administrator/ordinaceprojekt
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

z230

Browse Source
This commit is contained in:
vladimir.buzalka
2026-05-20 08:45:15 +02:00
parent 2dae83b224
commit ccf84aa282
4 changed files with 127 additions and 49 deletions
Download Patch File Download Diff File Expand all files Collapse all files
Medevio/70 DěleníSouboruPDF/NOTES.md
+1
View File
@@ -29,6 +29,7 @@ Pro vývoj: `TESTOVANI = True` + `PATH_TO_TESTFILE` na začátku skriptu.
| `/` | otočit CCW (counterclockwise) |
| `*` | otočit CW (clockwise) |
| `Del` / `.` | smaž stránku (vynech z exportu) |
| `0` | znovu spustí OCR na aktuální stránce (smaže cache pro tuto stránku) |
| `Enter` | exportuj všechny skupiny |
| `Esc` | konec |
Medevio/70 DěleníSouboruPDF/rozdelit_pdf.py
+75 -48
View File
@@ -12,6 +12,7 @@ Numerická klávesnice:
5 / Space přepni hranici pacienta před touto stránkou
8 / Up přesuň stránku doleva (swap)
2 / Down přesuň stránku doprava (swap)
0 znovu spustí OCR na aktuální stránce (smaže cache pro tuto stránku)
- výběr pacienta ručně z Medicusu
Enter exportuj všechny skupiny do Split/
Esc konec
@@ -271,63 +272,76 @@ class OcrWorker:
def stop(self):
self._stop.set()
def _run(self):
def _ocr_page(self, i: int):
"""Spustí OCR pipeline pro stránku i a uloží výsledek do self.results."""
import pytesseract
pytesseract.pytesseract.tesseract_cmd = TESSERACT_PATH
n = len(self.doc)
for i in range(n):
page = self.doc[i]
mat = fitz.Matrix(2.0, 2.0) # 144 DPI — dostatečné pro OCR
pix = page.get_pixmap(matrix=mat, colorspace=fitz.csRGB)
img = Image.frombytes("RGB", [pix.width, pix.height], pix.samples)
# 1. Tesseract
rc = None
tess_text = None
try:
tess_text = pytesseract.image_to_string(img, lang="ces")
rc = _extract_rc(tess_text)
except Exception as e:
print(f"[OCR str.{i+1}] Tesseract: {e}")
# 2. Medicus — první pokus
medicus = _verify_medicus(rc) if rc else None
# 3. Claude Vision — když Tesseract nenašel RČ, nebo našel ale Medicus nezná
claude_raw = None
claude_usage = None
if not rc or (medicus and medicus.get("status") == "not_found"):
try:
rc_claude, claude_raw, claude_usage = self._claude_rc(img)
if rc_claude:
medicus_claude = _verify_medicus(rc_claude)
if medicus_claude.get("status") in ("ok", "fuzzy"):
print(f"[OCR str.{i+1}] Claude opravil RČ: {rc} → {rc_claude}")
rc = rc_claude
medicus = medicus_claude
elif not rc:
rc = rc_claude
medicus = medicus_claude
except Exception as e:
print(f"[OCR str.{i+1}] Claude: {e}")
result = {
"rc": rc,
"medicus": medicus,
"tesseract_text": tess_text,
"claude_raw": claude_raw,
"claude_usage": claude_usage,
}
with self._lock:
self.results[i] = result
def _run(self):
for i in range(len(self.doc)):
if self._stop.is_set():
break
if i in self.results:
continue # cache hit
page = self.doc[i]
mat = fitz.Matrix(2.0, 2.0) # 144 DPI — dostatečné pro OCR
pix = page.get_pixmap(matrix=mat, colorspace=fitz.csRGB)
img = Image.frombytes("RGB", [pix.width, pix.height], pix.samples)
# 1. Tesseract
rc = None
tess_text = None
try:
tess_text = pytesseract.image_to_string(img, lang="ces")
rc = _extract_rc(tess_text)
except Exception as e:
print(f"[OCR str.{i+1}] Tesseract: {e}")
# 2. Medicus — první pokus
medicus = _verify_medicus(rc) if rc else None
# 3. Claude Vision — když Tesseract nenašel RČ, nebo našel ale Medicus nezná
claude_raw = None
claude_usage = None
if not rc or (medicus and medicus.get("status") == "not_found"):
try:
rc_claude, claude_raw, claude_usage = self._claude_rc(img)
if rc_claude:
medicus_claude = _verify_medicus(rc_claude)
if medicus_claude.get("status") in ("ok", "fuzzy"):
print(f"[OCR str.{i+1}] Claude opravil RČ: {rc} → {rc_claude}")
rc = rc_claude
medicus = medicus_claude
elif not rc:
rc = rc_claude
medicus = medicus_claude
except Exception as e:
print(f"[OCR str.{i+1}] Claude: {e}")
result = {
"rc": rc,
"medicus": medicus,
"tesseract_text": tess_text,
"claude_raw": claude_raw,
"claude_usage": claude_usage,
}
self.results[i] = result
self._ocr_page(i)
self._save_cache()
self.on_page_done(i)
def rerun_page(self, page_idx: int, on_done):
"""Znovu spustí OCR pro jednu stránku (ignoruje cache). Volá on_done(page_idx) po dokončení."""
def _worker():
with self._lock:
self.results.pop(page_idx, None)
self._ocr_page(page_idx)
self._save_cache()
on_done(page_idx)
threading.Thread(target=_worker, daemon=True).start()
def _claude_rc(self, img: Image.Image) -> tuple[Optional[str], Optional[str], Optional[dict]]:
import anthropic, base64
@@ -633,7 +647,7 @@ class SplitterUI:
"1/3: přesuň stránku "
"/: otočit ↺CCW *: otočit ↻CW "
"Del/.: smaž stránku "
"-: vyber pacienta ručně "
"0: znovu OCR -: vyber pacienta ručně "
"Enter: exportuj Esc: konec"
)
self.bot_label = tk.Label(
@@ -738,6 +752,7 @@ class SplitterUI:
103: "num7", 105: "num9",
97: "num1", 99: "num3", 110: "numdot",
111: "numslash", 106: "numstar", 109: "numminus",
96: "num0",
}
action = numpad.get(kc) or {
"Left": "num4", "Right": "num6",
@@ -748,6 +763,7 @@ class SplitterUI:
"KP_Divide": "numslash", "KP_Multiply": "numstar",
"slash": "numslash", "asterisk": "numstar",
"KP_Subtract": "numminus", "minus": "numminus",
"Insert": "num0", "KP_Insert": "num0",
}.get(ks)
if action == "num4":
@@ -772,6 +788,8 @@ class SplitterUI:
self._delete_page()
elif action == "numminus":
self._open_patient_picker()
elif action == "num0":
self._rerun_ocr_current()
elif ks in ("Return", "KP_Enter"):
self._export()
elif ks == "Escape":
@@ -843,6 +861,15 @@ class SplitterUI:
PatientPickerDialog(self.root, on_select)
def _rerun_ocr_current(self):
page_idx = self.page_order[self.cursor]
self.ocr_results.pop(page_idx, None)
self._redraw()
self.ocr_worker.rerun_page(
page_idx,
on_done=lambda idx: self.root.after(0, self._on_ocr_done, idx),
)
def _update_boundaries_around(self, pos: int):
"""Přidá/odstraní hranice kolem pozice pos podle potvrzených pacientů."""
def confirmed_rc(p: int) -> Optional[str]: