feat: Add Dockerfile, app.py, docker-compose.yml, pdf_to_word.py, and requirements.txt- Add Dockerfile for setting up a Python environment- Add app.py for a Flask application to upload PDF files- Add docker-compose.yml for containerizing the Flask app- Add pdf_to_word.py for converting PDF to Word using pytesseract- Add requirements.txt with necessary dependencies

.gitignore

@@ -1,140 +0,0 @@
-# ---> Python
-# Byte-compiled / optimized / DLL files
-__pycache__/
-*.py[cod]
-*$py.class
-
-# C extensions
-*.so
-
-# Distribution / packaging
-.Python
-build/
-develop-eggs/
-dist/
-downloads/
-eggs/
-.eggs/
-lib/
-lib64/
-parts/
-sdist/
-var/
-wheels/
-share/python-wheels/
-*.egg-info/
-.installed.cfg
-*.egg
-MANIFEST
-
-# PyInstaller
-#  Usually these files are written by a python script from a template
-#  before PyInstaller builds the exe, so as to inject date/other infos into it.
-*.manifest
-*.spec
-
-# Installer logs
-pip-log.txt
-pip-delete-this-directory.txt
-
-# Unit test / coverage reports
-htmlcov/
-.tox/
-.nox/
-.coverage
-.coverage.*
-.cache
-nosetests.xml
-coverage.xml
-*.cover
-*.py,cover
-.hypothesis/
-.pytest_cache/
-cover/
-
-# Translations
-*.mo
-*.pot
-
-# Django stuff:
-*.log
-local_settings.py
-db.sqlite3
-db.sqlite3-journal
-
-# Flask stuff:
-instance/
-.webassets-cache
-
-# Scrapy stuff:
-.scrapy
-
-# Sphinx documentation
-docs/_build/
-
-# PyBuilder
-.pybuilder/
-target/
-
-# Jupyter Notebook
-.ipynb_checkpoints
-
-# IPython
-profile_default/
-ipython_config.py
-
-# pyenv
-#   For a library or package, you might want to ignore these files since the code is
-#   intended to run in multiple environments; otherwise, check them in:
-# .python-version
-
-# pipenv
-#   According to pypa/pipenv#598, it is recommended to include Pipfile.lock in version control.
-#   However, in case of collaboration, if having platform-specific dependencies or dependencies
-#   having no cross-platform support, pipenv may install dependencies that don't work, or not
-#   install all needed dependencies.
-#Pipfile.lock
-
-# PEP 582; used by e.g. github.com/David-OConnor/pyflow
-__pypackages__/
-
-# Celery stuff
-celerybeat-schedule
-celerybeat.pid
-
-# SageMath parsed files
-*.sage.py
-
-# Environments
-.env
-.venv
-env/
-venv/
-ENV/
-env.bak/
-venv.bak/
-
-# Spyder project settings
-.spyderproject
-.spyproject
-
-# Rope project settings
-.ropeproject
-
-# mkdocs documentation
-/site
-
-# mypy
-.mypy_cache/
-.dmypy.json
-dmypy.json
-
-# Pyre type checker
-.pyre/
-
-# pytype static type analyzer
-.pytype/
-
-# Cython debug symbols
-cython_debug/
-

Dockerfile

@@ -0,0 +1,22 @@
+FROM python:3.10
+
+# Set the working directory in the container
+WORKDIR /app
+
+# Install poppler-utils for pdf2image
+RUN apt-get update && apt-get install -y poppler-utils \
+  && apt-get -y install tesseract-ocr
+
+
+# Copy the current directory contents into the container at /app
+COPY . /app
+
+# Install any needed packages specified in requirements.txt
+RUN pip install -r requirements.txt
+
+# Make port 5000 available to the world outside this container
+EXPOSE 5000
+
+# Run app.py when the container launches
+CMD ["python", "app.py"]
+

app.py

@@ -0,0 +1,39 @@
+from flask import Flask, request, send_from_directory, abort
+import os
+from pdf_to_word import pdf_to_word
+import logging
+
+# Configure logging
+logging.basicConfig(level=logging.DEBUG, filename='/app/logs/app.log', filemode='w',
+                    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')
+
+app = Flask(__name__)
+UPLOAD_FOLDER = '/app/uploads'
+OUTPUT_FOLDER = '/app/outputs'
+
+if not os.path.exists(UPLOAD_FOLDER):
+    os.makedirs(UPLOAD_FOLDER)
+if not os.path.exists(OUTPUT_FOLDER):
+    os.makedirs(OUTPUT_FOLDER)
+
+@app.route('/upload-pdf', methods=['POST'])
+def upload_pdf():
+    file = request.files['file']
+    if file and file.filename.endswith('.pdf'):
+        pdf_path = os.path.join(UPLOAD_FOLDER, file.filename)
+        file.save(pdf_path)
+        logging.info(f'File uploaded and saved to {pdf_path}')
+        output_path = pdf_to_word(pdf_path, OUTPUT_FOLDER, lang='fas+eng')
+        if output_path:
+            logging.info(f'Sending file {output_path}')
+            return send_from_directory(OUTPUT_FOLDER, os.path.basename(output_path), as_attachment=True)
+        else:
+            logging.error('Conversion failed.')
+            abort(500, 'Conversion failed.')
+    else:
+        logging.warning('Invalid file type or no file uploaded.')
+        abort(400, 'Invalid file type or no file uploaded.')
+
+if __name__ == '__main__':
+    app.run(debug=True, host='0.0.0.0', port=5000)
+

docker-compose.yml

@@ -0,0 +1,16 @@
+version: '3.8'
+
+services:
+  pdf-converter:
+    build: .
+    ports:
+      - "4000:5000"
+    volumes:
+      - ./uploads:/app/uploads
+      - ./outputs:/app/outputs
+      - ./logs:/app/logs
+     
+    environment:
+      - FLASK_ENV=development
+      - FLASK_APP=app.py
+      - TESSDATA_PREFIX=/app/tessdata

