текст из pdf распознается, все работает, добавлены все функции из файла работы с базой данных db_cli.py. Готовность к оптимизации интерфейса.

llm/file_parser.py

@@ -0,0 +1,61 @@
+import io
+import os
+import subprocess
+import logging
+import pandas as pd
+from PIL import Image
+
+logger = logging.getLogger("FILE_PARSER")
+
+def extract_text_from_file(file_bytes: bytes, filename: str) -> str:
+    """Извлекает текст из изображений (OCR), PDF, таблиц и текстовых файлов."""
+    ext = os.path.splitext(filename)[1].lower()
+    
+    # Создаем временный файл во избежание проблем с памятью
+    temp_filepath = f"/tmp/upload_{os.getpid()}_{filename}"
+    with open(temp_filepath, "wb") as f:
+        f.write(file_bytes)
+
+    try:
+        # 1. ИЗОБРАЖЕНИЯ (OCR через системный /usr/bin/tesseract)
+        if ext in ['.png', '.jpg', '.jpeg', '.bmp', '.webp']:
+            cmd = ['tesseract', temp_filepath, 'stdout', '-l', 'rus+eng']
+            res = subprocess.run(cmd, stdout=subprocess.PIPE, stderr=subprocess.PIPE, text=True, check=True)
+            text = res.stdout.strip()
+            return text if text else "[OCR: На изображении не удалось распознать текст]"
+
+        # 2. PDF ДОКУМЕНТЫ (через системный /usr/bin/pdftotext из poppler-utils)
+        elif ext == '.pdf':
+            cmd = ['pdftotext', temp_filepath, '-']
+            res = subprocess.run(cmd, stdout=subprocess.PIPE, stderr=subprocess.PIPE, text=True, check=True)
+            text = res.stdout.strip()
+            return text if text else "[PDF: Текстовый слой не найден. Возможно, скан без OCR]"
+
+        # 3. ЭЛЕКТРОННЫЕ ТАБЛИЦЫ (XLSX, CSV через Pandas)
+        elif ext in ['.xlsx', '.xls', '.csv']:
+            if ext == '.csv':
+                df = pd.read_csv(temp_filepath)
+            else:
+                df = pd.read_excel(temp_filepath)
+                
+            total_rows = len(df)
+            df_preview = df.head(100) # Показываем первые 100 строк
+            
+            table_str = df_preview.to_string(index=False)
+            note = f"\n(Показано первых 100 строк из {total_rows})" if total_rows > 100 else ""
+            return f"[СОДЕРЖИМОЕ ТАБЛИЦЫ {filename}]:\n{table_str}{note}"
+
+        # 4. ТЕКСТОВЫЕ ФАЙЛЫ (TXT, LOG, JSON)
+        elif ext in ['.txt', '.log', '.json', '.xml', '.md']:
+            with open(temp_filepath, 'r', encoding='utf-8', errors='replace') as tf:
+                return tf.read().strip()
+
+        else:
+            return f"[ОШИБКА: Формат {ext} не поддерживается для анализа]"
+
+    except Exception as e:
+        logger.error(f"Ошибка при анализе файла {filename}: {e}")
+        return f"[ОШИБКА ОБРАБОТКИ ФАЙЛА: {str(e)}]"
+    finally:
+        if os.path.exists(temp_filepath):
+            os.remove(temp_filepath)