app.py

from pypdf import PdfReader
import re
from datetime import datetime
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment
import requests
from io import BytesIO
import gradio as gr
import tempfile
import os

# URL da página do CUB-RS
CUB_PAGE_URL = "https://sinduscon-rs.com.br/cub-rs/"

LINHAS = [
    "R 1-B (Res. Unifamiliar)",
    "R 1-N (Res. Unifamiliar)",
    "R 1-A (Res. Unifamiliar)",
    "PP 4-B (Prédio Popular)",
    "PP 4-N (Prédio Popular)",
    "R 8-B (Res. Multifamiliar)",
    "R 8-N (Res. Multifamiliar)",
    "R 8-A (Res. Multifamiliar)",
    "R 16-N (Res. Multifamiliar)",
    "R 16-A (Res. Multifamiliar)",
    "PIS (Projeto Inter. Social)",
    "RP1Q (Residência Popular)",
    "CAL 8-N (Com. Andar Livres)",
    "CAL 8-A (Com. Andar Livres)",
    "CSL 8-N (Com.Salas e Lojas)",
    "CSL 8-A (Com.Salas e Lojas)",
    "CSL 16-N (Com.Salas e Lojas)",
    "CSL 16-A (Com.Salas e Lojas)",
    "GI (Galpão Industrial)"
]

NUM_LINHAS = len(LINHAS)
DATA_MINIMA = datetime(2007, 2, 1)

MESES_PT = {
    1: "Janeiro", 2: "Fevereiro", 3: "Março", 4: "Abril",
    5: "Maio", 6: "Junho", 7: "Julho", 8: "Agosto",
    9: "Setembro", 10: "Outubro", 11: "Novembro", 12: "Dezembro"
}

GRUPOS_LINHAS = [
    (2, 4), (5, 6), (7, 9), (10, 11), (12, 12),
    (13, 13), (14, 15), (16, 17), (18, 19), (20, 20),
]

CINZA = PatternFill(start_color="D9D9D9", end_color="D9D9D9", fill_type="solid")


def fetch_pdf_url():
    response = requests.get(CUB_PAGE_URL, timeout=30)
    response.raise_for_status()
    pattern = r'href="([^"]+)"[^>]*>\s*Série Histórica [–-] Valor\s*</a>'
    match = re.search(pattern, response.text, re.IGNORECASE)
    if not match:
        raise ValueError("Link do PDF não encontrado.")
    return match.group(1)


def download_pdf(url):
    response = requests.get(url, timeout=60)
    response.raise_for_status()
    return BytesIO(response.content)


def br_to_float(v):
    return float(v.replace(".", "").replace(",", "."))


def extract_numbers(text):
    nums = re.findall(r"\d{1,3}(?:\.\d{3})*,\d{2}", text)
    return [br_to_float(n) for n in nums]


def extract_year_from_page(text):
    match = re.search(r"EVOLUÇÃO\s*%?/?\s*(20\d{2})", text)
    if match:
        return int(match.group(1))
    years = re.findall(r"(20\d{2})", text)
    return max(map(int, years)) if years else None


def detect_start_month(num_meses, ano, ano_mais_recente):
    if num_meses == 12 or ano == ano_mais_recente:
        return 1
    return 12 - num_meses + 1


def format_month_header(col_name):
    ano, mes = col_name.split("-")
    return f"{MESES_PT[int(mes)]}/{ano}"


def apply_formatting(ws, num_colunas):
    ws.column_dimensions['A'].width = 30
    for col_idx in range(2, num_colunas + 1):
        ws.column_dimensions[ws.cell(1, col_idx).column_letter].width = 15

    for col_idx in range(1, num_colunas + 1):
        cell = ws.cell(row=1, column=col_idx)
        cell.font = Font(bold=True)
        cell.alignment = Alignment(horizontal='center')

    for grupo_idx, (ini, fim) in enumerate(GRUPOS_LINHAS):
        if grupo_idx % 2 == 0:
            for r in range(ini, fim + 1):
                for c in range(1, num_colunas + 1):
                    ws.cell(r, c).fill = CINZA


def gerar_excel():
    log = []
    pdf_url = fetch_pdf_url()
    log.append(f"PDF encontrado: {pdf_url}")

    pdf_data = download_pdf(pdf_url)
    reader = PdfReader(pdf_data)

    ano_mais_recente = extract_year_from_page(reader.pages[0].extract_text())
    dados = {}

    for page in reader.pages:
        text = page.extract_text()
        ano = extract_year_from_page(text)
        if not ano:
            continue

        valores = extract_numbers(text)
        num_meses = len(valores) // NUM_LINHAS
        mes_inicial = detect_start_month(num_meses, ano, ano_mais_recente)

        for linha_idx in range(NUM_LINHAS):
            for mes_idx in range(num_meses):
                pos = linha_idx * num_meses + mes_idx
                if pos >= len(valores):
                    break
                data = datetime(ano, mes_inicial + mes_idx, 1)
                if data < DATA_MINIMA:
                    continue
                dados[(linha_idx, data.strftime("%Y-%m"))] = valores[pos]

    colunas = sorted(set(c for _, c in dados.keys()))

    wb = Workbook()
    ws = wb.active
    ws.title = "CUB Histórico"

    ws.append(["CÓDIGO"] + [format_month_header(c) for c in colunas])

    for i, codigo in enumerate(LINHAS):
        row = [codigo] + [dados.get((i, c)) for c in colunas]
        ws.append(row)

    apply_formatting(ws, len(colunas) + 1)

    temp_file = tempfile.NamedTemporaryFile(delete=False, suffix=".xlsx")
    wb.save(temp_file.name)

    log.append("Excel gerado com sucesso.")
    return temp_file.name, "\n".join(log)


# Interface Gradio
interface = gr.Interface(
    fn=gerar_excel,
    inputs=[],
    outputs=[
        gr.File(label="📥 Baixar Excel"),
        gr.Textbox(label="Log de execução")
    ],
    title="CUB/RS – Série Histórica",
    description="Baixa automaticamente o PDF do SINDUSCON-RS e gera o Excel da série histórica."
)

if __name__ == "__main__":
    interface.launch()