fcc516c9b3
- Integrar Tesseract OCR para leer PDFs escaneados automáticamente - Detectar automáticamente si el PDF tiene texto o requiere OCR - Agregar servicio ocr_service.py con funciones de OCR - Actualizar Dockerfile con tesseract-ocr, tesseract-ocr-spa y poppler-utils - Agregar variables de configuración OCR (OCR_ENABLED, OCR_LANGUAGE, OCR_DPI, OCR_TIMEOUT) - Crear endpoint de debug para ver texto extraído (/api/v1/debug/extract-text) - Agregar scripts de instalación y prueba (install_ocr.ps1, test_ocr.py, debug_pdf.ps1) - Documentación completa (OCR_SETUP.md, DOCKER_OCR.md, COMO_PROBAR.md) - Actualizar docker-compose.yml con variables de entorno OCR - Modificar pdf_text.py para usar OCR cuando sea necesario - Actualizar requirements.txt con pytesseract, Pillow, pdf2image
20 lines
362 B
Plaintext
20 lines
362 B
Plaintext
fastapi==0.109.0
|
|
uvicorn[standard]==0.27.0
|
|
python-multipart==0.0.6
|
|
pydantic==2.5.3
|
|
pydantic-settings==2.1.0
|
|
python-jose[cryptography]==3.3.0
|
|
bcrypt==4.1.2
|
|
PyMuPDF==1.23.21
|
|
pdfplumber==0.10.4
|
|
python-dotenv==1.0.0
|
|
pytest==7.4.4
|
|
pytest-asyncio==0.23.3
|
|
httpx==0.26.0
|
|
celery==5.3.6
|
|
redis==5.0.1
|
|
# OCR dependencies
|
|
pytesseract==0.3.10
|
|
Pillow==10.2.0
|
|
pdf2image==1.17.0
|