321 lines
17 KiB
PHP
Executable File
321 lines
17 KiB
PHP
Executable File
<?
|
||
ini_set('display_errors', 1);
|
||
ini_set('display_startup_errors', 1);
|
||
error_reporting(E_ALL);
|
||
ini_set('log_errors', 1);
|
||
ini_set('error_log', 'scanpdf/php_errors.log');
|
||
|
||
define('LOG_FILE', 'logs/CheckPDF15.log');
|
||
define('OPENAI_API_KEY', 'sk-GS24OxHQYfq8ErW5CRLoN5F1CfJPxNsY');
|
||
define('OPENAI_API_URL', 'https://api.proxyapi.ru/openai/v1/chat/completions');
|
||
|
||
function logMessage($message) {
|
||
$message = mb_convert_encoding($message, 'UTF-8', 'auto'); // Принудительная перекодировка в UTF-8
|
||
file_put_contents(LOG_FILE, date('Y-m-d H:i:s') . " - " . $message . "\n", FILE_APPEND | LOCK_EX);
|
||
}
|
||
|
||
function transliterate($text) {
|
||
$cyr = ['а','б','в','г','д','е','ё','ж','з','и','й','к','л','м','н','о','п','р','с','т','у','ф','х','ц','ч','ш','щ','ъ','ы','ь','э','ю','я'];
|
||
$lat = ['a','b','v','g','d','e','yo','zh','z','i','y','k','l','m','n','o','p','r','s','t','u','f','h','ts','ch','sh','shch','','y','','e','yu','ya'];
|
||
return str_replace($cyr, $lat, mb_strtolower($text));
|
||
}
|
||
|
||
function renameFileForProcessing($filePath) {
|
||
$pathInfo = pathinfo($filePath);
|
||
$newName = transliterate($pathInfo['filename']) . "_" . uniqid() . "." . $pathInfo['extension'];
|
||
$newPath = "scanpdf/" . $newName;
|
||
|
||
if (copy($filePath, $newPath)) {
|
||
logMessage("Файл переименован: $filePath -> $newPath");
|
||
return $newPath;
|
||
} else {
|
||
logMessage("Ошибка при копировании файла: $filePath");
|
||
return null;
|
||
}
|
||
}
|
||
|
||
function extractTextFromPDF($pdfPath) {
|
||
$text = shell_exec("pdftotext -layout -enc UTF-8 " . escapeshellarg($pdfPath) . " -");
|
||
$text = mb_convert_encoding($text, 'UTF-8', 'auto'); // Приводим к UTF-8
|
||
logMessage("DEBUG: Извлеченный текст: " . substr($text, 0, 500));
|
||
|
||
return trim($text);
|
||
}
|
||
|
||
|
||
/*
|
||
function extractTextFromPDF($pdfPath) {
|
||
$text = shell_exec("pdftotext -layout -enc UTF-8 " . escapeshellarg($pdfPath) . " -");
|
||
logMessage("DEBUG: Извлеченный текст: " . substr($text, 0, 500));
|
||
|
||
return trim($text);
|
||
}
|
||
*/
|
||
|
||
function convertPdfToImages($pdfPath, $outputDir) {
|
||
if (!file_exists($outputDir)) {
|
||
mkdir($outputDir, 0777, true);
|
||
logMessage("Создана директория для изображений: $outputDir");
|
||
}
|
||
|
||
$imagePattern = $outputDir . '/page-%03d.jpg';
|
||
$command = "convert -density 300 " . escapeshellarg($pdfPath) . " -quality 90 " . escapeshellarg($imagePattern);
|
||
|
||
logMessage("Выполняем команду: $command");
|
||
exec($command . " 2>&1", $output, $returnVar);
|
||
logMessage("DEBUG: Вывод convert: " . implode("\n", $output));
|
||
|
||
if ($returnVar !== 0) {
|
||
logMessage("Ошибка при конвертации PDF в изображения.");
|
||
return [];
|
||
}
|
||
|
||
return glob($outputDir . '/*.jpg');
|
||
}
|
||
|
||
$dbconfig = [
|
||
'db_server' => 'localhost',
|
||
'db_port' => '3306',
|
||
'db_username' => 'ci20465_72new',
|
||
'db_password' => 'EcY979Rn',
|
||
'db_name' => 'ci20465_72new'
|
||
];
|
||
|
||
$conn = new mysqli(
|
||
$dbconfig['db_server'],
|
||
$dbconfig['db_username'],
|
||
$dbconfig['db_password'],
|
||
$dbconfig['db_name'],