logs/pdf_to_word.log

@@ -0,0 +1,318 @@
+werkzeug - WARNING -  * Debugger is active!
+werkzeug - INFO -  * Debugger PIN: 753-842-989
+root - INFO - File uploaded and saved to /app/uploads/np11.pdf
+root - INFO - Starting conversion for /app/uploads/np11.pdf
+root - INFO - Converted PDF to images, number of pages: 4
+root - DEBUG - Extracted text from page 1
+root - INFO - 
+------Page 1------
+Van Aarsen
+
+ماشین‌های پلت مدل ‎C‏ و ‎CU‏
+
+نسل جدید ماشین‌های پلت
+علاوه بر ماشین پلت ‎LC Joe‏ که امتحان خود را در صنعت خوراک پس داده است. شرکت ‎5B‏ آرسن به‌انازگی مدل جدیدی از ماشین‌های پلت را با
+عنوان ‎CU‏ معرفی نموده است:ماشین مدل ‎CU‏ که دارای آخرین تکنولوزی :در ‎die‏ پلت‌سازی می‌باشد:در دو نوع ‎aly‏ وادینامیکی ارائه: شده است:
+
+نوع دینامیکی ماشین مدل لاح مجهز به تنظیم‌گر غلتک موتوری و کنترل کننده‌ی فعال لغزش غلتک می‌باشد. طراحی مستحکم تنظیم گر غلتک
+موتوری به اپراتور این امکان را می‌دهد. تا حتی در زمان کار دستگاه به سادگی فاصله‌ی دلخواه بین غلتک و دای را انتخاب نماید. این سیستم
+همراه با نرم افزار هوشمند ‎wot‏ مزایای زیادی را در فرایند ساخت و برنامه‌های تعمیر و نگهداری ارائه می‌کند.
+
+یکی از این مزایاء افزایش طول عمر دای و غلتک به میزان ۳۰۹۵ است. با ایجاد ارتباط بین پیچ دوزینگ و ‎(SHE‏ زمانی که ماشین پلت تولید نداردء
+غلتک به عقب کشیده می‌شود. این سیستم» مجهز به یک گزینه‌ی حالت تمیزکاری دای می‌باشد که اپراتور را قادر می‌سازد پس از ساخت هر @
+دای را تمیز نماید. این امر ‎wile‏ از کلوخه شدن مواد در سطح داخلی دای شده و در نتیجه پس از هر توقف, دستگاه به سرعت به فرایند تولید باز
+می‌گردد.
+
+کنترل کننده‌ی فعال لغزش غلتک. سیستمی هوشمند می‌باشد که به منظور بهینه‌سازی سرعت تولید ماشین پلت طراحی شده است. این سیستم
+با شناسایی حرکت لغزشی غلتک به صورت خودکار فعال شده و مانع از خاموشی دستگاه به علت بروز لغزش در غلتک می گردد.
+
+۹ ارس ‌ژی_وارصوفضی
+‎W‏
+
+هدف ما سلامتی
+نماینده انحصاری در ابران
+‎www.ParsJivarSoufi.com‏
+‎PJS@ParsSoufi.com‏
+
+تلفن: ۰ ۸۸۰۶۴۴۲۶-۸
+
+فکس : ۵
+
+------*------
+
+root - DEBUG - Extracted text from page 2
+root - INFO - 
+------Page 2------
+کْوْع»
+
+VanAarsen
+
+پلت‌های خوراک دام پس از طی پروسه‌ی آسیاب. مخلوط کردن و فرآوری پخت مواد ‎adsl‏ (کاندیشنینگ»» با قطر و
+سختی‌های مختلف تولید می‌شوند. ماشین‌های پلت مدل ۴ و لاح فن آرسن قابلیت تولید خوراک تا ظرفیت ۶۰ تن
+بر ساعت را با توجه به پارامترهای مختلف دارا می‌باشد. هزینه‌های عملیاتی این دستگاه‌ها که ‎Joli‏ هزینه‌های دای
+غلتک و قطعات در معرض سایش بوده بسیار اندک می‌باشد و می‌تواند تا مقدار یک یورو به ازای هر تن کاهش ‎ab‏
+‏مدل‌ها
+
+‎as Lon is . nes lock cd .C600 (£500‏
