Spaces:
Sleeping
Sleeping
Create app.py
Browse files
app.py
ADDED
@@ -0,0 +1,182 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
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",
|
49 |
+
"أين", "أيمكن", "أحقًا"
|
50 |
+
]
|
51 |
+
for q_word in question_words:
|
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, " $", input_text)
|
73 |
+
|
74 |
+
# إذا هناك حالة مثل "آآالبيت" (بدون مسافة) وتريد استبدال الجزء "آآ" فقط،
|
75 |
+
# قد تلزمك معالجة مختلفة:
|
76 |
+
# input_text = re.sub(r"آآ+", "$", 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", "[بك��ء 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 |
+
تأخذ قائمة الأسطر بالصيغة القديمة:
|
107 |
+
00:02:15 المسجل
|
108 |
+
السلام عليكم...
|
109 |
+
00:02:17 المشارك
|
110 |
+
وعليكم السلام...
|
111 |
+
وتعيدها بالشكل المطلوب:
|
112 |
+
, (المسجل) [00:02:15] السلام عليكم...
|
113 |
+
, (المشارك) [00:02:17] وعليكم السلام...
|
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 |
+
# نقرأ السطر التالي لافتراض أنه نص الحديث
|
130 |
+
text_line = ""
|
131 |
+
if i+1 < len(lines):
|
132 |
+
text_line = lines[i+1].rstrip("\n")
|
133 |
+
else:
|
134 |
+
text_line = ""
|
135 |
+
|
136 |
+
# يمكن هنا تطبيق أي تصحيحات على "text_line" لو أردت:
|
137 |
+
text_line = transform_text(text_line)
|
138 |
+
|
139 |
+
# نصنع السطر بالصيغة المطلوبة:
|
140 |
+
# , (المتكلم) [التوقيت] الكلام...
|
141 |
+
formatted = f", ({speaker}) [{time_code}] {text_line}"
|
142 |
+
output_lines.append(formatted)
|
143 |
+
|
144 |
+
i += 2 # تخطّى سطر الاسم والتوقيت + سطر النص
|
145 |
+
else:
|
146 |
+
# إذا لم يتطابق السطر مع صيغة "توقيت + اسم"
|
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 |
+
import gradio as gr
|
155 |
+
import re
|
156 |
+
|
157 |
+
def pipeline(raw_text):
|
158 |
+
"""
|
159 |
+
تأخذ النصّ 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 القواعد المطلوبة",
|
175 |
+
)
|
176 |
+
|
177 |
+
##########################################################
|
178 |
+
# 5) تشغيل الواجهة
|
179 |
+
##########################################################
|
180 |
+
if __name__ == "__main__":
|
181 |
+
demo.launch()
|
182 |
+
|