Update app.py

app.py

@@ -21,117 +21,100 @@ NUM_LINHAS = len(LINHAS)
 MESES_PT = {i: m for i, m in enumerate(["Jan", "Fev", "Mar", "Abr", "Mai", "Jun", "Jul", "Ago", "Set", "Out", "Nov", "Dez"], 1)}
 CINZA = PatternFill(start_color="D9D9D9", end_color="D9D9D9", fill_type="solid")
 
-def br_to_float(v):
-    return float(v.replace(".", "").replace(",", "."))
-
-def extract_year(text):
-    # Procura por "EVOLUÇÃO DO CUB/RS - 2024" ou apenas "2024" isolado
-    match = re.search(r"(?:20)\d{2}", text)
-    return int(match.group(0)) if match else None
+def limpar_e_converter(valor_str):
+    """Converte string '1.234,56' ou '-0,45' em float."""
+    try:
+        # Remove pontos de milhar e troca vírgula por ponto
+        return float(valor_str.replace(".", "").replace(",", "."))
+    except:
+        return None
 
-def processar_pdf_personalizado(arquivo_pdf, anos_retroativos):
-    if arquivo_pdf is None:
-        return None, "Aguardando upload..."
+def processar_pdf_universal(arquivo_pdf, anos_retroativos):
+    if arquivo_pdf is None: return None, "Aguardando arquivo..."
     
     log = []
     dados_globais = {}
+    eh_porcentagem = False # Flag para detectar tipo de dado
     
     try:
         reader = PdfReader(arquivo_pdf.name)
-        ano_atual_ref = datetime.now().year
-        ano_limite = ano_atual_ref - anos_retroativos
+        ano_limite = datetime.now().year - anos_retroativos
         
         for i, page in enumerate(reader.pages):
             text = page.extract_text()
-            ano_pag = extract_year(text)
             
-            # Se não achar o ano na página ou for anterior ao limite, pula
-            if not ano_pag or ano_pag < ano_limite:
-                continue
+            # Busca o ano na página
+            ano_match = re.search(r"(?:20)\d{2}", text)
+            if not ano_match: continue
+            ano_pag = int(ano_match.group(0))
             
-            log.append(f"Processando página {i+1} (Ano: {ano_pag})")
+            if ano_pag < ano_limite: continue
             
-            # Extrai apenas valores que pareçam moeda (ex: 2.500,00 ou 900,00)
-            # Ignora números simples como "1", "2024", etc.
-            valores = re.findall(r"\d{1,3}(?:\.\d{3})*,\d{2}", text)
-            valores_float = [br_to_float(v) for v in valores]
+            # Detecta se é PDF de variação (geralmente contém o símbolo % no texto)
+            if "%" in text: eh_porcentagem = True
             
-            if not valores_float:
-                continue
-
-            # No PDF do Sinduscon, os valores costumam vir agrupados por projeto
-            # Ex: Todos os meses do R 1-B, depois todos do R 1-N...
-            # A lógica abaixo distribui os valores encontrados proporcionalmente
-            num_meses_encontrados = len(valores_float) // NUM_LINHAS
+            # REGEX UNIVERSAL: Pega números como 2.500,00 | 900,00 | 0,45 | -0,10
+            # Explicação: Sinal opcional | dígitos com pontos opcionais | vírgula | 2 decimais
+            padrao = r"-?\d{1,3}(?:\.\d{3})*,\d{2}"
+            valores_encontrados = re.findall(padrao, text)
+            valores_float = [limpar_e_converter(v) for v in valores_encontrados]
             
-            if num_meses_encontrados == 0:
-                continue
+            if not valores_float: continue
+
+            num_meses = len(valores_float) // NUM_LINHAS
+            if num_meses == 0: continue
 
             for linha_idx in range(NUM_LINHAS):
-                for mes_offset in range(num_meses_encontrados):
-                    pos = (linha_idx * num_meses_encontrados) + mes_offset
+                for mes_off in range(num_meses):
+                    pos = (linha_idx * num_meses) + mes_off
                     if pos < len(valores_float):
-                        # Se a página tem 12 meses, mes_idx é offset + 1
-                        # Se a página tem menos (ano corrente), precisamos inferir
-                        # Geralmente o Sinduscon preenche da esquerda para a direita (Jan -> atual)
-                        mes_idx = mes_offset + 1
-                        if mes_idx <= 12:
-                            data_key = f"{ano_pag}-{mes_idx:02d}"
-                            dados_globais[(linha_idx, data_key)] = valores_float[pos]
+                        mes_idx = mes_off + 1
+                        dados_globais[(linha_idx, f"{ano_pag}-{mes_idx:02d}")] = valores_float[pos]
+            
+            log.append(f"Página {i+1} (Ano {ano_pag}) processada.")
 
