Update app.py

app.py

@@ -13,11 +13,9 @@ try:
     subprocess.run(["playwright", "install", "chromium"], check=True)
 except: pass
 
-# --- GENERADOR DE URLS (CORREGIDO SEGÚN TUS EJEMPLOS) ---
-def construir_urls(zona, ciudad, tipo, hab, ban, park, antiguedad):
-    # 1. FINCA RAÍZ
-    # Estructura usuario: https://www.fincaraiz.com.co/arriendo/3-o-mas-habitaciones/2-o-mas-banos/1-parqueadero/de-1-a-8-anios?&searchstring=fontibon-bogota
-    
+# --- 1. GENERADOR DE URLS (Tu lógica exacta) ---
+def construir_urls_final(zona, ciudad, tipo, hab, ban, park, antiguedad):
+    # Mapeo Antigüedad
     mapa_ant = {
         "Menos de 1 año": "de-0-a-1-anos",
         "1 a 8 años": "de-1-a-8-anios",
@@ -27,149 +25,149 @@ def construir_urls(zona, ciudad, tipo, hab, ban, park, antiguedad):
     }
     slug_ant = mapa_ant.get(antiguedad, "de-1-a-8-anios")
     
-    # Lógica singular/plural para parqueaderos
+    # Lógica singular/plural
     slug_park = f"{int(park)}-parqueadero" if int(park) == 1 else f"{int(park)}-parqueaderos"
     
-    # Searchstring limpio
+    # Searchstring
     query_geo = f"{zona.lower().replace(' ', '-')}-{ciudad.lower().replace(' ', '-')}"
     
-    # URL SIN LA ZONA EN EL PATH, SOLO EN SEARCHSTRING
+    # URL FINCA RAÍZ
     url_fr = f"https://www.fincaraiz.com.co/arriendo/{int(hab)}-o-mas-habitaciones/{int(ban)}-o-mas-banos/{slug_park}/{slug_ant}?&searchstring={query_geo}"
     
-    # 2. METROCUADRADO (Esta funcionaba bien, solo ajustamos el scraper)
+    # URL METROCUADRADO
     c_slug = ciudad.lower().replace(" ", "-")
     url_mc = f"https://www.metrocuadrado.com/{tipo.lower()}-casa-oficina/arriendo/{c_slug}/{int(ban)}-banos-{int(hab)}-habitaciones/?search=form"
     
     return url_fr, url_mc
 
-# --- MOTOR DE EXTRACCIÓN ---
-def motor_tramitia_final(zona, ciudad, area, tipo, hab, ban, park, antiguedad):
+# --- 2. GENERADOR PDF CON URLS VISIBLES ---
+def generar_pdf_con_fuentes(zona, df, url_fr, url_mc):
+    pdf_path = f"Reporte_{int(time.time())}.pdf"
+    pdf = FPDF()
+    pdf.add_page()
+    
+    # Título
+    pdf.set_font("Arial", 'B', 14)
+    pdf.cell(0, 10, f"ESTUDIO DE MERCADO: {zona.upper()}", ln=True)
+    
+    # BLOQUE DE FUENTES (URLs Visibles)
+    pdf.set_font("Arial", 'B', 8)
+    pdf.set_text_color(100, 100, 100)
+    pdf.cell(0, 5, "FUENTES DE BÚSQUEDA GENERADAS:", ln=True)
+    pdf.set_font("Courier", '', 7)
+    pdf.multi_cell(0, 4, f"FR: {url_fr}")
+    pdf.multi_cell(0, 4, f"MC: {url_mc}")
+    pdf.ln(5)
+    
+    # Tabla de Resultados
+    pdf.set_text_color(0, 0, 0)
+    pdf.set_font("Arial", '', 10)
+    
+    for _, r in df.iterrows():
+        pdf.set_fill_color(240, 240, 240)
+        # Título
+        pdf.set_font("Arial", 'B', 10)
+        pdf.cell(0, 8, f"{r['Portal']} - ${r['Precio']:,.0f}", ln=True, fill=True)
+        # Detalle
+        pdf.set_font("Arial", '', 9)
+        pdf.multi_cell(0, 5, f"Desc: {r['Descripcion']}")
+        pdf.set_font("Arial", 'U', 8)
+        pdf.set_text_color(0, 0, 255)
+        pdf.cell(0, 5, f"Link: {r['URL']}", ln=True)
+        pdf.set_text_color(0, 0, 0)
+        pdf.ln(2)
+        
+    pdf.output(pdf_path)
+    return pdf_path
+
+# --- 3. MOTOR DE EXTRACCIÓN ---
+def motor_tramitia_debug(zona, ciudad, area, tipo, hab, ban, park, antiguedad):
     resultados = []
-    log = []
     
