main.py

#!/usr/bin/env python3
"""
DOCX to PDF Converter with Perfect Formatting Preservation
Optimized for FastAPI with LibreOffice headless mode
Supports Arabic RTL text and preserves all original formatting
"""

import subprocess
import tempfile
import shutil
import os
from pathlib import Path
import zipfile
import re
import json
import threading
import time
from typing import Optional, List
import logging

# CRITICAL: Set environment variables to disable Java BEFORE any other imports
os.environ['SAL_DISABLE_JAVA'] = '1'
os.environ['SAL_DISABLE_JAVA_SECURITY'] = '1'
os.environ['LIBO_DISABLE_JAVA'] = '1'

from fastapi import FastAPI, File, UploadFile, HTTPException, BackgroundTasks
from fastapi.responses import FileResponse, JSONResponse
from fastapi.staticfiles import StaticFiles
from fastapi.middleware.cors import CORSMiddleware
from pydantic import BaseModel

# Import the conversion functions from the original app
from app import (
    setup_libreoffice,
    setup_font_environment,
    create_fontconfig,
    validate_docx_structure,
    preprocess_docx_for_perfect_conversion,
    create_libreoffice_config,
    convert_docx_to_pdf,
    analyze_conversion_error,
    validate_pdf_output,
    post_process_pdf_for_perfect_formatting,
    generate_comprehensive_quality_report,
    calculate_quality_score
)

# Setup logging
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

# Initialize FastAPI app
app = FastAPI(
    title="محول DOCX إلى PDF المتقدم",
    description="""
    # محول DOCX إلى PDF المتقدم - دقة 99%+ للتنسيق العربي
    
    ## الميزات الرئيسية:
    - **دقة 99%+**: مطابقة بكسل بكسل مع Word الأصلي
    - **العربية RTL**: دعم كامل لاتجاه النص من اليمين إلى اليسار
    - **معالجة مسبقة**: إزالة العناصر المشكلة تلقائياً
    - **جداول مثالية**: الحفاظ على تنسيق الجداول والأبعاد
    - **خطوط عربية**: دعم كامل للخطوط العربية (Amiri, Noto, Scheherazade)
    - **Placeholders**: حفظ مواقع القوالب الديناميكية
    - **جودة عالية**: 600 DPI بدون ضغط مدمر
    
    ## التقنيات المستخدمة:
    - **LibreOffice**: محرك التحويل الأساسي مع إعدادات محسنة
    - **PyMuPDF**: مراقبة لاحقة للتحقق من الجودة
    - **FontConfig**: نظام خطوط متقدم مع استبدال الخطوط
    - **Post-processing**: تحليل شامل بعد التحويل
    
    ## استخدام API:
    1. استخدم نقطة النهاية `/convert` لتحويل ملف DOCX إلى PDF
    2. استلم تقرير الجودة مع نتيجة التحويل
    3. قم بتنزيل الملف المحول باستخدام الرابط المقدم
    """,
    version="1.0.0",
    contact={
        "name": "فريق التطوير",
        "url": "https://huggingface.co",
    },
    license_info={
        "name": "MIT License",
        "url": "https://opensource.org/licenses/MIT",
    }
)

# Add CORS middleware
app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],
    allow_credentials=True,
    allow_methods=["*"],
    allow_headers=["*"],
)

# Models for API responses
class ConversionResponse(BaseModel):
    success: bool
    message: str
    pdf_url: Optional[str] = None
    quality_report: Optional[str] = None

class HealthResponse(BaseModel):
    status: str
    libreoffice_available: bool
    java_disabled: bool  # Add this field

# Serve static files (for HTML frontend)
app.mount("/static", StaticFiles(directory="static"), name="static")

@app.on_event("startup")
async def startup_event():
    """Initialize the application on startup"""
    logger.info("Starting DOCX to PDF Converter API")
    
    # Setup LibreOffice and fonts
    libreoffice_available = setup_libreoffice()
    
    # Setup font environment with error handling
    try:
        setup_font_environment()
    except Exception as e:
        logger.warning(f"Font environment setup failed: {e}")
        logger.warning("Continuing with default system fonts...")
    
