Update app.py

app.py

@@ -1 +1,251 @@
-1
+import gradio as gr
+import pdfplumber
+import re
+import pandas as pd
+import matplotlib.pyplot as plt
+from io import BytesIO
+import tempfile
+import os
+from PIL import Image
+
+# Функция для обработки PDF и извлечения данных
+def process_pdf(file):
+    data_list = []
+
+    try:
+        # Открываем PDF-файл с помощью pdfplumber
+        with pdfplumber.open(file) as pdf:
+            text = ''
+            for page_num, page in enumerate(pdf.pages, start=1):
+                page_text = page.extract_text()
+                if page_text:
+                    text += page_text + '\n'
+
+        # Функция для извлечения значений по ключевым словам
+        def extract_value(label, text):
+            pattern = rf'{label}\s*тенге\s*([\d\s,]+)'  # Поиск ключевого слова и числового значения
+            match = re.search(pattern, text, flags=re.IGNORECASE)
+            if match:
+                value = match.group(1)
+                value = re.sub(r'[^\d]', '', value)  # Убираем все, кроме цифр
+                return int(value) if value else 0
+            return 0
+
+        # Функция для извлечения значения "ВСЕГО ПО СМЕТЕ"
+        def extract_total_value(label, text):
+            pattern = rf'{label}:\s*([\d\s]+)'  # Учёт двоеточия после "ВСЕГО ПО СМЕТЕ"
+            match = re.search(pattern, text, flags=re.IGNORECASE)
+            if match:
+                value = match.group(1)
+                value = re.sub(r'[^\d]', '', value)  # Убираем все символы, кроме цифр
+                return int(value) if value else 0
+
+        # Разбиваем текст на части по ключевому слову "ЛОКАЛЬНАЯ СМЕТА №"
+        estimates = re.split(r'ЛОКАЛЬНАЯ СМЕТА №', text, flags=re.IGNORECASE)[1:]
+
+        for idx, estimate_text in enumerate(estimates, start=1):
+            # Обрезаем текст до появления слова "Раздел"
+            estimate_text_clean = re.split(r'Раздел', estimate_text, flags=re.IGNORECASE)[0]
+
+            # Извлекаем номер сметы
+            number_match = re.match(r'(\S+)', estimate_text_clean.strip())
+            estimate_number = number_match.group(1) if number_match else ''
+
+            # Извлекаем наименование сметы после "на"
+            name_match = re.search(r'на\s+(.+?)(?:\n|$)', estimate_text_clean, flags=re.IGNORECASE)
+            estimate_name = name_match.group(1).strip() if name_match else ''
+
+            # Извлекаем затраты в указанном порядке
+            labor_cost = extract_value('Затраты на труд рабочих', estimate_text_clean)
+            machine_cost = extract_value('Машины и механизмы', estimate_text_clean)
+            material_cost = extract_value('Материалы, изделия и конструкции', estimate_text_clean)
+            transport_cost = extract_value('Перевозки', estimate_text_clean)
+            equipment_cost = extract_value('Оборудование', estimate_text_clean)
+            total_cost = extract_total_value('ВСЕГО ПО СМЕТЕ', estimate_text_clean)
+
+            # Сохраняем данные в список с обновленными названиями столбцов
+            data_list.append({
+                '№ локальной сметы': estimate_number,
+                'Наименование': estimate_name,
+                'Рабочие': labor_cost,
+                'Техника': machine_cost,
+                'Материалы': material_cost,
+                'Перевозки': transport_cost,
+                'Оборудование': equipment_cost,
+                'ВСЕГО ПО СМЕТЕ': total_cost
+            })
+
+    except Exception as e:
+        print(f"Ошибка при обработке PDF-файла: {e}")
+        return pd.DataFrame(), pd.DataFrame(), None, None, None  # Возвращаем два пустых DataFrame и None для диаграммы и файлов Excel в случае ошибки
+
+    # Преобразуем список данных в DataFrame
+    df = pd.DataFrame(data_list)
+    
+    # Убираем лишние пробелы и символы из названий столбцов