-        if not dados_globais:
-            return None, "Nenhum dado encontrado. Verifique se o PDF é o de 'Série Histórica - Valor'."
+        if not dados_globais: return None, "Nenhum dado extraído."
 
-        # --- GERAÇÃO DO EXCEL ---
-        colunas_ordenadas = sorted(set(c for _, c in dados_globais.keys()))
+        # Gerar Excel
+        colunas = sorted(set(c for _, c in dados_globais.keys()))
         wb = Workbook()
         ws = wb.active
-        ws.title = "CUB RS Histórico"
+        ws.title = "Dados CUB-RS"
         
-        # Cabeçalho formatado: Jan/2024
-        header = ["PROJETO-PADRÃO"] + [f"{MESES_PT[int(c.split('-')[1])]}/{c.split('-')[0]}" for c in colunas_ordenadas]
-        ws.append(header)
+        # Cabeçalho
+        ws.append(["PROJETO-PADRÃO"] + [f"{MESES_PT[int(c.split('-')[1])]}/{c.split('-')[0]}" for c in colunas])
         
-        for l_idx, nome_projeto in enumerate(LINHAS):
-            row = [nome_projeto]
-            for data_key in colunas_ordenadas:
-                row.append(dados_globais.get((l_idx, data_key), ""))
+        for l_idx, nome in enumerate(LINHAS):
+            row = [nome] + [dados_globais.get((l_idx, c)) for c in colunas]
             ws.append(row)
-            
-            # Zebra por categoria (grupos de 3 ou conforme LINHAS)
             if (l_idx // 3) % 2 == 0:
-                for c_idx in range(1, len(colunas_ordenadas) + 2):
+                for c_idx in range(1, len(colunas) + 2):
                     ws.cell(row=ws.max_row, column=c_idx).fill = CINZA
 
-        # Estética
-        for cell in ws[1]:
-            cell.font = Font(bold=True)
-            cell.alignment = Alignment(horizontal='center')
+        # Formatação de Células
+        for r in range(2, ws.max_row + 1):
+            for c in range(2, ws.max_column + 1):
+                cell = ws.cell(r, c)
+                if eh_porcentagem:
+                    cell.number_format = '0.00"%"'
+                else:
+                    cell.number_format = '#,##0.00'
+
         ws.column_dimensions['A'].width = 30
-        
         temp_file = tempfile.NamedTemporaryFile(delete=False, suffix=".xlsx")
         wb.save(temp_file.name)
         
-        return temp_file.name, "\n".join(log) + f"\n\nSucesso! {len(colunas_ordenadas)} meses extraídos."
+        tipo = "Variação (%)" if eh_porcentagem else "Valores (R$)"
+        return temp_file.name, f"Tipo detectado: {tipo}\n" + "\n".join(log)
 
     except Exception as e:
-        return None, f"Erro crítico: {str(e)}"
-
-# --- INTERFACE ---
-with gr.Blocks() as demo:
-    gr.Markdown("## 🏗️ Extrator CUB-RS Multi-Páginas")
-    gr.Markdown("Este extrator lê todas as páginas do PDF e filtra o período desejado.")
-    
-    with gr.Row():
-        with gr.Column():
-            f_in = gr.File(label="PDF do Sinduscon", file_types=[".pdf"])
-            s_in = gr.Slider(1, 20, 5, step=1, label="Anos para retroceder")
-            btn = gr.Button("Extrair Dados", variant="primary")
-        with gr.Column():
-            f_out = gr.File(label="Planilha Gerada")
-            t_out = gr.Textbox(label="Relatório")
-
-    btn.click(processar_pdf_personalizado, [f_in, s_in], [f_out, t_out])
+        return None, f"Erro: {str(e)}"
 
-if __name__ == "__main__":
-    demo.launch()
+# Interface Gradio permanece a mesma...
+demo = gr.Interface(
+    fn=processar_pdf_universal,
+    inputs=[gr.File(label="Suba o PDF (Valores ou Variação)"), gr.Slider(1, 25, 5, label="Anos")],
+    outputs=[gr.File(label="Download"), gr.Textbox(label="Log")],
+    title="Extrator CUB-RS Universal"
+)
+demo.launch()