from transformers import AutoTokenizer
from transformers import AutoModelForTokenClassification  # for pytorch
#from transformers import TFAutoModelForTokenClassification  # for tensorflow
from transformers import pipeline
import os

def read_file():
    with open('/data/law.txt', 'r', encoding='utf-8') as file:
        text = ''
        try:
            text = str(file.read())
            text = text
        except:
            pass 
    return text

input_sentence = '''ماده ۹ - کلیه دستگاههای اجرائی موضوع ماده (۵) قانون مدیریت خدمات کشوری مصوب 8 /7 /1386 با اصلاحات و الحاقات بعدی و ماده (۵) قانون محاسبات عمومی کشور مصوب 1 /6 /1366 با اصلاحات و الحاقات بعدی و نیروهای مسلح جمهوری اسلامی ایران (موضوع ماده (۲) قانون استخدام نیروی انتظامی جمهوری اسلامی ایران مصوب 20 /12 /1382 با اصلاحات و الحاقات بعدی)، مکلفند عوارض و بهای خدمات شهرداری ها و دهیاری های موضوع این قانون را همه ساله حداکثر تا پایان سال مالی به حقاری یا دهیاری مربوط واریز کنند. ذی حساب و رئیس دستگاه مربوط، در تاریخ ۱۴۰۱/۵/۳ مسؤول حسن اجرای قانون خانواده و جوانی جمعیت که در مهرماه سال 1401 تصویب شده می باشند. تبصره ۵ - از تاریخ لازم الاجراء شدن این قانون، تبصره (۱) ماده (۵۰) قانون مالیات بر ارزش افزوده مصوب 17 /2 /1387 با اصلاحات و الحاقات بعدی نسخ می گردد.

ماده ۳ - نرخ عوارض نوسازی موضوع ماده (۲) قانون نوسازی و عمران شهری مصوب 7 /9 /1347 با اصلاحات و الحاقات بعدی به میزان دو و نیم درصد( 5 /2 %) ارزش معاملاتی آخرین تقویم موضوع صدر و تبصره (۳) ماده (۶۴) قانون مالیاتهای مستقیم تعیین می گردد.
ماده ۱۷ - شهرداری ها برای صدور پروانه ساختمانی موظف به رعایت طرح تفصیلی شهرها بوده و فروش تراکم و نیز تغییر کاربری اراضی بر خلاف طرح تفصیلی فقط با تصویب در کمیسیون ماده (۵) قانون تأسیس شورای عالی شهرسازی و معماری ایران مصوب 22 /12 /1351 با اصلاحات و الحاقات بعدی مجاز است. متخلفان از مفاد این ماده مشمول مجازات تعزیری درجه هفت موضوع ماده (۱۹) قانون مجازات اسلامی بجز حبس و شلاق می شوند.

قانون فوق مشتمل بر هفده ماده و هفده تبصره در جلسه علنی روز چهارشنبه مورخ یکم تیرماه یکهزار و چهارصد و یک مجلس شورای اسلامی تصویب شد و در تاریخ 22 /4 /1401 به تأیید شورای نگهبان رسید.
'''
addr = os.getcwd()
model =  "HooshvareLab/albert-fa-zwnj-base-v2-ner"
model_name_or_path = model  # Albert
tokenizer = AutoTokenizer.from_pretrained(model_name_or_path)
model = AutoModelForTokenClassification.from_pretrained(model_name_or_path)  # Pytorch
# model = TFAutoModelForTokenClassification.from_pretrained(model_name_or_path)  # Tensorflow

nlp = pipeline("ner", model=model, tokenizer=tokenizer)
#example = "در سال ۲۰۱۳ درگذشت و آندرتیکر و کین برای او مراسم یادبود گرفتند."

ner_results = nlp(input_sentence)
print(ner_results)