Update app.py

app.py

@@ -2,7 +2,6 @@ import re
 import os
 import tempfile
 from datetime import datetime
-from io import BytesIO
 from pypdf import PdfReader
 from openpyxl import Workbook
 from openpyxl.styles import Font, PatternFill, Alignment
@@ -19,131 +18,120 @@ LINHAS = [
     "GI (Galpão Industrial)"
 ]
 NUM_LINHAS = len(LINHAS)
-MESES_PT = {
-    1: "Jan", 2: "Fev", 3: "Mar", 4: "Abr", 5: "Mai", 6: "Jun",
-    7: "Jul", 8: "Ago", 9: "Set", 10: "Out", 11: "Nov", 12: "Dez"
-}
+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")
 
-# --- FUNÇÕES DE APOIO ---
 def br_to_float(v):
     return float(v.replace(".", "").replace(",", "."))
 
-def extract_numbers(text):
-    return [br_to_float(n) for n in re.findall(r"\d{1,3}(?:\.\d{3})*,\d{2}", text)]
+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 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 format_month_header(col_name):
-    ano, mes = col_name.split("-")
-    return f"{MESES_PT[int(mes)]}/{ano}"
-
-# --- PROCESSAMENTO PRINCIPAL ---
 def processar_pdf_personalizado(arquivo_pdf, anos_retroativos):
     if arquivo_pdf is None:
-        return None, "Aguardando upload do arquivo..."
+        return None, "Aguardando upload..."
     
     log = []
+    dados_globais = {}
+    
     try:
         reader = PdfReader(arquivo_pdf.name)
-        ano_atual = datetime.now().year
-        ano_limite = ano_atual - anos_retroativos
-        
-        # 1. Identificar o ano mais recente no documento para lógica de meses
-        texto_capa = reader.pages[0].extract_text()
-        ano_documento = extract_year_from_page(texto_capa) or ano_atual
+        ano_atual_ref = datetime.now().year
+        ano_limite = ano_atual_ref - anos_retroativos
         
-        dados = {}
-        
-        for page in reader.pages:
+        for i, page in enumerate(reader.pages):
             text = page.extract_text()
-            ano_pag = extract_year_from_page(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
-                
-            valores = extract_numbers(text)
-            if not valores: continue
             
-            # Cálculo de quantos meses existem nesta página
-            num_meses = len(valores) // NUM_LINHAS
-            # Se for o ano atual/mais recente, começa em Janeiro. 
-            # Se for ano antigo com menos de 12 meses, assume-se que termina em Dezembro.
-            mes_inicial = 1 if (num_meses == 12 or ano_pag == ano_documento) else (12 - num_meses + 1)
+            log.append(f"Processando página {i+1} (Ano: {ano_pag})")
+            
+            # 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]
+            
+            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
             
+            if num_meses_encontrados == 0:
+                continue
+
             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
-                    
-                    mes_atual = mes_inicial + mes_idx
-                    if mes_atual > 12: break
-                    
-                    data_str = f"{ano_pag}-{mes_atual:02d}"
-                    dados[(linha_idx, data_str)] = valores[pos]
+                for mes_offset in range(num_meses_encontrados):
+                    pos = (linha_idx * num_meses_encontrados) + mes_offset
+                    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]
 
-        if not dados:
-            return None, f"Nenhum dado encontrado para o período de {anos_retroativos} anos."
+        if not dados_globais:
+            return None, "Nenhum dado encontrado. Verifique se o PDF é o de 'Série Histórica - Valor'."
 
-        # 2. Criar Excel
-        colunas_ordenadas = sorted(set(c for _, c in dados.keys()))
+        # --- GERAÇÃO DO EXCEL ---
+        colunas_ordenadas = sorted(set(c for _, c in dados_globais.keys()))
         wb = Workbook()
         ws = wb.active
-        ws.title = "CUB Histórico"
+        ws.title = "CUB RS Histórico"
         
-        # Cabeçalho
-        ws.append(["PROJETO-PADRÃO"] + [format_month_header(c) for c in colunas_ordenadas])
+        # 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)
         
-        # Dados
-        for i, nome_linha in enumerate(LINHAS):
-            row = [nome_linha] + [dados.get((i, c)) for c in colunas_ordenadas]
+        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), ""))
             ws.append(row)
             
-            # Formatação zebrada por grupos originais do Sinduscon
-            cor_atual = CINZA if (i // 3) % 2 == 0 else None
-            if cor_atual:
-                for col_idx in range(1, len(colunas_ordenadas) + 2):
-                    ws.cell(row=ws.max_row, column=col_idx).fill = cor_atual
+            # 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):
+                    ws.cell(row=ws.max_row, column=c_idx).fill = CINZA
 
-        # Ajustes de Estilo
+        # Estética
         for cell in ws[1]:
             cell.font = Font(bold=True)
             cell.alignment = Alignment(horizontal='center')
-        ws.column_dimensions['A'].width = 35
-
+        ws.column_dimensions['A'].width = 30
+        
         temp_file = tempfile.NamedTemporaryFile(delete=False, suffix=".xlsx")
         wb.save(temp_file.name)
         
-        log.append(f"Sucesso! Foram extraídos {len(colunas_ordenadas)} meses de dados.")
-        return temp_file.name, "\n".join(log)
-    
+        return temp_file.name, "\n".join(log) + f"\n\nSucesso! {len(colunas_ordenadas)} meses extraídos."
+
     except Exception as e:
-        return None, f"Erro: {str(e)}"
+        return None, f"Erro crítico: {str(e)}"
 
-# --- INTERFACE GRADIO ---
-with gr.Blocks(title="Extrator CUB-RS") as demo:
-    gr.Markdown("# 🏗️ Extrator de Série Histórica CUB-RS")
-    gr.Markdown("Transforme o PDF do Sinduscon em uma planilha Excel organizada por períodos.")
+# --- 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():
-            input_pdf = gr.File(label="1. Suba o PDF da Série Histórica", file_types=[".pdf"])
-            input_anos = gr.Slider(minimum=1, maximum=20, value=5, step=1, label="2. Quantos anos deseja extrair?")
-            btn = gr.Button("Gerar Excel", variant="primary")
-        
+            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():
-            output_file = gr.File(label="3. Baixe seu Excel aqui")
-            output_log = gr.Textbox(label="Log")
+            f_out = gr.File(label="Planilha Gerada")
+            t_out = gr.Textbox(label="Relatório")
 
-    btn.click(
-        fn=processar_pdf_personalizado,
-        inputs=[input_pdf, input_anos],
-        outputs=[output_file, output_log]
-    )
+    btn.click(processar_pdf_personalizado, [f_in, s_in], [f_out, t_out])
 
 if __name__ == "__main__":
     demo.launch()