
70 |
+
|
71 |
+
[المتحدث 2] (0:02 - 0:05)
|
72 |
+
وعليكم السلام...
|
73 |
+
|
74 |
+
[المتحدث 1] (0:06 - 0:08)
|
75 |
+
الله يبقى شخبارا...
|
76 |
+
ونريد تحويله إلى:
|
77 |
+
, (المتحدث 1) [0:00 - 0:02] السلام عليكم.
|
78 |
+
, (المتحدث 2) [0:02 - 0:05] وعليكم السلام...
|
79 |
+
, (المتحدث 1) [0:06 - 0:08] الله يبقى شخبارا...
|
80 |
"""
|
81 |
+
|
82 |
output_lines = []
|
83 |
i = 0
|
84 |
while i < len(lines):
|
85 |
line = lines[i].strip()
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
86 |
|
87 |
+
# نحاول التقاط الصيغة: [المتحدث X] (0:00 - 0:02)
|
88 |
+
# تعبير نمطي مثل:
|
89 |
+
# ^\[(.*?)\]\s*\((.*?)\)$
|
90 |
+
# حيث:
|
91 |
+
# group(1) -> "المتحدث 1"
|
92 |
+
# group(2) -> "0:00 - 0:02"
|
93 |
+
pattern = r'^\[(.*?)\]\s*\((.*?)\)$'
|
94 |
+
match = re.match(pattern, line)
|
95 |
+
if match:
|
96 |
+
speaker = match.group(1) # "المتحدث 1"
|
97 |
+
time_range = match.group(2) # "0:00 - 0:02"
|
98 |
+
|
99 |
+
# السطر التالي متوقع أن يكون النص
|
100 |
text_line = ""
|
101 |
if i+1 < len(lines):
|
102 |
+
text_line = lines[i+1].rstrip("\n").strip()
|
103 |
else:
|
104 |
text_line = ""
|
105 |
|
106 |
+
# نطبّق التصحيح اللغوي على النص
|
107 |
text_line = transform_text(text_line)
|
108 |
|
109 |
+
# الصيغة المطلوبة: , (المتحدث 1) [0:00 - 0:02] النص
|
110 |
+
formatted = f", ({speaker}) [{time_range}] {text_line}"
|
|
|
111 |
output_lines.append(formatted)
|
112 |
|
113 |
+
# تجاوز سطرين: سطر المربع + سطر النص
|
114 |
+
i += 2
|
115 |
else:
|
116 |
+
# إذا لم يطابق، نتجاهل هذا السطر أو نحتفظ به (هنا نتجاهله)
|
|
|
|
|
117 |
i += 1
|
118 |
|
119 |
return output_lines
|
120 |
|
121 |
+
##########################################################
|
122 |
+
# 3) دالّة pipeline لتجميع العملية
|
123 |
+
##########################################################
|
|
|
124 |
def pipeline(raw_text):
|
125 |
"""
|
126 |
تأخذ ال��صّ المُدخل (كاملًا)، تفصّله سطرًا سطرًا،
|
127 |
ثم تعيد تنسيقه بالنمط المطلوب. تعيد الناتج كسلسلة نصية.
|
128 |
"""
|
|
|
129 |
lines = raw_text.splitlines()
|
|
|
130 |
reformatted_lines = reformat_transcript(lines)
|
|
|
131 |
final_text = "\n".join(reformatted_lines)
|
132 |
return final_text
|
133 |
|
134 |
+
##########################################################
|
135 |
+
# 4) إنشاء واجهة Gradio
|
136 |
+
##########################################################
|
137 |
demo = gr.Interface(
|
138 |
fn=pipeline,
|
139 |
+
inputs=gr.Textbox(lines=10, placeholder="ألصق النص هنا..." , label="النص المفرغ (الصيغة الجديدة)"),
|
140 |
outputs=gr.Textbox(lines=10 , label="النص المعالج"),
|
141 |
+
title="تنسيق النص المفرغ وفق الصيغة الجديدة",
|
142 |
+
description="ألصق النص بالصيغ: [المتحدث X] (0:00 - 0:02) في سطر، والسطر التالي هو محتواه."
|
143 |
)
|
144 |
|
145 |
##########################################################
|
146 |
+
# 5) تشغيل الواجهة مع رابط عام (إذا أمكن)
|
147 |
##########################################################
|
148 |
if __name__ == "__main__":
|
149 |
+
demo.launch(share=True)
|
|