|
||
$dbconfig['db_port']
|
||
);
|
||
|
||
if ($conn->connect_error) {
|
||
logMessage("Ошибка подключения к БД: " . $conn->connect_error);
|
||
die(json_encode(["status" => "error", "message" => "Ошибка подключения к БД."]));
|
||
}
|
||
|
||
$conn->set_charset("utf8mb4");
|
||
|
||
$id = $_POST['id'] ?? null;
|
||
if (!$id || !is_numeric($id)) {
|
||
logMessage("Ошибка: Некорректный ID.");
|
||
die(json_encode(["status" => "error", "message" => "Некорректный ID."]));
|
||
}
|
||
|
||
$sql = "
|
||
SELECT n.title,
|
||
CASE WHEN a.storedname IS NOT NULL
|
||
THEN CONCAT(a.path, a.attachmentsid, '_', a.storedname)
|
||
ELSE CONCAT(a.path, a.attachmentsid, '_', a.name)
|
||
END AS filepath
|
||
FROM vtiger_senotesrel r
|
||
LEFT JOIN vtiger_notes n ON n.notesid = r.notesid
|
||
LEFT JOIN vtiger_crmentity e ON e.crmid = r.notesid
|
||
LEFT JOIN vtiger_seattachmentsrel r2 ON r2.crmid = r.notesid
|
||
LEFT JOIN vtiger_attachments a ON a.attachmentsid = r2.attachmentsid
|
||
WHERE r.crmid = ? AND e.deleted = 0
|
||
AND (a.type = 'application/pdf' OR a.type = 'application/octet-stream')
|
||
";
|
||
|
||
$stmt = $conn->prepare($sql);
|
||
$stmt->bind_param("i", $id);
|
||
$stmt->execute();
|
||
$result = $stmt->get_result();
|
||
|
||
if ($result->num_rows == 0) {
|
||
logMessage("Ошибка: Данные не найдены в БД.");
|
||
die(json_encode(["status" => "error", "message" => "Нет данных."]));
|
||
}
|
||
|
||
|
||
$files_data = []; // Теперь инициализируем только один раз
|
||
|
||
while ($row = $result->fetch_assoc()) {
|
||
$title = $row["title"];
|
||
$filePath = $row["filepath"];
|
||
|
||
logMessage("Обрабатываем файл: " . $filePath);
|
||
|
||
$tempFilePath = renameFileForProcessing($filePath);
|
||
if (!$tempFilePath) continue;
|
||
|
||
$text = extractTextFromPDF($tempFilePath); // Вызов функции
|
||
$data = ["title" => $title];
|
||
|
||
if (!empty(trim($text)) && mb_strlen(trim($text), 'UTF-8') >= 20) {
|
||
logMessage("DEBUG: Текст извлечён из $title: " . substr($text, 0, 500));
|
||
$data["text"] = $text;
|
||
} else {
|
||
logMessage("PDF '$title' пуст или содержит слишком мало текста, конвертируем в изображения.");
|
||
$outputDir = "scanpdf/pdf_images_" . uniqid();
|
||
$images = convertPdfToImages($tempFilePath, $outputDir);
|
||
|
||
if (!empty($images)) {
|
||
logMessage("DEBUG: Изображения созданы из $title: " . implode(", ", $images));
|
||
|
||
// Применяем OCR (LSTM)
|
||
$recognizedText = "";
|
||
foreach ($images as $imagePath) {
|
||
$ocrText = shell_exec("tesseract " . escapeshellarg($imagePath) . " stdout -l rus+eng --oem 1");
|
||
if (!empty(trim($ocrText))) {
|
||
$recognizedText .= trim($ocrText) . "\n";
|
||
}
|
||
}
|
||
|
||
if (!empty(trim($recognizedText)) && mb_strlen(trim($recognizedText), 'UTF-8') >= 20) {
|
||
logMessage("DEBUG: OCR-текст (LSTM) извлечён из изображений $title: " . substr($recognizedText, 0, 500));
|
||
$data["text"] = $recognizedText;
|
||
} else {
|
||
logMessage("PDF '$title' остаётся без читаемого текста, отправляем изображения в GPT.");
|
||
$data["images"] = $images;
|
||
}
|
||
} else {
|
||
logMessage("Ошибка: PDF пуст, OCR не дал результатов, изображения не созданы.");
|
||
}
|
||
}
|
||
|
||
|
||
$files_data[] = $data; // Теперь мы НЕ обнуляем массив, а добавляем файлы!
