aap_tessaract

import pytesseract
from PIL import Image
import re
import gradio as gr

# OCR & Parsing Function
def extract_info_from_image(image):
    text = pytesseract.image_to_string(image, lang='hin+eng')
    
    def extract_data(text):
        data = {}
        data['क्रमांक'] = re.search(r'क्रमांक\s*[:\-]?\s*JS\s*(\d+)', text)
        data['पूरा नाम'] = re.search(r'पूरा नाम\s*[:\-]?\s*(.+)', text)
        data['लिंग'] = 'पुरुष' if '[x]' in text.split('पुरुष')[0][-3:] else 'महिला' if '[x]' in text.split('महिला')[0][-3:] else 'अन्य'
        data['उम्र'] = re.search(r'उम्र\s*[:\-]?\s*(\d+)', text)
        data['गांव'] = re.search(r'गांव\s*[:\-]?\s*(.+)', text)
        data['पंचायत'] = re.search(r'पंचायत\s*[:\-]?\s*(.+)', text)
        data['ब्लॉक'] = re.search(r'ब्लॉक\s*[:\-]?\s*(.+)', text)
        data['जिला'] = re.search(r'जिला\s*[:\-]?\s*(.+)', text)
        data['पिन कोड'] = re.search(r'पिन कोड\s*[:\-]?\s*(\d+)', text)
        data['मोबाइल नंबर'] = re.search(r'मोबाइल नंबर\s*[:\-]?\s*([\d०१२३४५६७८९]+)', text)

        preferences = {
            "चुनाव के माध्यम से": "चुनाव के माध्यम से",
            "PK ऐप चलव खोलकर": "PK ऐप चलव खोलकर",
            "संगठन में जिम्मेदारी लेकर": "संगठन में जिम्मेदारी लेकर",
            "डिजिटल वालंटियर बनकर": "डिजिटल वालंटियर बनकर"
        }
        support_methods = []
        for phrase in preferences:
            if '[x]' in text.split(phrase)[0][-3:]:
                support_methods.append(phrase)
        data['सहयोग के प्रकार'] = support_methods

        checklist = {
            "उद्देश्य बताया": "संस्थापक सदस्य को विस्तार से जन सुराज का उद्देश्य बताया",
            "कार्य और अधिकार बताए": "सदस्य को बताया गया कि उसके कार्य और अधिकारों से अवगत कराया",
            "कॉल बताया": "सदस्य को सहयोग के लिए संपर्क नंबर"
        }
        checklist_results = {}
        for key, phrase in checklist.items():
            match = re.search(rf'{re.escape(phrase)}\?\s*\[([x ])\]', text)
            checklist_results[key] = 'हाँ' if match and match.group(1).strip() == 'x' else 'नहीं'
        data['चेकलिस्ट'] = checklist_results

        for k, v in data.items():
            if isinstance(v, re.Match):
                data[k] = v.group(1).strip()
        return data

    extracted_info = extract_data(text)
    return extracted_info

# Gradio Interface
iface = gr.Interface(
    fn=extract_info_from_image,
    inputs=gr.Image(type="pil"),
    outputs="json",
    title="जन सुराज सदस्यता फॉर्म डेटा एक्सट्रैक्टर",
    description="Upload a scanned जन सुराज सदस्यता form and extract the information automatically using OCR."
)

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