H

app.py

@@ -22,37 +22,59 @@ def ejecutar_comando(comando):
         logger.error(error_message)
         raise RuntimeError(error_message)
 
+def reparar_pdf(input_pdf, output_pdf):
+    """Repara un PDF usando qpdf."""
+    comando = f"qpdf --linearize {shlex.quote(input_pdf)} {shlex.quote(output_pdf)}"
+    try:
+        ejecutar_comando(comando)
+    except RuntimeError as e:
+        raise gr.Error(f"Error al reparar el PDF: {e}")
+
+def simplificar_pdf(input_pdf, output_pdf):
+    """Simplifica un PDF usando Ghostscript."""
+    comando = f"gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/screen -dNOPAUSE -dBATCH -sOutputFile={shlex.quote(output_pdf)} {shlex.quote(input_pdf)}"
+    try:
+        ejecutar_comando(comando)
+    except RuntimeError as e:
+        raise gr.Error(f"Error al simplificar el PDF: {e}")
+
 def crear_pdf_con_texto_incrustado(pdf_original, archivo_salida, idioma="spa"):
     """Procesa un PDF con OCR usando OCRmyPDF."""
+    comando = f"ocrmypdf -l {idioma} --force-ocr --deskew --output-type pdf {shlex.quote(pdf_original)} {shlex.quote(archivo_salida)}"
     try:
-        comando = f"ocrmypdf -l {idioma} --force-ocr --deskew --output-type pdf {shlex.quote(pdf_original)} {shlex.quote(archivo_salida)}"
         ejecutar_comando(comando)
     except RuntimeError as e:
         raise gr.Error(f"Error al procesar el archivo con OCR: {e}")
 
 def flujo_principal(pdf_file, idioma="spa"):
-    """Procesa un PDF subido y realiza OCR."""
+    """Procesa un PDF subido con reparación, simplificación y OCR."""
     if not pdf_file:
         raise gr.Error("No se subió ningún archivo.")
 
-    # Utilizar la ruta proporcionada por el archivo subido
     input_pdf = pdf_file
-
-    # Crear un archivo temporal para la salida del OCR
-    with tempfile.NamedTemporaryFile(delete=False, suffix=".pdf") as temp_output:
-        output_pdf = temp_output.name
+    reparado_pdf = tempfile.NamedTemporaryFile(delete=False, suffix=".pdf").name
+    simplificado_pdf = tempfile.NamedTemporaryFile(delete=False, suffix=".pdf").name
+    output_pdf = tempfile.NamedTemporaryFile(delete=False, suffix=".pdf").name
 
     try:
+        # Reparar el PDF
+        reparar_pdf(input_pdf, reparado_pdf)
+
+        # Simplificar el PDF
+        simplificar_pdf(reparado_pdf, simplificado_pdf)
+
         # Procesar con OCR
-        crear_pdf_con_texto_incrustado(input_pdf, output_pdf, idioma)
+        crear_pdf_con_texto_incrustado(simplificado_pdf, output_pdf, idioma)
+
         return input_pdf, output_pdf
     except gr.Error as e:
         logger.error("Error durante el procesamiento del PDF.")
         raise e
     finally:
-        # Limpiar archivos temporales si es necesario
-        if os.path.exists(output_pdf):
-            os.remove(output_pdf)
+        # Limpiar archivos temporales
+        for temp_file in [reparado_pdf, simplificado_pdf]:
+            if os.path.exists(temp_file):
+                os.remove(temp_file)
 
 # Interfaz Gradio mejorada
 with gr.Blocks() as interfaz: