"""CLI silnika OCR. Komendy: ocr recognize [--lang pl|en] [--json] [--correct] ... ocr check-fabryka [--fabryka-model MODEL] """ from __future__ import annotations import argparse import json import sys from pathlib import Path from .config import OcrConfig from .pipeline import OcrEngine from .postprocess import TextCorrector def _build_parser() -> argparse.ArgumentParser: parser = argparse.ArgumentParser(prog="ocr", description="Silnik OCR (CRAFT + TrOCR)") sub = parser.add_subparsers(dest="command", required=True) # recognize rec = sub.add_parser("recognize", help="Rozpoznaj tekst z obrazu lub PDF") rec.add_argument("image", type=Path, help="Ścieżka do obrazu lub PDF") rec.add_argument("--lang", choices=["pl", "en"], default=None, help="Wymuś język") rec.add_argument("--json", action="store_true", help="Wyjście JSON") rec.add_argument("--no-deskew", action="store_true", help="Pomiń korektę pochylenia") rec.add_argument("--pages", default=None, help="Zakres stron PDF, np. '1-3,5' (domyślnie: wszystkie)") rec.add_argument("--dpi", type=int, default=300, help="DPI renderowania stron PDF") rec.add_argument("--correct", action=argparse.BooleanOptionalAction, default=None, help="Korekta tekstu przez Fabryka API (wymaga FABRYKA_API_KEY)") rec.add_argument("--correct-low-only", action=argparse.BooleanOptionalAction, default=None, help="Korekta tylko linii z confidence < --confidence-threshold") rec.add_argument("--confidence-threshold", type=float, default=None, help="Próg niskiego confidence (flaga w JSON / selektywna korekta)") rec.add_argument("--fabryka-model", default=None, help="Model Fabryka do korekty (domyślnie: bielik-11b-v3)") rec.add_argument("--device", choices=["auto", "cpu", "cuda"], default=None) rec.add_argument("--backend", choices=["trocr", "paddlevl", "kraken", "unlimitedocr", "auto"], default=None, help="Backend: trocr, paddlevl, kraken, unlimitedocr (pełna strona, CUDA), auto") rec.add_argument("--max-new-tokens", type=int, default=None, help="Limit wygenerowanych tokenów Unlimited-OCR (domyślnie 4096)") # Jev (TypeSafe AI) rec.add_argument("--jev-route", action=argparse.BooleanOptionalAction, default=None, help="Jev routing backendu (wymaga TYPESAFE_API_KEY)") rec.add_argument("--jev-score", action=argparse.BooleanOptionalAction, default=None, help="Jev scoring jakości linii OCR") rec.add_argument("--jev-validate", action=argparse.BooleanOptionalAction, default=None, help="Jev walidacja korekty Fabryka") rec.add_argument("--jev-quality-threshold", type=float, default=None, help="Próg jakości Jev (0-2) do flagowania linii") # check-fabryka chk = sub.add_parser("check-fabryka", help="Sprawdź połączenie z Fabryka API") chk.add_argument("--fabryka-model", default=None, help="Model do przetestowania (domyślnie: bielik-11b-v3)") return parser def _cmd_recognize(args) -> int: if not args.image.exists(): print(f"Plik nie istnieje: {args.image}", file=sys.stderr) return 2 config = OcrConfig.from_env() for arg, field in (("lang", "force_language"), ("correct", "correct_text"), ("correct_low_only", "correct_low_confidence_only"), ("confidence_threshold", "confidence_threshold"), ("fabryka_model", "fabryka_model"), ("device", "device"), ("backend", "recognizer_backend"), ("max_new_tokens", "unlimited_max_new_tokens"), ("jev_route", "jev_route_backend"), ("jev_score", "jev_score_lines"), ("jev_validate", "jev_validate_correction"), ("jev_quality_threshold", "jev_quality_threshold")): value = getattr(args, arg) if value is not None: setattr(config, field, value) if args.no_deskew: config.deskew = False if args.correct_low_only: config.correct_text = True if config.correct_low_confidence_only and config.confidence_threshold <= 0: raise ValueError("Selective correction requires confidence-threshold > 0") with OcrEngine(config) as engine: if args.image.suffix.lower() == ".pdf": results = engine.recognize_pdf(args.image, pages=args.pages, dpi=args.dpi) else: results = [engine.recognize(args.image)] if args.json: out = [r.to_dict(config.confidence_threshold) for r in results] print(json.dumps(out[0] if len(out) == 1 else out, ensure_ascii=False, indent=2)) else: for i, r in enumerate(results): if len(results) > 1: print(f"--- strona {r.page_number or i + 1} ---") print(r.text) return 0 def _cmd_check_fabryka(args) -> int: config = OcrConfig.from_env() if args.fabryka_model is not None: config.fabryka_model = args.fabryka_model corrector = TextCorrector(config) print(f"Endpoint: {corrector.base_url}") print(f"Model: {config.fabryka_model}") key = corrector.api_key if key: # pokaż tylko prefix ze względów bezpieczeństwa print(f"Klucz: {key[:12]}...{key[-4:]} (długość: {len(key)})") else: print("Klucz: BRAK (ustaw FABRYKA_API_KEY)") return 1 print() ok, msg = corrector.check_connection() if ok: print(f"[OK] {msg}") return 0 else: print(f"[FAIL] {msg}") return 1 def main(argv: list[str] | None = None) -> int: parser = _build_parser() args = parser.parse_args(argv) if args.command == "recognize": return _cmd_recognize(args) if args.command == "check-fabryka": return _cmd_check_fabryka(args) return 1 if __name__ == "__main__": raise SystemExit(main())