Create app.py

app.py

@@ -0,0 +1,92 @@
+import gradio as gr
+import os
+import pandas as pd
+import pdfplumber
+import re
+import fitz  # PyMuPDF
+import json
+
+files = [f for f in os.listdir("/Users/andreeabodea/") if f.endswith(".pdf")]
+print(files)
+
+"""
+Extract the text from a section of a PDF file  between 'wanted_section' and 'next_section'.
+Parameters: 
+- path (str): The file path to the PDF file.
+- wanted_section (str): The section to start extracting text from.
+- next_section (str): The section to stop extracting text at.
+Returns:
+- text (str): The extracted text from the specified section range.
+"""
+def get_section(path, wanted_section, next_section):
+    print(wanted_section)
+
+    # Open the PDF file
+    doc = pdfplumber.open(path)
+    start_page = []
+    end_page = []
+
+    # Find the all the pages for the specified sections
+    for page in range(len(doc.pages)):
+        if len(doc.pages[page].search(wanted_section, return_chars = False, case = False)) > 0:
+            start_page.append(page)
+        if len(doc.pages[page].search(next_section, return_chars = False, case = False)) > 0:
+            end_page.append(page)
+    print(max(start_page))
+    print(max(end_page))
+
+    # Extract the text between the start and end page of the wanted section
+    text = []
+    for page_num in range(max(start_page), max(end_page)):
+        page = doc.pages[page_num]
+        text.append(page.extract_text())
+    text = " ".join(text)
+    new_text = text.replace("\n", " ")
+    special_char_unicode_list = ["\u00e4", "\u00f6", "\u00fc", "\u00df"]
+    special_char_replacement_list = ["ae", "oe", "ue", "ss"]
+    for index, special_char in enumerate(special_char_unicode_list):
+        final_text = new_text.replace(special_char, special_char_replacement_list[index])
+    return final_text
+
+for file in files:
+
+    print("for each pdf file...")
+    path = "/Users/andreeabodea/" + file
+    pdf = pdfplumber.open(path)
+    print(path)
+
+    results_dict = {}
+    results_dict["2.1 Aktualisierte Einordnung des Moduls in das EZ-Programm"] = \
+        get_section(path, "2.1 Aktualisierte Einordnung des Moduls in das EZ-Programm", "2.2 Andere Entwicklungsmaßnahmen im konkreten Interventionsbereich des Moduls")
+    results_dict["2.1 Aktualisierte Einordnung des Moduls in das EZ-Programm"] = \
+        get_section(path,"2.1 Aktualisierte Einordnung des Moduls in das EZ-Programm", "2.2 Andere Entwicklungsmaßnahmen im konkreten Interventionsbereich des Moduls")
+    results_dict["2.2 Andere Entwicklungsmaßnahmen im konkreten Interventionsbereich des Moduls"] = \
+        get_section(path, "2.2 Andere Entwicklungsmaßnahmen im konkreten Interventionsbereich des Moduls", "3. Entwicklungen im Interventionsbereich")
+    results_dict["3. Entwicklungen im Interventionsbereich"] = \
+        get_section(path, "3. Entwicklungen im Interventionsbereich", "4.1 Bewertungen von Zielen, Zielgruppen, Wirkungshypothesen und Indikatoren")
+    results_dict["4.1 Bewertungen von Zielen, Zielgruppen, Wirkungshypothesen und Indikatoren"] = \
+        get_section(path, "4.1 Bewertungen von Zielen, Zielgruppen, Wirkungshypothesen und Indikatoren", "4.2 Umgesetzte Maßnahmen / Aktivitäten während des Berichtszeitraums")
+    results_dict["4.2 Umgesetzte Maßnahmen / Aktivitäten während des Berichtszeitraums"] = \
+        get_section(path, "4.2 Umgesetzte Maßnahmen / Aktivitäten während des Berichtszeitraums", "4.3 Umsetzung von Maßnahmen zur Sicherstellung der nachhaltigen Wirksamkeit")
+    results_dict["4.3 Umsetzung von Maßnahmen zur Sicherstellung der nachhaltigen Wirksamkeit des Vorhabens"] = \
+        get_section(path, "4.3 Umsetzung von Maßnahmen zur Sicherstellung der nachhaltigen Wirksamkeit", "4.4 Laufzeit und Zeitplan")
+    results_dict["4.4 Laufzeit und Zeitplan"] = \
+        get_section(path, "4.4 Laufzeit und Zeitplan", "4.5 Entstandene Kosten und Kostenverschiebungen")
+    results_dict["4.5 Entstandene Kosten und Kostenverschiebungen"] = \
+        get_section(path, "4.5 Entstandene Kosten und Kostenverschiebungen", "4.6 Bewertung der Wirkungen und Risiken")
+    results_dict["4.6 Bewertung der Wirkungen und Risiken"] = \
+        get_section(path, "4.6 Bewertung der Wirkungen und Risiken", "5. Übergeordnete Empfehlungen")
+    results_dict["5.1 Empfehlungen und Merkposten für den Politik- und Schwerpunktdialog"] = \
+        get_section(path, "5.1 Empfehlungen und Merkposten für den Politik- und Schwerpunktdialog", "5.2 Lernerfahrungen, die für die Länderstrategie und zukünftige EZ-Programme")
+    results_dict["5.2 Lernerfahrungen, die für die Länderstrategie und zukünftige EZ-Programme interessant sein könnten"] = \
+        get_section(path, "5.2 Lernerfahrungen", "6. Testat")
+    results_dict["6. Testat (TZ)"] = \
+        get_section(path, "6. Testat", "Anlage 1: Wirkungsmatrix des Moduls")
+
+    print(results_dict)
+
+    #json_string = json.dumps(results_dict, indent=4)
+    #print(json_string)
+
+# iface = gr.Interface(fn=get_section, inputs="text", outputs="text")
+# iface.launch()