Mistral OCR App - это современное и мощное веб-приложение, предназначенное для извлечения текста и изображений из различных документов с использованием передового Mistral AI OCR API. Приложение обеспечивает высококачественную конвертацию PDF, изображений (PNG, JPG, JPEG) и документов DOCX в удобные форматы Markdown и JSON. Оно идеально подходит для исследователей, разработчиков, студентов и всех, кому необходима быстрая и точная оцифровка документов.

Mistral OCR App предлагает широкий набор функций, разработанных для максимального удобства и эффективности:

• PDF Документы: Полная обработка многостраничных PDF-файлов с извлечением текста и изображений.
• Изображения: Поддержка популярных форматов PNG, JPG, JPEG.
• Документы MS Word: Прямая обработка файлов .docx.
• URL Загрузка: Возможность обработки документов по прямой ссылке или из Google Drive.

• Темы Оформления: Выбор между темной, светлой и автоматической темой (синхронизация с системными настройками).
• Адаптивный Дизайн: Корректное отображение и функциональность на любых устройствах (от смартфонов 320px до широкоформатных мониторов 1440px+).
• Высокий Контраст: Соответствие стандартам WCAG для обеспечения доступности.
• Интуитивный UX: Плавные анимации, переходы и использование Bootstrap Icons для визуальной ясности.

• Комплексное Управление: Доступ к 7 категориям настроек: API, Обработка, UI, Визуализация, Экспорт, Производительность, Безопасность.
• Профили Настроек: Готовые профили (Default, Academic, Business, Performance) для быстрого старта.
• Персонализация: Возможность экспорта и импорта пользовательских настроек в формате JSON.
• Аудит и Сохранение: История изменений настроек и их локальное сохранение в браузере для удобства пользователя.

• Извлечение Изображений: Автоматическое нахождение и извлечение изображений из документов.
• Markdown Рендеринг: Встроенный просмотр Markdown с подсветкой синтаксиса для удобной работы с результатами.
• Оптимизация Производительности: "Ленивая" загрузка (Lazy Loading) изображений и анимированный прогресс-бар.
• Надежность: Валидация форм в реальном времени и демо-режим для тестирования без API ключа.
• Уведомления: Информативные Toast-уведомления о статусе операций.

• Встроенные Изображения: Получение единого .md файла с изображениями, встроенными как Base64.
• Архив с Файлами (.zip): Экспорт структурированного архива, содержащего .md файл, папку с изображениями (images/figure_X.png) и файл метаданных (metadata.json).
• Интерактивный HTML: Создание HTML-страницы с результатами OCR и интерактивными элементами.
• Автоматическая Очистка: Временные файлы удаляются после обработки для экономии места.

Примечание: Рекомендуется добавить сюда скриншоты интерфейса приложения для наглядной демонстрации его возможностей.

• Пример 1: Скриншот главного экрана с опциями загрузки и настройками.
• Пример 2: Скриншот экрана результатов с отображением Markdown и извлеченных изображений.
• Пример 3: Скриншот вкладки "Настройки" с различными категориями.

Также, короткая GIF-анимация или видео, демонстрирующее процесс от загрузки документа до получения результата, значительно улучшит восприятие.

Пример Workflow (Экспорт в ZIP-архив):

1. Пользователь загружает PDF-документ.
2. Выбирает формат экспорта: "📁 Архив с файлами".
3. Нажимает "Обработать документ".
4. Получает structure_analysis.zip следующей структуры:

   structure_analysis.zip/
   ├── document.md           # Чистый markdown текст
   ├── images/
   │   ├── figure_1.png      # Извлеченное изображение 1
   │   └── figure_2.png      # Извлеченное изображение 2
   └── metadata.json         # Информация об OCR (дата, кол-во страниц и т.д.)
   

5. Временные файлы на сервере автоматически удаляются.