+‎CU900 «ass CU750‏ پایه و ‎CU900XL‏ 4 امکان ساخت ‎pled‏ بخش‌های در تماس با محصول از جنس استیل ضد زنگ
+
+‏ویزگی ها ومزایا ‎ried‏ استیل - ‎(5S‏ = اختباری
+
+‏4 سیستم انتقال قدرت دو مرحله‌ای که امکان به کارگیری سوعت‌های مختلف را با
+
+‏یک موتور فراهم می‌کند
+4 تنظیم هیدرولیک غلتک (اختیاری) برای انعطاف پذیری بیشتر و تنظیمات دقیق
+
+‏فرمول مبتنی بر دستورالعمل
+
+‎ry 4‏ با کیفیت خوب پات
+
+‏4 سطح موثر بزرگ دای برای به حداکثر رساندن ظرفیت تولید
+۸ و ی ریک سگم یرای پا و رساندن ظرفیت تولید
+
+‏ظرفیت ‎gon ۹/۳ GE guration oo‏ بر ‎oi wal‏ د کات هام امه ‎us‏ ۴ ا ی
+4 دارای قاب - بلیت کنتر ل‌ف رکانس موتور برای تن تنظیم سرعت براساس دستورالعمل محصول ‎ig b‏ ۹ > 2 ۱ (حداکثر ‎Eo pai al a pl‏
+ه. وجود مسیر فرعی در ورودی به منظور جلوگیری از اعمال بار اضافی به دررنگاه ‏ 4 امگان تنظیم میزان چربی ‎SL‏ اختیاری :
+۵5 فرع در موارد ترلید ام ‎ie don‏ ۶.۷ ۱ ۱.7 4 بهبود خواص فیزیکی (سختی و پایداری) و شیمیایی (ژلاتینه کردن» حذف میکروب‌های
+» وجود مسیر فرعی در موارد تولید مش 63512( شده به منظور بازگردانی آن 1 ۹ ۹ ‎i‏ 1 ”=
+به چرخه‌ی ‎Ji‏ ال ‎ok‏ = بیماری زا 9 پلت‌هاء با ایجاد تناسب بین دستورالعمل خوراک 9 ساختار دای
+۱ امکان پذیر می‌باشد.
+
+‎ed 4‏ بالای ماس و وجوه یگ نمایش ۲ اینچی در 4 امکان اضافه نمودن سیستم پاشش مایعات ‎(cascade liquid coater)‏ روی پلت‌های
+
+‏کنترل اپراتور (صفحه نمایش ‎۹٩‏ اینچیسه اختیاری)
+4 امکان مشاهده‌ی این صفحه بر روی یک کامپیوتر در اتاق اپراتور وایا ‎Es)‏ و
+4 امکان مشاهده‌ی تغییرات پارامترهای ختلف مانان پار دستگاه» ‎J cles‏ 4 امکان ایزوله ‎oF‏ و ‎L‏ حرارت‌دهی درب دستگاه برای تولید بهداشتی سه اختیاری
+ظرفیت دستگاه و ثبت آن‌ها در طول زمان 4 سیستم هوای داغ بهداشتی برای جلوگیری از چگالش و خشک کردن سریع محصولات
+پس از تولید سسه اختیاری
+
+‏داغ سه اختیاری
+
+‏4 رو اسان وی ترا هی مان انیت ‎BE‏
+
+‏4 . کاهش زمان ‎i‏ تسیر وتگهداری بهدلبل ساختا, مستحکم دستگاه 4 طراحی ارگونومیک و کم جاگیر همراه با یک بالابر یکپارچه. جهت تعویض دای
+4 روانکاری خودکار یاتاقان‌های غلتشی و بیرینگ‌های شفت اصلی « بالابر موتوری برای دای و غلتک‌ها (برای مدل‌های ‎CU750 «£750 £600 (C500‏
+» سیستم تعویض و جایگذاری سریع دای (زمان تقریبی تعویض دای» ۲۵ دقیقه ‎mn‏ به صورت اختیاری و برای مدل‌های ‎C900XL CU9OOXL ۴1900 C900‏
+می‌باشد) به صورت استاندارد)
+4 تکیه‌گاه مخروطی دای به همراه حلقه‌ی نگهدارنده‌ی مقاوم به سایش 4 دسترسی آسان و ایمن از طریق درب بزرگ دستگاه
+طراحی و عمر بالا 4 وجود جعبه ابزار برای تعویض ‎lol‏ دای و غلتک‌ها
+4 نگهدارنده‌ی دای به همراه تکیه‌گاه حلقه‌ای مقاوم به سایش 4 وجود دستگاه چرخش ‎wal‏ بر روی نگهدارنده‌ی ‎ls‏ برای تعویض و جایگذاری
+4 وجود آهنربا در قیف ورودی برای حفاظت از دستگاه اسان و صحیح دای سم اختیاری
