Update app.py

app.py

@@ -7,42 +7,43 @@ from transformers import pipeline
 extractor = pipeline("ner", model="dbmdz/bert-large-cased-finetuned-conll03-english", aggregation_strategy="simple")
 
 # Reguły do wykrywania NIP, kwot, dat
-nip_pattern = re.compile(r'\b\d{10}\b')  
-kwota_pattern = re.compile(r'\b\d+[\.,]?\d*\b')  
-data_pattern = re.compile(r'\b\d{2}\.\d{2}\.\d{4}\b')  
+nip_pattern = re.compile(r'\bPL\s?\d{10}\b|\b\d{10}\b')  # Polski NIP (z "PL" lub bez)
+kwota_pattern = re.compile(r'\b\d+[\.,]?\d*\b')  # Kwoty: np. 123.45 lub 123
+data_pattern = re.compile(r'\b\d{2}\.\d{2}\.\d{4}\b')  # Daty w formacie DD.MM.YYYY
+payment_keywords = ["data płatności", "termin płatności", "zapłata", "płatność"]
 
 def extract_invoice_data(pdf_file):
     with pdfplumber.open(pdf_file) as pdf:
         full_text = "\n".join(page.extract_text() for page in pdf.pages if page.extract_text())
 
-    # Szukamy danych w tekście
+    # Znalezienie nazw organizacji
     entities = extractor(full_text)
-    
     seller_name = []
-    seller_nip = None
-    items = []
-    total_amount = None
-    invoice_date = None
-
+    
     for entity in entities:
         if "ORG" in entity["entity_group"]:
-            seller_name.append(entity["word"])  # Zbieramy nazwę sprzedawcy
+            seller_name.append(entity["word"])
 
     # Znajdujemy wartości numeryczne dla NIP, kwot, dat
     seller_nip = nip_pattern.search(full_text)
-    invoice_date = data_pattern.search(full_text)
-
-    # **Naprawiamy błąd przetwarzania liczb**
     kwoty = kwota_pattern.findall(full_text)
-    kwoty = [float(k.replace(",", ".")) for k in kwoty if k.replace(",", ".").replace(".", "").isdigit()]  # Zamiana przecinka na kropkę
-
-    total_amount = max(kwoty) if kwoty else None  # Pobranie największej wartości jako całkowita kwota faktury
+    kwoty = [float(k.replace(",", ".")) for k in kwoty if k.replace(",", ".").replace(".", "").isdigit()]
+    total_amount = max(kwoty) if kwoty else None
+
+    # Szukamy daty płatności na podstawie kontekstu
+    payment_date = None
+    for line in full_text.split("\n"):
+        if any(keyword in line.lower() for keyword in payment_keywords):
+            date_match = data_pattern.search(line)
+            if date_match:
+                payment_date = date_match.group()
+                break
 
     return {
         "Sprzedawca": " ".join(seller_name) if seller_name else "Nie znaleziono",
         "NIP": seller_nip.group() if seller_nip else "Nie znaleziono",
-        "Data faktury": invoice_date.group() if invoice_date else "Nie znaleziono",
-        "Kwota całkowita": total_amount if total_amount else "Nie znaleziono"
+        "Kwota całkowita": total_amount if total_amount else "Nie znaleziono",
+        "Data płatności": payment_date if payment_date else "Nie znaleziono"
     }
 
 # Interfejs użytkownika w Hugging Face Spaces
@@ -51,7 +52,7 @@ iface = gr.Interface(
     inputs=gr.File(label="Wybierz plik PDF"),
     outputs="json",
     title="Ekstrakcja danych z faktury",
-    description="Prześlij plik PDF, a model zwróci dane sprzedawcy, NIP, kwotę i datę faktury."
+    description="Prześlij plik PDF, a model zwróci dane sprzedawcy, NIP, kwotę i datę płatności."
 )
 
 if __name__ == "__main__":