Upload 14 files

Dockerfile

@@ -1,16 +1,17 @@
-# استخدام صورة بايثون
+# استخدام صورة Python
 FROM python:3.8
 
 # تعيين مجلد العمل
 WORKDIR /app
 
-# نسخ الملفات
+# نسخ ملفات المشروع إلى الحاوية
 COPY backend/ backend/
 COPY frontend/ frontend/
 COPY requirements.txt requirements.txt
+COPY .env .env
 
-# تثبيت المكتبات
+# تثبيت المكتبات المطلوبة
 RUN pip install --no-cache-dir -r requirements.txt
 
-# تشغيل التطبيق
+# تشغيل التطبيق عند تشغيل الحاوية
 CMD ["uvicorn", "backend.main:app", "--host", "0.0.0.0", "--port", "7860"]

backend/main.py

@@ -1,31 +1,69 @@
-from fastapi import FastAPI, UploadFile, File
+from fastapi import FastAPI, UploadFile, File, Form
 from pydantic import BaseModel
-import fitz  # pymupdf لاستخراج النصوص من PDF
-import tika
-from tika import parser
+import shutil
 import os
 
-# تهيئة Tika
-tika.initVM()
+from backend.models import summarizer, image_captioning, qa_pipeline, translator, code_generator
+from backend.utils import extract_text_from_pdf, extract_text_from_document
 
-# إنشاء تطبيق FastAPI
 app = FastAPI()
 
-# نموذج لرفع الملفات
-class DocumentUpload(BaseModel):
-    filename: str
+UPLOAD_DIR = "uploads"
+os.makedirs(UPLOAD_DIR, exist_ok=True)
+
+class QARequest(BaseModel):
+    question: str
+    context: str
 
 @app.get("/")
 async def home():
     return {"message": "AI Web App is Running!"}
 
-# API لاستخراج النصوص من PDF
+# 1️⃣ استخراج النصوص من المستندات
 @app.post("/extract_text/")
 async def extract_text(file: UploadFile = File(...)):
-    contents = await file.read()
-    with open(file.filename, "wb") as f:
-        f.write(contents)
-    
-    parsed = parser.from_file(file.filename)
-    os.remove(file.filename)  # حذف الملف بعد المعالجة
-    return {"text": parsed["content"]}
+    file_path = f"{UPLOAD_DIR}/{file.filename}"
+    with open(file_path, "wb") as f:
+        shutil.copyfileobj(file.file, f)
+
+    text = extract_text_from_document(file_path)
+    os.remove(file_path)
+    return {"text": text}
+
+# 2️⃣ تلخيص المستندات
+@app.post("/summarize/")
+async def summarize_text(text: str = Form(...)):
+    summary = summarizer(text)
+    return {"summary": summary[0]['summary_text']}
+
+# 3️⃣ تحليل الصور وتوليد وصف لها
+@app.post("/image_caption/")
+async def caption_image(file: UploadFile = File(...)):
+    file_path = f"{UPLOAD_DIR}/{file.filename}"
+    with open(file_path, "wb") as f:
+        shutil.copyfileobj(file.file, f)
+
+    with open(file_path, "rb") as img:
+        image_bytes = img.read()
+
+    caption = image_captioning(image_bytes)
+    os.remove(file_path)
+    return {"caption": caption[0]['generated_text']}
+
+# 4️⃣ الإجابة على الأسئلة من النصوص
+@app.post("/qa/")
+async def answer_question(request: QARequest):
+    answer = qa_pipeline(request.question, request.context)
+    return {"answer": answer["answer"]}
+
+# 5️⃣ ترجمة المستندات
+@app.post("/translate/")
+async def translate_text(text: str = Form(...)):
+    translation = translator(text)
+    return {"translation": translation[0]['translation_text']}
+
+# 6️⃣ توليد أكواد التصور من أوامر نصية
+@app.post("/generate_code/")
+async def generate_code(prompt: str = Form(...)):
+    code = code_generator(prompt)
+    return {"code": code}

backend/models.py

@@ -0,0 +1,46 @@
+import os
+import requests
+from dotenv import load_dotenv
+
+# تحميل متغيرات البيئة
+HUGGING_FACE_API_KEY = os.environ.get("HUGGING_FACE_API_KEY")
+
+
+# دالة تلخيص النصوص
+def summarizer(text):
+    url = "https://api-inference.huggingface.co/models/facebook/bart-large-cnn"
+    headers = {"Authorization": f"Bearer {HUGGING_FACE_API_KEY}"}
+    payload = {"inputs": text}
+
+    response = requests.post(url, headers=headers, json=payload)
+    return response.json()
+
+# دالة توليد وصف الصور
+def image_captioning(image_bytes):
+    url = "https://api-inference.huggingface.co/models/nlpconnect/vit-gpt2-image-captioning"
+    headers = {"Authorization": f"Bearer {HUGGING_FACE_API_KEY}"}
+    
+    response = requests.post(url, headers=headers, files={"file": ("image.jpg", image_bytes, "image/jpeg")})
+    return response.json()
+
+# دالة الإجابة على الأسئلة
+def qa_pipeline(question, context):
+    url = "https://api-inference.huggingface.co/models/deepset/roberta-base-squad2"
+    headers = {"Authorization": f"Bearer {HUGGING_FACE_API_KEY}"}
+    payload = {"inputs": {"question": question, "context": context}}
+
+    response = requests.post(url, headers=headers, json=payload)
+    return response.json()
+
+# دالة الترجمة
+def translator(text):
+    url = "https://api-inference.huggingface.co/models/Helsinki-NLP/opus-mt-en-fr"
+    headers = {"Authorization": f"Bearer {HUGGING_FACE_API_KEY}"}
+    payload = {"inputs": text}
+
+    response = requests.post(url, headers=headers, json=payload)
+    return response.json()
+
+# دالة توليد كود التصور البياني
+def code_generator(prompt):
+    return f"import matplotlib.pyplot as plt\n# {prompt}"