+4 وجود یک پین که در حالت بیش‌بار» شکسته شده و با قطع جریان مانع از 4 وجود عایق صدا برای دستگاه
+بروز آسیب به اجزای دستگاه ‎go‏ شود. 4 طراحی و ساخت دستگاه منطبق بر استانداردهای ایمنی ‎CE‏ و ‎ATEX‏
+
+‏طراحی مستحکم و استفاده از مواد باکیفیت در ساخت
+4 وجود بیرینگ‌های مستحکم همراه با شفت فورج شده
+‎of‏ درب ساخته شده از جنس استیل ضد زنگ (استنلس استیل- 55) به منظور
+رد ‎lam sl‏ خوردگی و به حداقل رساندن آلودگی
+
+‏4 اطلاعات ارائه‌شده در این سند.ء هیچ‌گونه حقی را برای خربدار آبچاد نمی‌کند. توضیحات ۳۳
+
+
+------*------
+
+root - DEBUG - Extracted text from page 3
+root - INFO - 
+------Page 3------
+VanAarsen
+
+3ینامیکی علاوه بر ویژگی‌های دستگاه‌های ‎wl CU 3 C Joe‏ دارای مزایای ‎Jd‏ می‌باشد:
+
+تنظیم گر غلتک موتوری: این تجهیز امکان کاربری آسان دستگاه را به همراه سایش کمتر در دای و غلتک‌ها فراهم کرده
+و شرایط فرآوری را برای هر دستورالعمل,ء متناسب با نوع محصول بهینه می‌سازد.
+
+‎e‏ کنترل کننده‌ی فعال لغزش غلتک: این سیستم» فرآیندی بدون دردسر را در ساخت پلت فراهم آورده و امکان بهینه سازی
+فرآیند تولید برای تمامی دستورالعمل‌ها را مهیا می‌نماید.
+
+‏عملکرد بهینه‌ی مدل ‎CU‏ دینامیکی: حداقل نیروی انسانی و کمترین هزینه‌های عملیاتی
+
+‏مدل‌ها
+‎CU750‏ دینامیکی. 900 دینامیکی و )(900ا دینامیکی
+ویژگی‌ها و مزایا ربری آسان و ایمن ۱
+ظرفیت بالا 4 افزایش ‎cols,‏ اپراتور و کاربری آسان
+
+‎of‏ اسیستم فعال تشخیص لغش غلتکء ‎dy‏ صورت خودکار ‎pile‏ از بروز انسداد @ اعلام هشدار در زمان نیاز به صفر کردن فاصله‌ی بین غلتک‌ها
+
+‏در دای و کاهش زمان اتلافی ناشی از وقغفه در فرآیند می‌شود. @ اعلام هشدار در زمان نیاز به تنظیم یکی از غلتک‌ها
+قابلیت شناسایی بروز لغش فر هریک از غلتک‌ها: @ ‎Ll‏ هدفمند مشکلات دستگاه در زمان بروز خطا. دلایل بروز خطا به
+@ پس: از شناسایی لغزش, غلنک‌ها به سمت یکدیگر حرکت کرده» به. تنظیم سرعت مشخص شده و روشی برای حل ارائه می‌شود.
+اولیه برگشته و به:اپراتور اطلاع داده می شود عدم ن نیاز به باز ز کردن دستگاه برای رفع مشکلات ‎Of‏
+‏@ در حالت بروز مداوم لغزش» ورود محصول متوقف و به اپراتور هشدار داده می‌شود. نش
+4 این سیستم مجهزبه یک گزینه‌ی ‎Cl‏ تمیزکاری دای می‌باشد که اپراتور 4 سیستم تنظیم غلتک مکانیکی از قطعات مکانیکی مستحکمی تشکیل شده
+را قادر می‌سازدپس از ساخت هر بچء دای را تمیز تماید. این امر مانع از کلوخه است و امکان بروز آسیب را به حداقل می‌رساند.
+شدن مواد در سطح داخلی دای شده و در نتیجه پس از هر ‎(By‏ دستگاه به تمام اجزای سیستم تنظیم غلتک. دارای پوشش آسان تمیزشو بوده که این
+سرعت به فرآیند تولید باز می گردد. امر خطر انتقال آلودگی بین بچ‌های مختلف و نیز زمان تمیزکاری را کاهش
+
+‏4 تنظیم دقیق غلتک‌هاء برای رسیدن به بهترین فاصله‌ی ممکن بین آن‌ها برای