|
||
}
|
||
|
||
logMessage("DEBUG: JSON, отправляемый в OpenAI: " . json_encode($files_data, JSON_UNESCAPED_UNICODE | JSON_PRETTY_PRINT));
|
||
|
||
|
||
|
||
/*$task = "🔹 Отвечай по шаблону. **Задача**:
|
||
Проанализируй загруженные документы, выполнив следующие действия:
|
||
|
||
1️⃣ **Список файлов и проверка соответствия названий**
|
||
- Перечисли все загруженные файлы.
|
||
🔹 Внимательно анализируй изображения.
|
||
- Если изображение содержит текст, сначала **извлеки текст** и **проанализируй его содержание**.
|
||
- Укажи, если текст плохо читается или частично распознан.
|
||
- Если изображение не содержит текста, но является **важной частью документа**, опиши, что на нем изображено.
|
||
|
||
- Определи их содержимое (например, \"договор\", \"претензия\", \"ответ на претензию\", \"подтверждение оплаты\" и т. д.).
|
||
- Проверь, соответствует ли название файла его реальному содержимому.
|
||
- Если обнаружено несоответствие, укажи, в чем именно проблема.
|
||
|
||
2️⃣ **Краткий анализ спора**
|
||
- Определи **истца** (потребителя) и **ответчика** (компанию, на которую подана жалоба).
|
||
- Опиши **суть спора** (что произошло и какая проблема заявлена).
|
||
- Укажи **основные аргументы сторон** (что заявляет потребитель и какие возражения возможны у компании).
|
||
|
||
3️⃣ **Проверка на цензуру**
|
||
- Проверь документы на наличие **ненормативной лексики** и **нецензурных изображений**.
|
||
- **Анализируй изображения на наличие нецензурного контента, запрещенной символики, сцен насилия и других нарушений. Если найдены такие элементы, укажи это в отчете.**
|
||
- Если обнаружены изображения, укажи что именно и требуется ли их ручная проверка.
|
||
|
||
4️⃣ **Выдача итогового вердикта**
|
||
- **Прошло модерацию** – если всё соответствует названию и нет проблем.
|
||
- **Не прошло модерацию (требуется участие человека)** – если есть несоответствия или потенциальные проблемы (укажи, что именно требует ручной проверки).
|
||
|
||
5️⃣ **Характер спора**
|
||
- Дай краткую характеристику дела (например, \"некачественный товар\", \"товар не привезли\", \"не возвращают деньги\", \"некачественная услуга\" и т. д.).
|
||
|
||
📌 **Важно**:
|
||
Отчет должен быть структурированным, четким и лаконичным. Укажи, какими нормами права РФ будет регулироваться рассмотение данного спора. Если требуется ручная проверка, укажи приоритетные файлы для проверки.";
|
||
*/
|
||
|
||
$task = "🔹 Отвечай по шаблону. **Задача**:
|
||
Проанализируй загруженные документы, выполнив следующие действия:
|
||
|
||
1️⃣ **Список файлов и проверка соответствия названий**
|
||
- Перечисли все загруженные файлы.
|
||
- Внимательно анализируй изображения.
|
||
- Если изображение содержит текст, сначала **извлеки текст** и **проанализируй его содержание**.
|
||
- Укажи, если текст плохо читается или частично распознан.
|
||
- Если изображение не содержит текста, опиши, что на нем изображено.
|
||
**Особое внимание NSFW контенту в тексте и изображениях**
|
||
- Если файл или изображение кажутся тебе подозрительными изучи его более внимательно и отдельно укажи в отчете что файл может содержать ТРЕШ-контент. Укажи, если файл требует дополнительной проверки или имеет проблемы с NSFW.
|
||
|
||
2️⃣ **Краткий анализ спора**
|
||
- Определи **истца** (потребителя) и **ответчика** (компанию, на которую подана жалоба).
|
||
- Опиши **суть спора** (что произошло и какая проблема заявлена).
|
||
- Укажи **основные аргументы сторон** (что заявляет потребитель и какие возражения возможны у компании).
|
||
|
||
3️⃣ **Проверка на цензуру**
|
||
- Проверь документы на наличие **ненормативной лексики** и **нецензурных изображений**.