    # Create static directory if it doesn't exist
    Path("static").mkdir(exist_ok=True)
    
    if not libreoffice_available:
        logger.warning("LibreOffice is not available on this system. DOCX to PDF conversion will not work until LibreOffice is installed.")
        logger.warning("Please install LibreOffice from: https://www.libreoffice.org/download/download-libreoffice/")
    else:
        logger.info("LibreOffice is available and ready for DOCX to PDF conversion")
    
    logger.info("Application initialized successfully")

@app.get("/", tags=["UI"])
async def root():
    """
    عرض واجهة المستخدم الرئيسية
    
    تقدم واجهة HTML التفاعلية لتحويل ملفات DOCX إلى PDF
    تتضمن إرشادات الاستخدام والميزات المتقدمة
    """
    return FileResponse("static/index.html")

@app.get("/health", response_model=HealthResponse, tags=["Health"])
async def health_check():
    """
    التحقق من صحة التطبيق
    
    تحقق من توفر LibreOffice وتشغيل الخدمة بشكل صحيح
    
    ## الاستجابة:
    - `status`: حالة التطبيق (healthy/degraded)
    - `libreoffice_available`: ما إذا كان LibreOffice متوفرًا أم لا
    - `java_disabled`: ما إذا كان Java معطلًا أم لا
    """
    libreoffice_available = False
    libreoffice_version = None
    java_disabled = True  # Assume Java is disabled by default
    
    try:
        # Test LibreOffice installation
        result = subprocess.run(
            ["libreoffice", "--version"],
            capture_output=True,
            text=True,
            timeout=10
        )
        libreoffice_available = result.returncode == 0
        if libreoffice_available:
            libreoffice_version = result.stdout.strip()
    except Exception:
        libreoffice_available = False
    
    # Check if Java is properly disabled by testing LibreOffice with disable-java flag
    try:
        # Test LibreOffice with Java disabled flag
        test_result = subprocess.run(
            ["libreoffice", "--headless", "--disable-java", "--version"],
            capture_output=True,
            text=True,
            timeout=5
        )
        # If this command succeeds, Java is properly disabled
        java_disabled = test_result.returncode == 0
    except Exception:
        # If we can't test, assume Java is disabled based on our configuration
        java_disabled = True
    
    status = "healthy" if libreoffice_available and java_disabled else "degraded"
    
    if not libreoffice_available:
        logger.warning("LibreOffice is not available. Please install LibreOffice for DOCX to PDF conversion.")
    
    return HealthResponse(
        status=status,
        libreoffice_available=libreoffice_available,
        java_disabled=java_disabled
    )

@app.post("/convert", response_model=ConversionResponse, tags=["Conversion"])
async def convert_docx(file: UploadFile = File(..., description="ملف DOCX للتحويل إلى PDF")):
    """
    تحويل ملف DOCX إلى PDF مع الحفاظ على التنسيق الأصلي بدقة 99%+
    
    ## الميزات:
    - دعم كامل للنصوص العربية والاتجاه من اليمين إلى اليسار
    - الحفاظ على تنسيق الجداول والصور والأبعاد
    - معالجة مسبقة للعناصر المشكلة
    - تقرير جودة شامل بعد التحويل
    
    ## الاستجابة:
    - `success`: ما إذا كان التحويل ناجحًا أم لا
    - `message`: رسالة الحالة التفصيلية
    - `pdf_url`: رابط تنزيل ملف PDF المحول
    - `quality_report`: تقرير الجودة مع نقاط الدقة
    
