Update app.py

app.py

@@ -2,7 +2,7 @@ import gradio as gr
 import pdfplumber
 from transformers import pipeline
 
-# Lżejszy model NER (publicznie dostępny)
+# Model NER do rozpoznawania nazw organizacji
 extractor = pipeline("ner", model="dbmdz/bert-large-cased-finetuned-conll03-english", aggregation_strategy="simple")
 
 def extract_seller(pdf_file):
@@ -13,19 +13,21 @@ def extract_seller(pdf_file):
     # Podział tekstu na krótkie fragmenty (maks. 512 znaków)
     chunks = [full_text[i:i+512] for i in range(0, len(full_text), 512)]
 
-    seller_name = None
+    seller_tokens = []
 
     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
+                seller_tokens.append(entity["word"])
 
-        if seller_name:  # Jeśli znaleziono sprzedawcę, przerywamy pętlę
+        if seller_tokens:  # Jeśli znaleziono organizację, przerywamy pętlę
             break
 
+    # Łączymy tokeny w pełną nazwę organizacji
+    seller_name = " ".join(seller_tokens)
+
     return {"Sprzedawca": seller_name if seller_name else "Nie znaleziono"}
 
 # Interfejs użytkownika w Hugging Face Spaces