app.py

import gradio as gr
import spacy
import pandas as pd
from docx import Document
from io import BytesIO

# Cargar el modelo de SpaCy en español
nlp = spacy.load('zh_core_web_trf')

# Función para extraer nombres de personas
def extract_names_from_docx(docx_file):
    # Cargar el archivo DOCX
    document = Document(docx_file)
    full_text = []
    for para in document.paragraphs:
        full_text.append(para.text)
    
    # Unir todo el texto
    text = ' '.join(full_text)
    
    # Procesar el texto con SpaCy
    doc = nlp(text)
    
    # Extraer los nombres de las personas (entidades PERSON)
    persons = [ent.text for ent in doc.ents if ent.label_ == 'PER']
    
    # Eliminar duplicados
    persons = list(set(persons))
    
    # Crear un DataFrame
    df = pd.DataFrame(persons, columns=['Nombres'])
    
    # Guardar el resultado en un archivo Excel en memoria
    output = BytesIO()
    with pd.ExcelWriter(output, engine='openpyxl') as writer:
        df.to_excel(writer, index=False)
    output.seek(0)
    
    return output, "nombres_personas.xlsx"

# Interfaz de Gradio
iface = gr.Interface(
    fn=extract_names_from_docx,
    inputs=gr.File(file_types=[".docx"]),
    outputs=[gr.File(), "text"],
    title="Extractor de Nombres",
    description="Sube un archivo .docx y extrae los nombres de las personas usando NLP con SpaCy. Descarga el resultado en un archivo Excel."
)

# Iniciar la aplicación
iface.launch()