Update app.py

app.py

@@ -2,22 +2,29 @@ import gradio as gr
 import pdfplumber
 from transformers import pipeline
 
-# Inicjalizacja modelu LayoutLM do ekstrakcji tekstu
-extractor = pipeline("ner", model="microsoft/layoutlmv3-base", aggregation_strategy="simple")
+# Lżejszy model NER
+extractor = pipeline("ner", model="xlm-roberta-large-finetuned-conll03", aggregation_strategy="simple")
 
 def extract_seller(pdf_file):
     with pdfplumber.open(pdf_file) as pdf:
-        text = "\n".join(page.extract_text() for page in pdf.pages if page.extract_text())
+        # Pobranie tekstu ze wszystkich stron
+        full_text = "\n".join(page.extract_text() for page in pdf.pages if page.extract_text())
 
-    # Przetwarzanie tekstu modelem NLP
-    entities = extractor(text)
+    # Podział na krótkie fragmenty (maks. 512 znaków, aby model działał szybciej)
+    chunks = [full_text[i:i+512] for i in range(0, len(full_text), 512)]
 
     seller_name = None
 
-    for entity in entities:
-        if "ORG" in entity["entity_group"]:  # Szukamy nazw organizacji
-            seller_name = entity["word"]
-            break  # Pobieramy pierwszą wykrytą firmę jako sprzedawcę
+    for chunk in chunks:
+        entities = extractor(chunk)
+
+        for entity in entities:
+            if "ORG" in entity["entity_group"]:  # Szukamy nazw organizacji
+                seller_name = entity["word"]
+                break  # Pobieramy pierwszą wykrytą firmę jako sprzedawcę
+
+        if seller_name:  # Jeśli znaleziono sprzedawcę, przerywamy pętlę
+            break
 
     return {"Sprzedawca": seller_name if seller_name else "Nie znaleziono"}