+هر دستورالعمل و تنظیمات بهینه به منظور دستیابی به کیفیت مطلوب پلت
+
+‏4 ۳ فعال لغزش غلتک این امکان را به اپراتور می‌دهد تا به صورت
+بی بهثرین فاصله‌ی غلنک‌ها و میزان افزودن بخار به خوراک را به‌منظور
+
+‏دی ‎SS‏ خوراک و بازده تولید,به :دست آورد. ایراتورها: می توانتد. با
+
+‏اطمینان از عملکرد این سیستم» تاثیر سایر عوامل را در بهینه‌سازی تولید
+بررسی نمایند.
+
+‏تعویض سریع دای به دلیل وجود سیستم تنظیم خودکار غلتک در زمان تعمیر
+« افزایش طول ‎A‏ و غلتک‌ها به میزان ۳۰۹۵ به ‎Jodo‏ عدم تماس مستقیم
+فلز با فلز در زمان راه‌اندازی دستگاه
+کاهش زمان تمیزکاری به دلیل وجود پوشش آسان تمیز شو در تمامی قطعات
+تنظیم غلتک 3 ‎VE WinVNC‏
+
+‎Van Aarsen EH 5
+7۲ Ee ng ng [reg Venn 7
+
+‎ROLL ADJUSTMENT:
+
+‎Go to zero [T]
+Go to maximum gap [T]
+Start zeroing [T]
+Disable high speed [T]
+Automatic slip prevention
+Start cleaning mode 11
+
+‎A 3
+
+‎[4] nm]
+Ea mm
+
+‏لا لا لا لا ‎OR‏
+
+‏4 اطلاعات ارائه‌شده در این ‎aie‏ هیچ‌گونه حقی را برای خربدار ‎dl!‏ نمی‌کند. توضیحات و تصاو
+
+
+------*------
+
+root - DEBUG - Extracted text from page 4
+root - INFO - 
+------Page 4------
+غلتک‌ها تعداد
+قطر میلی‌متر
+موتور اصلی
+‎ 50Hz-1500rpm‏ کیلووات
+‎ 60Hz-1800rpm‏ کیلووات
+
+وزن ‎(Seals Slab‏ کیلوگرم
+
+۱
+۳ ~~
+
+مدل
+
+C500
+C600
+CU750 - C750
+CU900 - C900
+
+C900XL — CU900XL
+
+مدل
+
+C500
+
+C600
+
+CU750 - C750
+CU900 - C900
+C900XL — CU900XL
+
+C500
+0
+۱۹۰
+
+۳۹۸۵
+
+۴/۷-۶/ ۰-۷
+۵/۶۷/۲۰
+
+3/7
+۸۶-۱۰۳۶
+۴۶۰۰۳۰
+
+Y
+۳۳۰
+
+ابعاد بر حسب میلی‌متر
+‎B A‏
+‎VA. ۱۷۳۷۴‏
+‎AYO ۱۵۲‏
+۳۵۰ ۳۰۵
+۵۰ ۲۴۵۷
+۲۱۳/۰
+ابعاد بر حسب میلی‌متر
+‎K‏ ۳
+‎yay ۹۵‏
+‎Yo‏ ۱۸۷
+‎Yor‏ ۱۹۲
+
+۳۳۵
+
+۰
+
+۳۳
+
+۴/۹۶/۲۴
+۵/۹۵
+
+۲
+
+۳۸۵
+
+۱۶۰
+
+۱۱۰-۱۳۳۲-
+
+۱۳۶۵۳۲
+۵۶۰
+
+که
+
+VanAarsen
+
+CU900XL CuU900 CU750
+qe. qe. ۷۵۰
+۳۳۵ ۱۷۵-۲۲۵-۵ ۳۵۰
+۹0 ۴۹۵۰-۶۳۶۰۵ OAR
+۷/۰-/۴-۴ ۴/۹۷ -۵/۳-۶/۷-۷/۰-0/ ۳۴-۹ /۴ ۰۰۰ ‏۲/عم/۵/۱-۵‎ ۷
+۶/۴-۷/۱-۸/۰-۵ ۶/۴-۷/۱-۸/۰-۵ ۳/۴
+۲ ۲ ۲
+۴۳۵ ۴۳۵ ۳۶۰
+۳۱۵-۳۵۵-۰ ۲۰۰۰-۲۵۰-۳۱۵۵ ۱۳۲-۱۶۰۲۰۰۵۰
+۲۸۵-۳۶۰ -۵ ۳۲۳۸-۲۳۸۵۳۶۰ ۱۵۲-۱۸۴۰
+۱۱۳۵۰ -۰ ۱۳۵ ۷۶۴۵-۰۰
+
+1
+‏اک‎ 1 LC
+I ۹
+) |
+J I H G ۳
+۱۳ ۱۳۰۰ ۱۰۶۰ ۱۴۰ ۱۳۰
+۱۳۵ ۱۳۰۰ ۱۱۶۰ ۱۴۰ Vo.
+N52. ۱۵۰ YY. ۰ ۱۳۶۵۰
+YAY. ۱۷۰۰ ۱۳۸۰ ۳ Vero
+VAY. ۱۷۰۰ YEA. ۳۳۰ ‏م۳۰‎
+
+T S R Q P
+BY. ۱۹۶۶ ۱ ۵۵ YY. ۶
+3 Yeo Ye ۶
+‏نما‎ | Yee Yr. ۶
+
+ارس ژی_وارصوفضی
+هدف ما سلامتی
+نماینده انحصاری در ابران
+‎www.ParsJivarSoufi.com‏
+‎PJS@ParsSoufi.com‏
+
+تلفن :
+فکس :
+
+۸۸۰۶۴۴۲۶-۸
+۵
+
+
+------*------
+
+root - INFO - Document saved to /app/outputs/np11.docx
+root - INFO - Sending file /app/outputs/np11.docx
+werkzeug - INFO - 172.29.0.1 - - [14/Apr/2024 17:28:51] "POST /upload-pdf HTTP/1.1" 200 -

