add OCR profile. Zip -> Word -> txt

poc_ocr.py

@@ -1,16 +1,18 @@
+import zipfile
 import requests
 import base64
 from PIL import Image
 import pytesseract
 import io
+import re
 from pathlib import Path
 
-# Définir les informations de l'API (à personnaliser)
+# === Configuration API ===
 api_url = "https://hackathon-api.mlo.sehlat.io/game/start"
 api_key = "OwogAztgWRdPfT2wWe7Xevdw98tdJelatlk82K6bozw"
 team_name = "Welch"
 
-# Requête POST pour obtenir les données du jeu
+# === Requête API ===
 headers = {
     "x-api-key": api_key,
     "Content-Type": "application/json"
@@ -19,23 +21,33 @@ payload = {
     "player_name": team_name
 }
 
-# Simulation de la requête (à activer quand tu veux l’exécuter pour de vrai)
 response = requests.post(api_url, headers=headers, json=payload)
 response_data = response.json()
-print(response_data["client_data"]["passport"])
 
-
-# === Extraction du champ "passport" depuis ta réponse API ===
+# === Traitement du passeport ===
 passport_b64 = response_data["client_data"]["passport"]
-
-# === Décodage de l’image (Base64 → image binaire) ===
 image_bytes = base64.b64decode(passport_b64)
 image = Image.open(io.BytesIO(image_bytes))
-
-# === OCR avec pytesseract ===
-# (Tu peux changer 'eng' par 'fra', 'deu', etc. selon la langue du passeport)
 extracted_text = pytesseract.image_to_string(image, lang='eng')
 
-# === Affichage du résultat ===
-print("Texte extrait depuis le passeport :\n")
-print(extracted_text)
+print("=== Texte extrait depuis le passeport ===\n")
+print(extracted_text)
+
+# === Traitement du profil ===
+profile_b64 = response_data["client_data"]["profile"]
+profile_bytes = base64.b64decode(profile_b64)
+zip_file = zipfile.ZipFile(io.BytesIO(profile_bytes))
+
+# Vérifie la présence du fichier principal du Word
+document_path = "word/document.xml"
+if document_path in zip_file.namelist():
+    with zip_file.open(document_path) as doc_file:
+        xml_content = doc_file.read().decode("utf-8", errors="ignore")
+
+    # Extraction naïve du texte (on peut améliorer avec XML parser si besoin)
+    text_only = re.sub(r"<[^>]+>", "", xml_content)
+
+    print("\n=== Texte extrait depuis le profil (document Word) ===\n")
+    print(text_only.strip())
+else:
+    print("Le fichier 'word/document.xml' est introuvable dans l'archive du profil.")