    ## الأخطاء المحتملة:
    - 400: ملف غير مدعوم (ليس DOCX)
    - 500: خطأ في التحويل (مشكلة في LibreOffice)
    """
    if not file.filename.endswith('.docx'):
        raise HTTPException(status_code=400, detail="فقط ملفات DOCX مسموحة")
    
    try:
        # Check if LibreOffice is available before proceeding
        try:
            subprocess.run(
                ["libreoffice", "--version"],
                capture_output=True,
                text=True,
                timeout=10
            )
        except (subprocess.TimeoutExpired, FileNotFoundError):
            raise HTTPException(
                status_code=500, 
                detail="لم يتم العثور على LibreOffice. يرجى تثبيت LibreOffice وإعادة تشغيل الخادم."
            )
        
        # Save uploaded file temporarily
        with tempfile.NamedTemporaryFile(suffix=".docx", delete=False) as tmp_file:
            content = await file.read()
            if isinstance(content, str):
                content = content.encode('utf-8')
            tmp_file.write(content)
            tmp_file_path = tmp_file.name
        
        # Convert the file
        # Create a file-like object with name attribute as expected by convert_docx_to_pdf
        class FileObj:
            def __init__(self, name):
                self.name = name
        
        file_obj = FileObj(tmp_file_path)
        pdf_path, status_message = convert_docx_to_pdf(file_obj)
        
        # Clean up temporary file
        try:
            os.unlink(tmp_file_path)
        except Exception as e:
            logger.warning(f"Failed to delete temporary file {tmp_file_path}: {e}")
        
        if pdf_path is None:
            raise HTTPException(status_code=500, detail=f"فشل التحويل: {status_message}")
        
        # Ensure static directory exists
        Path("static").mkdir(exist_ok=True)
        
        # Generate a unique filename for the PDF
        pdf_filename = f"converted_{int(time.time())}.pdf"
        final_pdf_path = f"static/{pdf_filename}"
        
        # Move PDF to static directory
        try:
            shutil.move(pdf_path, final_pdf_path)
        except Exception as e:
            logger.error(f"Failed to move PDF file: {e}")
            raise HTTPException(status_code=500, detail=f"فشل في حفظ ملف PDF: {str(e)}")
        
        return ConversionResponse(
            success=True,
            message="Conversion completed successfully",
            pdf_url=f"/static/{pdf_filename}",
            quality_report=status_message
        )
        
    except HTTPException:
        # Re-raise HTTP exceptions without modification
        raise
    except Exception as e:
        logger.error(f"Conversion error: {str(e)}", exc_info=True)
        # Provide more detailed error information
        error_message = str(e)
        
        # Check for specific error types to provide better user feedback
        if "LibreOffice" in error_message or "The system cannot find the file specified" in error_message:
            error_detail = "لم يتم العثور على LibreOffice. يرجى التأكد من تثبيت LibreOffice وضبط مسار النظام بشكل صحيح."
        elif "permission" in error_message.lower() or "access" in error_message.lower():
            error_detail = "خطأ في الوصول إلى الملف. يرجى التأكد من صلاحيات الملف."
        else:
            error_detail = f"حدث خطأ أثناء التحويل: {error_message}"
        
        raise HTTPException(status_code=500, detail=error_detail)

@app.get("/download/{filename}", tags=["Download"])
async def download_pdf(filename: str):
    """
    تنزيل ملف PDF المحول
    
    ## المعلمات:
    - `filename`: اسم ملف PDF للتنزيل
    
    ## الاستجابة:
    - ملف PDF للتنزيل المباشر
    
    ## الأخطاء:
    - 404: الملف غير موجود
    """
    file_path = f"static/{filename}"
    if not os.path.exists(file_path):
        raise HTTPException(status_code=404, detail="الملف غير موجود")
    
    return FileResponse(
        path=file_path,
        filename=filename,
        media_type='application/pdf'
    )

if __name__ == "__main__":
    import uvicorn
    uvicorn.run(
        "main:app",
        host="0.0.0.0",
        port=7860,  # Changed from 8000 to 7860 for Hugging Face Spaces compatibility
        reload=True,
        log_level="info"
    )