Хакатон в рамкках конкурса Студент года НИЯУ МИФИ

Команда: тыкаем по кнопкам

Задача: Table of Content

Описание задачи

В рамках задачи предоставлен набор pdf файлов не имеющих table of content (TOC), работа с такими файлами требует значительно больше ручного труда, гораздо удобнее пользоваться ссылками и сразу переходить к странице с нужной темой.

Задача написать сервис по добавлению TOC в pdf файла. При этом необходимо рассмотреть три кейса:

TOC уже есть на страницах файла в виде раздела Содержание, но не добавлен в TOC pdf файла.
На страницах файла нет раздела Содержание, но есть четкое разделение файла на Главы\Разделы по заголовкам
Файл не имеет выделенных Глав\Разделов, необходимо группировать страницы в разделы по понятному принципу и считать первую страницу группы началом Главы\Раздела.

Держатель кейса: IT-холдинг Т1

Решение

Ссылка на презентацию решения

В рамках решения представленной задачи был развернут веб-сервис, позволяющий загружать pdf-файлы. Ссылка на серис: https://yourproject7.ru

Сервис работает достаточно слабый, поэтому могут быть задержки в работе.

С главной страницы (/v1/) можно попасть на страницу заполнения формы (/v1/form/). На странице с формой можно загрузить pdf-файл, а также указать некоторые вспомогательные настройки для более быстрого обработки файла. Однако если подсказки окажуться неверными, то обработка может занять несколько больше времени.

После отправки формы на сервер (/v1/form/filled), от сервера должен прийти ответ 201 Created, содержащий id файла в очереди обработки. А также должно произойти перенаправление на страницу ожидания (/v1/wait/:id). Каждую секунду frontend дергает ручку, ожидая окончания обработки файла.

Как только пришел положительный ответ, происходит перенаправление на страницу выгрузки результата (/v1/result/:id).

Структура Git-репозитория

Папка algorithms содержит код, отвечающий за парсинг pdf-файлов и собственно обработку этих файлов.

Папка algorithms\my_models содержит ML-модели и код для их обучения.

Папка frontend отвечает за весь frontend в проекте. Сам frontend выполнен с использованием фреймворка VUE.

Папки Hackathon24, result, wait, main и pdfform отвечают за backend-логику сервера (обработка запросов от пользователя и т.п.). Backend выполнен с использованием фреймворка Django.