+    df.columns = df.columns.str.strip()
+
+    # Рассчитываем общую сумму по всем сметам для каждой категории
+    total_row = pd.DataFrame({
+        '№ локальной сметы': ['Итого'],
+        'Наименование': [''],
+        'Рабочие': [df['Рабочие'].sum()],
+        'Техника': [df['Техника'].sum()],
+        'Материалы': [df['Материалы'].sum()],
+        'Перевозки': [df['Перевозки'].sum()],
+        'Оборудование': [df['Оборудование'].sum()],
+        'ВСЕГО ПО СМЕТЕ': [df['ВСЕГО ПО СМЕТЕ'].sum()]
+    })
+
+    # Добавляем строку "Итого" в конец таблицы
+    df = pd.concat([df, total_row], ignore_index=True)
+
+    # Создаём таблицу с процентным соотношением, округленным до двух знаков после запятой
+    total_sum = df['ВСЕГО ПО СМЕТЕ'].iloc[:-1].sum()  # исключаем строку "Итого"
+    df_percentage = df[['№ локальной сметы', 'Наименование']].copy()
+    df_percentage['Процент от общей суммы'] = ((df['ВСЕГО ПО СМЕТЕ'].iloc[:-1] / total_sum) * 100).round(2)
+
+    # Создание круговой диаграммы
+    category_sums = {
+        'Категория': ['Рабочие', 'Техника', 'Материалы', 'Перевозки', 'Оборудование'],
+        'Сумма': [
+            df['Рабочие'].iloc[:-1].sum(),
+            df['Техника'].iloc[:-1].sum(),
+            df['Материалы'].iloc[:-1].sum(),
+            df['Перевозки'].iloc[:-1].sum(),
+            df['Оборудование'].iloc[:-1].sum()
+        ]
+    }
+
+    df_category_percentage = pd.DataFrame(category_sums)
+    df_category_percentage['Процент от общей суммы'] = ((df_category_percentage['Сумма'] / total_sum) * 100).round(2)
+
+    # Создание словаря сопоставления категорий и цветов
+    color_map = {
+        'Рабочие': '#DCEDFC',
+        'Техника': '#94B4D4',
+        'Материалы': '#3C47D6',
+        'Перевозки': '#94B4D4',
+        'Оборудование': '#0E86D4'
+    }
+
+    # Фильтрация категорий с процентом >=1%
+    filtered_df = df_category_percentage[df_category_percentage['Процент от общей суммы'] >= 1].reset_index(drop=True)
+
+    # Генерация списка цветов в соответствии с порядком категорий
+    colors = [color_map.get(category, '#FFFFFF') for category in filtered_df['Категория']]
+
+    # Отладочная информация (можно удалить после проверки)
+    print("Категории:", filtered_df['Категория'].tolist())
+    print("Цвета:", colors)
+
+    # Сохраняем диаграмму в BytesIO с добавлением пустого пространства
+    fig, ax = plt.subplots(figsize=(7, 7))  # Увеличенный размер фигуры
+    ax.pie(
+        filtered_df['Сумма'],
+        labels=filtered_df['Категория'],
+        autopct='%1.2f%%',
+        startangle=90,
+        colors=colors,  # Используем пользовательские цвета
+        labeldistance=1.1,  # Расстояние до надписей
+        pctdistance=0.8  # Расстояние до процентных надписей
+    )
+    plt.title('')
+    plt.axis('equal')  # Круговая диаграмма круглая по форме
+    plt.tight_layout()  # Оптимизация расположения элементов
+
+    pie_chart = BytesIO()
+    plt.savefig(pie_chart, format='png', bbox_inches='tight')  # bbox_inches='tight' для оптимизации
+    plt.close(fig)
+    pie_chart.seek(0)
+
+    # Форматирование чисел с пробелами в качестве разделителей тысяч
+    def format_number(x):
+        return f"{x:,}".replace(",", " ")
+
+    df_formatted = df.copy()
+    for col in ['Рабочие', 'Техника', 'Материалы', 'Перевозки', 'Оборудование', 'ВСЕГО ПО СМЕТЕ']:
+        df_formatted[col] = df_formatted[col].apply(format_number)
+
+    df_percentage_formatted = df_percentage.copy()
+    df_percentage_formatted['Процент от общей суммы'] = df_percentage_formatted['Процент от общей суммы'].astype(str) + '%'
+
+    # Создаём временные Excel-файлы
+    temp_dir = tempfile.mkdtemp()
+    detailed_report_path = os.path.join(temp_dir, "detailed_report.xlsx")
+    percentage_report_path = os.path.join(temp_dir, "percentage_report.xlsx")