Приложение построено на современном и надежном стеке технологий:

graph TD
    A[Загрузка: PDF, JPG, DOCX, URL] --> B(Flask Backend: Python);
    B --> C{Обработка Документа};
    C -- API Запрос --> D[Mistral AI OCR API];
    C -- Локально --> E[Извлечение Изображений];
    D -- Текст JSON --> F[Форматирование Текста];
    E -- Файлы --> G[Подготовка Изображений];
    F --> H{Генерация Результата};
    G --> H;
    H -- Markdown/JSON/HTML --> I[Пользовательский Интерфейс: HTML, CSS, JS];
    I --> J[Скачивание: MD, ZIP, HTML];

    subgraph "Клиент (Браузер)"
        I
        J
    end

    subgraph "Сервер (Python/Flask)"
        B
        C
        E
        F
        G
        H
    end

    subgraph "Внешний Сервис"
        D
    end

    style A fill:#D6EAF8,stroke:#3498DB
    style B fill:#E8DAEF,stroke:#8E44AD
    style D fill:#D1F2EB,stroke:#1ABC9C
    style I fill:#FCF3CF,stroke:#F1C40F

• Python 3.8+: Основной язык программирования.
• Flask: Легковесный и гибкий веб-фреймворк.
• SQLite: Реляционная база данных для хранения настроек и профилей.
• Mistral AI API: Для выполнения OCR задач.
• PyMuPDF (fitz), python-docx, Pillow: Библиотеки для обработки PDF, DOCX и изображений.

• HTML5: Семантическая разметка для структуры контента.
• CSS3: Модульная архитектура стилей (Base, Components, Layout) с использованием CSS переменных для тем.
• JavaScript (ES6+): Для интерактивности, валидации форм, управления темами и асинхронных запросов.
• Bootstrap 5.3: UI компоненты и сетка для адаптивного дизайна.
• Bootstrap Icons: Набор качественных иконок.
• Marked.js: Для рендеринга Markdown в HTML.
• Highlight.js: Для подсветки синтаксиса в блоках кода.

• Python 3.8 или выше.
• pip (менеджер пакетов Python).
• git (для клонирования репозитория).
• Mistral AI API ключ (опционально, если не использовать демо-режим).

1. Клонирование репозитория:

   git clone https://github.com/ivan-meer/mistral-ocr-app.git
   cd mistral-ocr-app

2. Создание и активация виртуального окружения:

   python -m venv venv

   • Windows:

     venv\Scripts\activate

   • macOS/Linux:

     source venv/bin/activate

3. Установка зависимостей:

   pip install -r requirements.txt

4. Настройка переменных окружения: Скопируйте файл .env.example в .env:

   cp .env.example .env

   Затем отредактируйте файл .env, указав ваш MISTRAL_API_KEY и другие необходимые параметры:

   MISTRAL_API_KEY="ВАШ_API_КЛЮЧ_MISTRAL"
   # Другие настройки...

   Примечание: Если MISTRAL_API_KEY не указан, приложение может работать в демо-режиме с ограниченной функциональностью.

5. Инициализация базы данных (если требуется): При первом запуске база данных settings.db создается автоматически. Если необходимо пересоздать ее или выполнить скрипты из github_setup.sh / github_setup.bat, следуйте инструкциям в этих файлах. Обычно, для базового запуска это не требуется.

6. Запуск приложения:

   python app.py

   Откройте http://localhost:5000 в вашем браузере.

1. Загрузка Документа:

   • Перейдите на вкладку "Файл" для загрузки документа с вашего компьютера.
   • Или используйте вкладку "URL" для указания прямой ссылки на документ или ссылку Google Drive.

2. Настройки Обработки:

   • Перед обработкой вы можете настроить различные параметры на вкладке "Настройки". Изменения сохраняются автоматически.
   • Выберите желаемый "Формат результата" (Встроенные изображения, Архив .zip, Интерактивный HTML).
   • Укажите, нужно ли "Извлекать изображения".

3. Запуск Обработки:

   • Нажмите кнопку "Обработать документ". Дождитесь завершения процесса (прогресс-бар покажет статус).

4. Работа с Результатами:

   • Результаты OCR будут отображены на странице. Текст в формате Markdown будет отрендерен для предпросмотра.
   • Извлеченные изображения будут показаны в виде галереи (если опция была включена).
   • Используйте кнопки "Скачать" для сохранения результатов в выбранном ранее формате.
   • Для PDF-документов доступен режим сравнения (если применимо).