pdf_to_word.py

@@ -0,0 +1,46 @@
+import logging
+from pdf2image import convert_from_path
+import pytesseract
+from PIL import Image
+import tempfile
+from docx import Document
+from docx.enum.text import WD_ALIGN_PARAGRAPH
+import os
+
+# Configure logging
+logging.basicConfig(level=logging.DEBUG, filename='/app/logs/pdf_to_word.log', filemode='w',
+                    format='%(name)s - %(levelname)s - %(message)s')
+
+def pdf_to_word(pdf_path, output_dir, lang='eng+fas'):
+    pdf_name = os.path.basename(pdf_path).split('.')[0]
+    output_path = os.path.join(output_dir, f'{pdf_name}.docx')
+    logging.info(f'Starting conversion for {pdf_path}')
+
+    try:
+        pages = convert_from_path(pdf_path, 300)
+        logging.info(f'Converted PDF to images, number of pages: {len(pages)}')
+
+        document = Document()
+        document.add_heading('Document Title', 0)
+
+        for i, page in enumerate(pages):
+            with tempfile.NamedTemporaryFile(delete=False, suffix='.jpg') as temp_image:
+                page.save(temp_image.name, 'JPEG')
+                text = pytesseract.image_to_string(Image.open(temp_image.name), lang=lang, config='--psm 6')
+                logging.debug(f'Extracted text from page {i+1}')
+
+                heading = document.add_heading(f'Page {i+1}', level=1)
+                heading.alignment = WD_ALIGN_PARAGRAPH.RIGHT
+                paragraph = document.add_paragraph(text)
+                paragraph.alignment = WD_ALIGN_PARAGRAPH.RIGHT
+                
+                logging.info("\n------"+f'Page {i+1}'+"------\n"+text+"\n------*------\n")
+                os.unlink(temp_image.name)
+
+        document.save(output_path)
+        logging.info(f'Document saved to {output_path}')
+        return output_path
+    except Exception as e:
+        logging.error(f'An error occurred: {e}', exc_info=True)
+        return None
+

requirements.txt

@@ -0,0 +1,6 @@
+Flask
+pdf2image
+pytesseract
+Pillow
+python-docx
+tqdm