Update app.py

app.py

@@ -1,59 +1,22 @@
 import gradio as gr
 import pdfplumber
 import re
-from transformers import pipeline
+from transformers import LayoutLMForTokenClassification, LayoutLMTokenizerFast
 
-# Model do rozpoznawania nazw organizacji i wartości numerycznych
-extractor = pipeline("ner", model="kryman27/layoutlmv3-finetuned", aggregation_strategy="simple")
+# Wczytanie modelu LayoutLMv3
+model_name = "kryman27/layoutlmv3-finetuned"
+model = LayoutLMForTokenClassification.from_pretrained(model_name)
+tokenizer = LayoutLMTokenizerFast.from_pretrained(model_name)
 
 # Reguły do wykrywania NIP, kwot, dat
-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
+nip_pattern = re.compile(r'\bPL\s?\d{10}\b|\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')
 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())
 
-    # Znalezienie nazw organizacji
-    entities = extractor(full_text)
-    seller_name = []
-    
-    for entity in entities:
-        if "ORG" in entity["entity_group"]:
-            seller_name.append(entity["word"])
-
-    # Znajdujemy wartości numeryczne dla NIP, kwot, dat
-    seller_nip = nip_pattern.search(full_text)
-    kwoty = kwota_pattern.findall(full_text)
-    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",
-        "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
-iface = gr.Interface(
-    fn=extract_invoice_data,
-    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 płatności."
-)
-
-if __name__ == "__main__":
-    iface.launch()
+    # Tokenizacja danych z uwzględnieniem układu dokumentu
+    tokens = tokenizer(full_text, return_tensors="pt