pdf-ocr 2.0.0

نرم‌افزار هوشمند استخراج اطلاعات از فایل‌های PDF اظهارنامه

📄 PDF OCR - استخراج اطلاعات از فایل‌های PDF اظهارنامه

نرم‌افزار هوشمند استخراج اطلاعات از فایل‌های PDF اظهارنامه با استفاده از هوش مصنوعی

🚀 دانلود • 📖 راهنما • ⚙️ تنظیمات • 📊 آمار

---

🎯 ویژگی‌های کلیدی

• ✅ استخراج هوشمند اطلاعات از فایل‌های PDF اظهارنامه
• ✅ رابط کاربری گرافیکی زیبا و کاربرپسند با PyQt6
• ✅ پشتیبانی از ChatGPT API (GPT-3.5 و GPT-4)
• ✅ تبدیل تاریخ میلادی به شمسی خودکار
• ✅ پردازش دسته‌ای فایل‌ها برای کاهش هزینه
• ✅ خروجی Excel با فرمت استاندارد
• ✅ آمار و گزارش دقیق از مصرف API
• ✅ بهینه‌سازی هزینه با کاهش مصرف توکن
• ✅ فونت‌های فارسی محلی (Segoe UI) برای سازگاری کامل

📋 اطلاعات استخراج شده

فیلد	توضیحات
ارز و مبلغ کل فاکتور	مبلغ کل فاکتور با ارز مربوطه

🚀 نصب و راه‌اندازی

پیش‌نیازها

• Python 3.8 یا بالاتر
• کلید API OpenAI

مراحل نصب

1. کلون کردن مخزن

git clone https://github.com/seyedmahdivakhshoori/pdf-ocr.git
cd pdf-ocr

2. ایجاد محیط مجازی

python -m venv venv
# Windows
venv\Scripts\activate
# Linux/Mac
source venv/bin/activate

3. نصب وابستگی‌ها

pip install -r requirements.txt

4. دریافت کلید API

• به OpenAI Platform بروید
• حساب کاربری ایجاد کنید
• از بخش API Keys، یک کلید جدید ایجاد کنید

5. اجرای برنامه

python pdf_ocr.py

📖 راهنمای استفاده

1. تنظیمات اولیه

• برنامه را اجرا کنید
• به تب تنظیمات بروید
• کلید API خود را وارد کنید
• مدل مورد نظر را انتخاب کنید (GPT-3.5 یا GPT-4)
• تنظیمات را ذخیره کنید

2. آپلود فایل‌ها

• به تب صفحه اصلی برگردید
• نوع فایل‌ها را انتخاب کنید (واردات/صادرات)
• روی انتخاب فایل‌های PDF کلیک کنید
• فایل‌های اظهارنامه را انتخاب کنید

3. پردازش

• روی شروع پردازش کلیک کنید
• منتظر بمانید تا پردازش کامل شود
• نتایج در جدول نمایش داده می‌شود

4. خروجی

• روی خروجی Excel کلیک کنید
• مسیر ذخیره فایل را انتخاب کنید
• فایل Excel با اطلاعات استخراج شده ذخیره می‌شود

⚙️ تنظیمات

مدل‌های پشتیبانی شده

• GPT-3.5-turbo: سریع و اقتصادی
• GPT-4: دقیق‌تر اما گران‌تر

بهینه‌سازی هزینه

• پردازش دسته‌ای فایل‌ها
• کاهش تعداد توکن‌های مصرفی
• فیلتر کردن متن‌های غیرضروری

📊 آمار و گزارش

برنامه آمار دقیقی از موارد زیر ارائه می‌دهد:

• کل فایل‌های پردازش شده
• تعداد توکن‌های مصرفی
• هزینه کل API
• آمار روزانه
• میانگین توکن‌ها

🛠️ ساختار پروژه

pdf-ocr/
├── pdf_ocr.py              # فایل اصلی برنامه
├── create_sample_pdf.py    # ایجاد فایل PDF نمونه
├── coords_config.json      # تنظیمات مختصات
├── requirements.txt        # وابستگی‌های Python
├── README.md              # راهنمای پروژه
├── .gitignore             # فایل‌های نادیده گرفته شده
├── fonts/                 # فونت‌های فارسی
│   ├── segoeui.ttf        # Segoe UI Regular
│   ├── segoeuib.ttf       # Segoe UI Bold
│   ├── segoeuii.ttf       # Segoe UI Italic
│   └── segoeuiz.ttf       # Segoe UI Bold Italic
└── your_first_sample.pdf  # فایل PDF نمونه

🔧 کلاس‌های اصلی

PersianDateConverter

تبدیل تاریخ میلادی به شمسی با دقت بالا

SettingsManager

مدیریت تنظیمات برنامه و آمار استفاده

PDFProcessor

پردازش فایل‌های PDF در thread جداگانه

MainWindow

رابط کاربری اصلی برنامه

📝 نمونه کد

ایجاد فایل PDF نمونه

python create_sample_pdf.py

اجرای برنامه اصلی

python pdf_ocr.py

🐛 عیب‌یابی

مشکلات رایج

1. خطای کلید API

   • کلید API را بررسی کنید
   • اطمینان حاصل کنید که اعتبار کافی دارید

2. خطای نصب PyQt6

   pip install PyQt6 --upgrade
   

3. مشکل فونت فارسی

   • فونت Segoe UI نصب باشد
   • سیستم عامل از RTL پشتیبانی کند

🤝 مشارکت

برای مشارکت در پروژه:

1. Fork کنید
2. Branch جدید ایجاد کنید (git checkout -b feature/AmazingFeature)
3. تغییرات را commit کنید (git commit -m 'Add some AmazingFeature')
4. Push کنید (git push origin feature/AmazingFeature)
5. Pull Request ایجاد کنید

📄 لایسنس

این پروژه تحت لایسنس MIT منتشر شده است. برای اطلاعات بیشتر فایل LICENSE را مطالعه کنید.

👨‍💻 توسعه‌دهنده

Seyed Mahdi Vakhshoori - [e-mail]

• GitHub: @seyedmahdivakhshoori
• Instagram: @mahdi_vakhshoori

🙏 تشکر

• OpenAI برای ارائه API
• PyQt6 برای رابط کاربری
• PyPDF2 برای پردازش PDF

📞 پشتیبانی

اگر سوال یا مشکلی دارید:

• ایجاد Issue
• ایمیل: [e-mail]

---

⭐ اگر این پروژه برایتان مفید بود، لطفاً ستاره بدهید!

# pdf-ocr