Update app.py

app.py

@@ -58,7 +58,7 @@ hr {{ border: none; border-top: 1px solid #1f2937; margin: 8px 0 16px 0; }}
 """, unsafe_allow_html=True)
 
 # ---------- Utilidades ----------
-def _norm_key(s: Optional[str]) -> str:
+def _norm_text(s: Optional[str]) -> str:
     if s is None:
         return ""
     s = str(s).strip().lower()
@@ -69,16 +69,83 @@ def _norm_key(s: Optional[str]) -> str:
 @st.cache_data(show_spinner=False)
 def load_csv(upload) -> pd.DataFrame:
     """
-    A: garante 'escritorio_cat' SEMPRE:
-    - se não existir no CSV, cria;
-    - se vier nula, preenche com 'escritorio_responsavel'.
+    Lê CSV, normaliza cabeçalhos e garante colunas canônicas.
+    Garante 'escritorio_cat' (A) e tipagem básica.
     """
     if upload is None:
         return pd.DataFrame()
 
+    # 1) lê CSV
     df = pd.read_csv(upload)
 
-    # colunas esperadas (inclui 'escritorio_cat')
+    # 2) normaliza nomes de colunas (lower, sem acento, sem espaços extras)
+    original_cols = list(df.columns)
+    norm_cols = [_norm_text(c) for c in original_cols]
+    rename_map = dict(zip(original_cols, norm_cols))
+    df = df.rename(columns=rename_map)
+
+    # 3) mapeia cabeçalhos comuns -> canônicos
+    header_map = {
+        # processo
+        "numero do processo": "processo_numero",
+        "número do processo": "processo_numero",
+        "processo numero": "processo_numero",
+        "processo": "processo_numero",
+        "num do processo": "processo_numero",
+        "nº do processo": "processo_numero",
+
+        # cliente / parte contrária
+        "cliente": "cliente",
+        "parte contraria": "contrario",
+        "parte contrária": "contrario",
+        "contrario": "contrario",
+
+        # valores
+        "valor da causa": "valor_causa",
+        "valor causa": "valor_causa",
+        "valor_causa": "valor_causa",
+
+        # ação / natureza / área
+        "acao": "acao",
+        "ação": "acao",
+        "natureza": "natureza",
+        "area": "area",
+        "área": "area",
+
+        # órgãos / localização
+        "orgao": "orgao",
+        "órgão": "orgao",
+        "comarca": "comarca",
+        "tribunal": "tribunal",
+        "vara": "vara",
+
+        # situação / datas / posição do cliente
+        "situacao": "situacao",
+        "situação": "situacao",
+        "data de ajuizamento": "data_ajuizamento",
+        "data ajuizamento": "data_ajuizamento",
+        "posicao do cliente": "posicao_cliente",
+        "posição do cliente": "posicao_cliente",
+
+        # escritório
+        "escritorio responsavel": "escritorio_responsavel",
+        "escritório responsavel": "escritorio_responsavel",
+        "escritório responsável": "escritorio_responsavel",
+        "escritorio_responsavel": "escritorio_responsavel",
+        "escritorio cat": "escritorio_cat",
+        "categoria escritorio": "escritorio_cat",
+        "categoria do escritorio": "escritorio_cat",
+
+        # página
+        "pagina": "pagina_pdf",
+        "página": "pagina_pdf",
+        "pagina pdf": "pagina_pdf",
+        "página pdf": "pagina_pdf",
+    }
+
+    df = df.rename(columns={c: header_map[c] for c in list(df.columns) if c in header_map})
+
+    # 4) garante as colunas canônicas (cria se não existir)
     cols = [
         "processo_numero","cliente","contrario","valor_causa","acao","natureza","area","orgao",
         "comarca","tribunal","vara","situacao","data_ajuizamento","posicao_cliente",
@@ -88,11 +155,11 @@ def load_csv(upload) -> pd.DataFrame:
         if c not in df.columns:
             df[c] = None
 
-    # tipos
+    # 5) tipagem
     df["valor_causa"] = pd.to_numeric(df["valor_causa"], errors="coerce")
     df["data_ajuizamento"] = pd.to_datetime(df["data_ajuizamento"], errors="coerce")
 
-    # garantia da categoria: se vazia, usa o responsável
+    # 6) A: garante categoria (se vazia, usa responsável)
     df["escritorio_cat"] = (
         df["escritorio_cat"]
         .fillna(df["escritorio_responsavel"])
@@ -100,6 +167,7 @@ def load_csv(upload) -> pd.DataFrame:
         .replace({"None": None})
     )
 
+    # devolve apenas canônicas
     return df[cols]
 
 @st.cache_data(show_spinner=False)
@@ -109,10 +177,10 @@ def apply_mapping(df: pd.DataFrame, mapping_json: str) -> pd.DataFrame:
         return df
     try:
         raw = json.loads(mapping_json)
-        mapping = {_norm_key(k): v for k, v in raw.items()}
+        mapping = {_norm_text(k): v for k, v in raw.items()}
         out = df.copy()
         out["escritorio_cat"] = out["escritorio_responsavel"].apply(
-            lambda x: mapping.get(_norm_key(x), x)
+            lambda x: mapping.get(_norm_text(x), x)
         )
         return out
     except Exception:
@@ -166,8 +234,7 @@ base = apply_mapping(base, mapping_str)
 if "escritorio_cat" not in base.columns:
     base["escritorio_cat"] = base.get("escritorio_responsavel", "")
 base["escritorio_cat"] = base["escritorio_cat"].fillna(base.get("escritorio_responsavel", "")).astype(str)
-
-for col in ["tribunal", "natureza", "acao", "data_ajuizamento", "valor_causa"]:
+for col in ["tribunal", "natureza", "acao", "data_ajuizamento", "valor_causa", "processo_numero", "cliente", "contrario"]:
     if col not in base.columns:
         base[col] = None
 
@@ -302,3 +369,4 @@ st.download_button(
 )
 
 st.caption("Feito com Streamlit + Plotly. Visual inspirado no Power BI.")
+