Вкладка "Настройки" предоставляет доступ к детальному конфигурированию приложения:

• API и Обработка: Управление API ключами, лимитами размеров файлов, включение/выключение демо-режима.
• Интерфейс и Отображение: Выбор темы (Светлая, Темная, Авто), настройка шрифтов, включение/выключение анимаций.
• Экспорт и Сохранение: Настройки форматов экспорта по умолчанию, качество изображений, управление метаданными.

Вы можете Сохранять изменения, Сбрасывать их к значениям по умолчанию, а также Экспортировать текущие настройки в JSON-файл или Импортировать их из ранее сохраненного файла.

Основные компоненты проекта организованы следующим образом:

mistral-ocr-app/
├── app.py                     # Главный файл Flask приложения (логика, роуты)
├── main.py                    # Может содержать основную логику или быть точкой входа (уточнить назначение)
├── database/
│   ├── init_db.py             # Скрипт для инициализации БД
│   └── settings_manager.py    # Класс для управления настройками в БД
├── static/                    # Статические файлы (CSS, JS, изображения для UI)
│   ├── css/                   # Стили CSS (модульная структура)
│   ├── js/                    # Клиентские скрипты JavaScript
│   └── assets/                # Логотипы, иконки и т.д.
├── templates/                 # HTML шаблоны Jinja2
│   ├── index.html             # Главная страница
│   ├── result.html            # Страница результатов
│   └── compare.html           # Страница сравнения (если используется)
├── assets/                    # Ресурсы для README и проекта (баннеры, примеры)
│   └── img/
├── .env.example               # Пример файла переменных окружения
├── requirements.txt           # Список зависимостей Python
├── settings.db                # Файл базы данных SQLite (создается автоматически)
├── README.md                  # Этот файл
└── ...                        # Другие файлы конфигурации и скрипты

Мы постоянно работаем над улучшением Mistral OCR App. Вот некоторые из планируемых направлений развития:

• Lightbox для изображений: Улучшенный просмотр извлеченных изображений.
• Кэширование результатов: Для ускорения повторной обработки идентичных файлов.
• Улучшение предпросмотра Markdown: Возможно, с редактированием в реальном времени.

• Пакетная обработка: Загрузка и обработка нескольких файлов одновременно.
• Поддержка дополнительных OCR-провайдеров: Например, Google Cloud Vision или Tesseract OCR (для локальной обработки).
• Расширенная документация API: Для интеграции с другими системами.

• Семантический анализ текста: Извлечение ключевых слов, сущностей, автоматическое резюмирование.
• Интеграция с AI: Ответы на вопросы по содержанию документа.
• Полноценная система автоматизации (workflows): Настраиваемые цепочки обработки.
• Мобильное приложение: Для удобного использования на смартфонах.

Полный список идей и планов можно найти в файле FUTURE_DEVELOPMENT.md.

Мы приветствуем любой вклад в развитие Mistral OCR App! Если у вас есть идеи, предложения по улучшению или вы хотите исправить ошибку:

1. Ознакомьтесь с FUTURE_DEVELOPMENT.md, чтобы увидеть текущие планы.
2. Проверьте существующие Issues, чтобы убедиться, что ваше предложение еще не обсуждается.
3. Создайте новый Issue для описания вашей идеи или проблемы.
4. Если вы хотите внести код, пожалуйста, следуйте стандартной процедуре:
   • Форкните репозиторий.
   • Создайте новую ветку для ваших изменений (git checkout -b feature/ваша-фича).
   • Сделайте коммиты с описанием изменений.
   • Отправьте Pull Request в основную ветку.

Пожалуйста, ознакомьтесь с нашим (пока еще не созданным, но планируемым) файлом CONTRIBUTING.md для получения более подробных инструкций по стилю кода и процессу разработки. Рекомендуется создать этот файл.

• На данный момент специфические известные проблемы не документированы. Если вы столкнетесь с проблемами, пожалуйста, создайте Issue.
• Производительность может зависеть от размера и сложности обрабатываемых документов, а также от скорости ответа Mistral AI API.

• Для сообщений об ошибках, запросов на новые функции или предложений по улучшению, пожалуйста, используйте раздел Issues нашего GitHub репозитория.
• Для других вопросов вы можете связаться с автором (если контактная информация будет предоставлена).

Проект Mistral OCR App распространяется под лицензией MIT. Подробности смотрите в файле LICENSE.

Сделано с ❤️ для эффективной работы с документами.