ajustado

app/services/ocr_service.py

@@ -14,40 +14,59 @@ UPLOAD_DIR = "app/static/uploads"
 TEXTS_DIR = "app/static/texts"
 
 def process_document(file_path: str) -> Dict[str, str]:
-    filename = os.path.basename(file_path)
+    """
-    base_name = os.path.splitext(filename)[0]
+    Processa um arquivo PDF ou imagem, aplica OCR com diferentes engines e salva os textos extraídos.
-    output_folder = os.path.join(TEXTS_DIR, base_name)
+    Retorna os textos por engine e o texto corrigido.
-    os.makedirs(output_folder, exist_ok=True)
 
-    images = []
+    Args:
-    if file_path.lower().endswith(".pdf"):
+        file_path (str): Caminho do arquivo a ser processado.
-        images = convert_from_path(file_path)
-    else:
-        images = [Image.open(file_path)]
 
-    results = {
+    Returns:
-        "tesseract": "",
+        Dict[str, str]: Dicionário com os textos por engine e o texto corrigido.
-        "easyocr": "",
+    """
-        "paddleocr": "",
+    try:
-        # "mmocr": ""
+        if not os.path.exists(file_path):
-    }
+            raise FileNotFoundError(f"Arquivo não encontrado: {file_path}")
 
-    for i, image in enumerate(images):
+        filename = os.path.basename(file_path)
-        temp_img_path = os.path.join(output_folder, f"page_{i}.png")
+        base_name = os.path.splitext(filename)[0]
-        image.save(temp_img_path)
+        output_folder = os.path.join(TEXTS_DIR, base_name)
+        os.makedirs(output_folder, exist_ok=True)
 
-        results["tesseract"] += ocr_tesseract(image) + "\n"
+        # Converte PDF para imagens ou carrega imagem única
-        results["easyocr"] += ocr_easyocr(temp_img_path) + "\n"
+        images = convert_from_path(file_path) if file_path.lower().endswith(".pdf") else [Image.open(file_path)]
-        results["paddleocr"] += ocr_paddleocr(temp_img_path) + "\n"
-        # results["mmocr"] += ocr_mmocr(temp_img_path) + "\n"
 
-        os.remove(temp_img_path)
+        results = {
+            "tesseract": "",
+            "easyocr": "",
+            "paddleocr": "",
+            # "mmocr": ""
+        }
 
-    for engine, text in results.items():
+        # Processa cada página/imagem
-        save_text_file(text, os.path.join(output_folder, f"{engine}.txt"))
+        for i, image in enumerate(images):
+            temp_img_path = os.path.join(output_folder, f"page_{i}.png")
+            image.save(temp_img_path)
 
-    corrected = correct_text(results["tesseract"])
+            results["tesseract"] += ocr_tesseract(image) + "\n"
-    save_text_file(corrected, os.path.join(output_folder, "corrigido.txt"))
+            results["easyocr"] += ocr_easyocr(temp_img_path) + "\n"
-    results["corrigido"] = corrected
+            results["paddleocr"] += ocr_paddleocr(temp_img_path) + "\n"
+            # results["mmocr"] += ocr_mmocr(temp_img_path) + "\n"
+
+            os.remove(temp_img_path)
+
+        # Salva os textos extraídos
+        for engine, text in results.items():
+            save_text_file(text, os.path.join(output_folder, f"{engine}.txt"))
+
+        # Aplica correção no texto do tesseract
+        corrected = correct_text(results["tesseract"])
+        save_text_file(corrected, os.path.join(output_folder, "corrigido.txt"))
+        results["corrigido"] = corrected
+
+        return results
+
+    except Exception as e:
+        print(f"[ERRO] Falha ao processar documento: {e}")
+        return {"error": str(e)}
 
-    return results

run.py

@@ -10,4 +10,4 @@ if __name__ == "__main__":
         create_default_user()
 
     print("Banco de dados criado com sucesso!")
-    app.run(debug=True)
+    app.run(debug=True, port=5003)