+
+    df.to_excel(detailed_report_path, index=False)
+    df_percentage.to_excel(percentage_report_path, index=False)
+
+    # Возвращаем форматированные DataFrame и диаграмму
+    return df_formatted, df_percentage_formatted, pie_chart, detailed_report_path, percentage_report_path
+
+# CSS для блокировки копирования текста
+custom_css = """
+* {
+  -webkit-user-select: none; /* Safari */
+  -moz-user-select: none;    /* Firefox */
+  -ms-user-select: none;     /* Internet Explorer/Edge */
+  user-select: none;         /* Standard */
+}
+"""
+
+# Создаем интерфейс Gradio с блоками и адаптивным дизайном
+with gr.Blocks(css=custom_css) as demo:
+    # Основной заголовок и подзаголовок
+    with gr.Row():
+        gr.Markdown("### **AIGineer | ИИ УПРАВЛЕНИЕ СТРОИТЕЛЬСТВОМ**", elem_id="header")
+        gr.Markdown("**На текущий момент система считает сметы в ценах от 2023**", elem_id="subheader")
+
+    # Загрузка файла (текст выравнивается по центру)
+    with gr.Row():
+        upload_button = gr.File(label="ЗАГРУЗИТЕ СМЕТУ В PDF", elem_id="upload")
+
+    # Первая таблица с заголовком и описанием
+    with gr.Row():
+        gr.Markdown("<br>")  # Добавляем расстояние перед таблицей
+    with gr.Row():
+        gr.Markdown("<h3 style='text-align: center;'>ДЕТАЛИЗИРОВАННЫЙ БЮДЖЕТ</h3>", elem_id="title1")
+    with gr.Row():
+        gr.Markdown("Отчет дает полное представление о том, как распределяются средства по каждому разделу сметной документации. Он разбивает затраты на ключевые категории — оплата труда, техника, материалы, логистика и оборудование. Это позволяет держать под контролем каждую статью расходов и моментально видеть, где происходят основные затраты.", elem_id="desc1")
+    with gr.Row():
+        output_table_1 = gr.Dataframe(headers=["№ локальной сметы", "Наименование", "Рабочие", "Техника", "Материалы", "Перевозки", "Оборудование", "ВСЕГО ПО СМЕТЕ"], elem_id="table1")
+
+    # Расстояние между таблицами
+    with gr.Row():
+        gr.Markdown("<br>")  # Добавляем расстояние между таблицами
+
+    # Вторая таблица с заголовком и описанием
+    with gr.Row():
+        gr.Markdown("<h3 style='text-align: center;'>ПРОЦЕНТНОЕ РАСПРЕДЕЛЕНИЕ ЛОКАЛЬНЫХ СМЕТ</h3>", elem_id="title2")
+    with gr.Row():
+        gr.Markdown("Важный инструмент для стратегического планирования, который помогает легко сравнивать между собой разделы проекта, понимая, какие из них требуют большего финансирования, а какие — меньшего. Это позволяет эффективно распределять ресурсы и достигать максимальной отдачи.", elem_id="desc2")
+    with gr.Row():
+        output_table_2 = gr.Dataframe(headers=["№ локальной сметы", "Наименование", "Процент от общей суммы"], elem_id="table2")
+
+    # Третья таблица с диаграммой
+    with gr.Row():
+        gr.Markdown("<h3 style='text-align: center;'>СТРУКТУРА РАСХОДОВ ПО КАТЕГОРИЯМ</h3>", elem_id="title3")
+    with gr.Row():
+        gr.Markdown("<br>")  # Добавляем пустое пространство после заголовка
+    with gr.Row():
+        output_plot = gr.Image(type="pil", elem_id="plot")
+
+    # Кнопки для скачивания Excel-файлов
+    with gr.Row():
+        download_excel_1 = gr.File(label="Скачать детализированный отчет")
+        download_excel_2 = gr.File(label="Скачать процентное соотношение")
+
+    def update_download_buttons(file):
+        df_formatted, df_percentage_formatted, pie_chart, detailed_report_path, percentage_report_path = process_pdf(file)
+        return df_formatted, df_percentage_formatted, Image.open(pie_chart), detailed_report_path, percentage_report_path
+
+    upload_button.change(
+        update_download_buttons,
+        inputs=upload_button,
+        outputs=[output_table_1, output_table_2, output_plot, download_excel_1, download_excel_2]
+    )
+
+# Запуск приложения
+demo.launch(share=True)