backend/utils.py

@@ -0,0 +1,15 @@
+import fitz  # pymupdf لاستخراج النصوص من PDF
+from tika import parser
+
+# دالة لاستخراج النص من ملف PDF
+def extract_text_from_pdf(file_path):
+    doc = fitz.open(file_path)
+    text = ""
+    for page in doc:
+        text += page.get_text()
+    return text.strip()
+
+# دالة لاستخراج النصوص من أي مستند (PDF, DOCX, PPTX)
+def extract_text_from_document(file_path):
+    parsed = parser.from_file(file_path)
+    return parsed["content"]

frontend/index.html

@@ -8,8 +8,32 @@
 </head>
 <body>
     <h1>AI Web App</h1>
+
+    <!-- ✅ رفع المستندات -->
+    <h3>🔹 رفع مستند</h3>
     <input type="file" id="fileInput">
-    <button onclick="uploadFile()">Upload</button>
+    <button onclick="uploadFile('extract_text')">📄 استخراج النصوص</button>
+    <button onclick="uploadFile('image_caption')">🖼️ تحليل الصور</button>
+
+    <!-- ✅ إدخال نصوص -->
+    <h3>🔹 إدخال نص</h3>
+    <textarea id="textInput" rows="5" cols="50"></textarea><br>
+    <button onclick="processText('summarize')">📝 تلخيص</button>
+    <button onclick="processText('translate')">🌍 ترجمة</button>
+
+    <!-- ✅ إدخال سؤال + نص مرجعي -->
+    <h3>🔹 الإجابة عن الأسئلة</h3>
+    <textarea id="contextInput" rows="3" cols="50" placeholder="أدخل النص المرجعي"></textarea><br>
+    <input type="text" id="questionInput" placeholder="أدخل سؤالك">
+    <button onclick="askQuestion()">❓ إجابة على سؤال</button>
+
+    <!-- ✅ إدخال طلب لتوليد كود تصور بياني -->
+    <h3>🔹 توليد كود التصور البياني</h3>
+    <input type="text" id="codeInput" placeholder="أدخل وصفًا للرسم البياني">
+    <button onclick="generateCode()">📊 توليد كود</button>
+
+    <!-- ✅ منطقة عرض النتائج -->
+    <h3>🔹 النتيجة</h3>
     <pre id="output"></pre>
 
     <script src="script.js"></script>

frontend/script.js

@@ -1,20 +1,79 @@
-async function uploadFile() {
+async function uploadFile(endpoint) {
     const fileInput = document.getElementById("fileInput");
     const file = fileInput.files[0];
-    
+
     if (!file) {
-        alert("Please select a file first.");
+        alert("يرجى اختيار ملف أولاً.");
         return;
     }
 
     const formData = new FormData();
     formData.append("file", file);
 
-    const response = await fetch("http://127.0.0.1:8000/extract_text/", {
+    const response = await fetch(`http://127.0.0.1:8000/${endpoint}/`, {
+        method: "POST",
+        body: formData
+    });
+
+    const data = await response.json();
+    document.getElementById("output").innerText = JSON.stringify(data, null, 2);
+}
+
+async function processText(endpoint) {
+    const text = document.getElementById("textInput").value;
+
+    if (!text) {
+        alert("يرجى إدخال نص أولاً.");
+        return;
+    }
+
+    const formData = new FormData();
+    formData.append("text", text);
+
+    const response = await fetch(`http://127.0.0.1:8000/${endpoint}/`, {
+        method: "POST",
+        body: formData
+    });
+
+    const data = await response.json();
+    document.getElementById("output").innerText = JSON.stringify(data, null, 2);
+}
+
+async function askQuestion() {
+    const context = document.getElementById("contextInput").value;
+    const question = document.getElementById("questionInput").value;
+
+    if (!context || !question) {
+        alert("يرجى إدخال كل من النص المرجعي والسؤال.");
+        return;
+    }
+
+    const response = await fetch("http://127.0.0.1:8000/qa/", {
+        method: "POST",
+        headers: { "Content-Type": "application/json" },
+        body: JSON.stringify({ context: context, question: question })
+    });
+
+    const data = await response.json();
+    document.getElementById("output").innerText = JSON.stringify(data, null, 2);
+}
+
+async function generateCode() {
+    const prompt = document.getElementById("codeInput").value;
+
+    if (!prompt) {
+        alert("يرجى إدخال وصف للرسم البياني.");
+        return;
+    }
+
+    const formData = new FormData();
+    formData.append("prompt", prompt);
+
+    const response = await fetch("http://127.0.0.1:8000/generate_code/", {
         method: "POST",
         body: formData
     });
 
     const data = await response.json();
-    document.getElementById("output").innerText = data.text;
+    document.getElementById("output").innerText = JSON.stringify(data, null, 2);
 }

frontend/style.css

@@ -0,0 +1,26 @@
+body {
+    font-family: Arial, sans-serif;
+    text-align: center;
+    background-color: #f4f4f4;
+    margin: 20px;
+}
+
+h1 {
+    color: #333;
+}
+
+input, button {
+    padding: 10px;
+    margin: 10px;
+    font-size: 16px;
+}
+
+pre {
+    background: white;
+    padding: 10px;
+    border-radius: 5px;
+    text-align: left;
+    max-width: 600px;
+    margin: 20px auto;
+    box-shadow: 0px 0px 10px rgba(0, 0, 0, 0.1);
+}