|
||
- **Анализируй изображения на наличие нецензурного контента, запрещенной символики, сцен насилия и других нарушений. Если найдены такие элементы, укажи это в отчете.**
|
||
- Если обнаружены изображения, укажи что именно и требуется ли их ручная проверка.
|
||
|
||
4️⃣ **Выдача итогового вердикта**
|
||
- **Прошло модерацию** – если всё соответствует названию и нет проблем.
|
||
- **Не прошло модерацию (требуется участие человека)** – если есть несоответствия или потенциальные проблемы (укажи, что именно требует ручной проверки).
|
||
|
||
5️⃣ **Характер спора**
|
||
- Дай краткую характеристику дела (например, \"некачественный товар\", \"товар не привезли\", \"не возвращают деньги\", \"некачественная услуга\" и т. д.).
|
||
|
||
📌 **Важно**:
|
||
Отчет должен быть структурированным, четким и лаконичным. Укажи, какими нормами права РФ будет регулироваться рассмотение данного спора. Если требуется ручная проверка, укажи приоритетные файлы для проверки.";
|
||
|
||
|
||
$body = json_encode([
|
||
//"model" => "gpt-4-turbo",
|
||
"model" => "o1",
|
||
"messages" => [
|
||
["role" => "system", "content" => "Ты юридический аналитик. Проанализируй материалы согласно инструкции."],
|
||
["role" => "user", "content" => $task],
|
||
["role" => "user", "content" => json_encode($files_data, JSON_UNESCAPED_UNICODE)]
|
||
],
|
||
// "max_tokens" => 4000
|
||
"max_completion_tokens" => 4000
|
||
|
||
|
||
]);
|
||
|
||
logMessage("DEBUG: JSON, отправляемый в OpenAI: " . $body);
|
||
|
||
$curl = curl_init();
|
||
curl_setopt_array($curl, [
|
||
CURLOPT_URL => OPENAI_API_URL,
|
||
CURLOPT_RETURNTRANSFER => true,
|
||
CURLOPT_POST => true,
|
||
CURLOPT_POSTFIELDS => $body,
|
||
CURLOPT_HTTPHEADER => [
|
||
'Content-Type: application/json',
|
||
'Authorization: Bearer ' . OPENAI_API_KEY
|
||
]
|
||
]);
|
||
|
||
$response = curl_exec($curl);
|
||
curl_close($curl);
|
||
|
||
//logMessage("Ответ от GPT-4-Turbo: " . $response);
|
||
//echo json_encode(["status" => "complete", "content" => json_decode($response, true)], JSON_UNESCAPED_UNICODE | JSON_PRETTY_PRINT);
|
||
|
||
logMessage("Ответ от GPT-4-Turbo: " . $response);
|
||
|
||
// Преобразуем JSON-ответ в массив
|
||
$gptAnalysis = json_decode($response, true);
|
||
|
||
logMessage("Полный JSON-ответ от GPT: " . json_encode($gptAnalysis, JSON_UNESCAPED_UNICODE | JSON_PRETTY_PRINT));
|
||
|
||
// Проверяем, является ли $gptAnalysis массивом
|
||
if (!is_array($gptAnalysis)) {
|
||
logMessage("Ошибка: JSON-декодирование не удалось.");
|
||
die(json_encode(["status" => "error", "message" => "Ошибка: JSON-декодирование не удалось."]));
|
||
}
|
||
|
||
// Проверяем, есть ли ключ 'choices'
|
||
if (!isset($gptAnalysis['choices']) || empty($gptAnalysis['choices'])) {
|
||
logMessage("Ошибка: в JSON-ответе отсутствует ключ 'choices'.");
|
||
die(json_encode(["status" => "error", "message" => "Ошибка: в JSON-ответе отсутствует ключ 'choices'."]));
|
||
}
|
||
|
||
// Получаем контент
|
||
$content = $gptAnalysis['choices'][0]['message']['content'] ?? null;
|
||
|
||
if (!$content) {
|
||
logMessage("Ошибка: контент не найден в ответе от GPT.");
|
||
die(json_encode(["status" => "error", "message" => "Ошибка: контент не найден в ответе от GPT."]));
|
||
}
|
||
|
||
logMessage("DEBUG: Извлеченный контент: " . $content);
|
||
|
||
// Возвращаем JSON с контентом
|
||
echo json_encode(["status" => "complete", "content" => $content], JSON_UNESCAPED_UNICODE | JSON_PRETTY_PRINT);
|
||
|
||
|
||
?>
|