app.py

import gradio as gr
import os
import tempfile
import time
from web_scraper_tool import WebScrapperTool

# Inicializar el scraper
scraper = WebScrapperTool("temp_output")

def scrape_url(url, output_format, progress=gr.Progress()):
    """Función principal que procesa la URL ingresada"""
    progress(0, desc="Iniciando...")

    # Validar URL
    if not url.startswith(('http://', 'https://')):
        return None, "Error: La URL debe comenzar con http:// o https://"

    try:
        progress(0.2, desc="Analizando URL...")
        # Detectar si es una imagen
        is_image = scraper.is_image_url(url)

        progress(0.4, desc="Iniciando descarga...")

        temp_dir = tempfile.mkdtemp()
        timestamp = int(time.time())

        if is_image:
            progress(0.6, desc="Procesando imagen...")
            filename = f"imagen_{timestamp}.txt"
            output_path = os.path.join(temp_dir, filename)

            # Obtenemos metadatos de la imagen
            metadata = scraper.get_image_metadata(url)
            with open(output_path, 'w', encoding='utf-8') as f:
                f.write(f"URL de la imagen: {url}\n\n")
                f.write("Metadatos de la imagen:\n")
                for key, value in metadata.items():
                    f.write(f"{key}: {value}\n")

            progress(1.0, desc="¡Listo!")
            return output_path, f"✅ Archivo generado exitosamente. Se detectó que la URL es una imagen."
        else:
            if output_format == "txt":
                progress(0.6, desc="Extrayendo texto...")
                filename = f"contenido_{timestamp}.txt"
                output_path = os.path.join(temp_dir, filename)
                scraper.scrape_to_text(url, output_path)
            else:  # PDF
                progress(0.6, desc="Generando PDF...")
                filename = f"contenido_{timestamp}.pdf"
                output_path = os.path.join(temp_dir, filename)
                scraper.scrape_to_pdf(url, output_path)

            progress(1.0, desc="¡Listo!")
            return output_path, f"✅ Archivo generado exitosamente en formato {output_format.upper()}"

    except Exception as e:
        return None, f"❌ Error: {str(e)}"

# Estilos CSS personalizados para una apariencia minimalista
css = """
.gradio-container {
    font-family: 'Inter', -apple-system, BlinkMacSystemFont, sans-serif;
    max-width: 800px;
    margin: 0 auto;
}
.main-header {
    text-align: center;
    margin-bottom: 2rem;
}
.app-description {
    margin-bottom: 2rem;
    text-align: center;
    color: #666;
}
.gr-button {
    border-radius: 4px !important;
}
.gr-button-primary {
    background: linear-gradient(90deg, #5c1edb, #775af5) !important;
}
footer {
    margin-top: 3rem;
    text-align: center;
    font-size: 0.8rem;
    color: #888;
}
"""

# Definir la interfaz de Gradio
with gr.Blocks(css=css) as demo:
    gr.HTML("<h1 class='main-header'>🕸️ Web Scraper Tool</h1>")
    gr.HTML("<p class='app-description'>Ingresa una URL para extraer su contenido en formato PDF o texto plano. La herramienta detectará automáticamente si se trata de una imagen.</p>")

    with gr.Row():
        url_input = gr.Textbox(
            label="URL", 
            placeholder="https://ejemplo.com",
            info="Ingresa la URL que deseas procesar"
        )

    with gr.Row():
        format_select = gr.Radio(
            ["txt", "pdf"], 
            label="Formato de salida", 
            value="txt",
            info="Selecciona el formato para guardar el contenido"
        )

    with gr.Row():
        submit_btn = gr.Button("Procesar URL", variant="primary")

    with gr.Row():
        output_message = gr.Textbox(label="Estado")

    with gr.Row():
        file_output = gr.File(label="Archivo generado")

    submit_btn.click(
        fn=scrape_url,
        inputs=[url_input, format_select],
        outputs=[file_output, output_message]
    )

    gr.HTML("<footer>Desarrollado con <a href='https://gradio.app'>Gradio</a> y <a href='https://huggingface.co/spaces'>Hugging Face Spaces</a></footer>")

# Iniciar la aplicación
if __name__ == "__main__":
    demo.launch()