-    url_fr, url_mc = construir_urls(zona, ciudad, tipo, hab, ban, park, antiguedad)
-    log.append(f"🔗 FR: {url_fr}")
-    log.append(f"🔗 MC: {url_mc}")
+    # 1. Generamos URLs
+    url_fr, url_mc = construir_urls_final(zona, ciudad, tipo, hab, ban, park, antiguedad)
+    
+    # INICIAMOS EL LOG VISIBLE
+    log_visible = f"✅ URLs GENERADAS POR EL SISTEMA:\n\n🌍 FINCA RAÍZ:\n{url_fr}\n\n🌍 METROCUADRADO:\n{url_mc}\n\n--- PROCESANDO ---\n"
 
     with sync_playwright() as p:
         browser = p.chromium.launch(headless=True)
-        context = browser.new_context(
-            user_agent="Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"
-        )
+        context = browser.new_context(user_agent="Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36")
         
-        # --- 1. FINCA RAÍZ ---
+        # --- FINCA RAÍZ ---
         try:
             page = context.new_page()
             page.goto(url_fr, wait_until="domcontentloaded", timeout=60000)
+            for _ in range(3): page.mouse.wheel(0, 1000); time.sleep(1)
             
-            # Scroll para cargar
-            for _ in range(3):
-                page.mouse.wheel(0, 1000)
-                time.sleep(1.5)
-            
-            # Buscamos en el wrapper de datos que nos diste antes
-            # Si ese falla, tenemos un backup genérico
             wrappers = page.query_selector_all("div.lc-dataWrapper, article")
-            
-            for wrapper in wrappers[:6]:
+            for w in wrappers[:5]:
                 try:
-                    texto = wrapper.inner_text()
-                    if "$" not in texto: continue
-                    
-                    precios = [int(s) for s in texto.replace('.', '').replace('$', '').split() if s.isdigit() and len(s) >= 6]
+                    txt = w.inner_text()
+                    if "$" not in txt: continue
+                    precios = [int(s) for s in txt.replace('.', '').replace('$', '').split() if s.isdigit() and len(s) >= 6]
                     if not precios: continue
                     
-                    # JS para encontrar el link padre
-                    href = wrapper.evaluate("el => el.closest('a') ? el.closest('a').href : ''")
-                    
+                    href = w.evaluate("el => el.closest('a') ? el.closest('a').href : ''")
                     resultados.append({
                         "Portal": "Finca Raiz",
                         "Precio": max(precios),
                         "Precio_M2": max(precios) / area,
-                        "Descripcion": texto.split('\n')[0][:50] + "...",
+                        "Descripcion": txt.split('\n')[0][:60],
                         "URL": href if href else url_fr
                     })
                 except: continue
             page.close()
         except Exception as e:
-            log.append(f"⚠️ Error FR: {str(e)}")
+            log_visible += f"⚠️ Error FR: {str(e)}\n"
 
-        # --- 2. METROCUADRADO (Selector corregido: property-card__detail) ---
+        # --- METROCUADRADO ---
         try:
             page = context.new_page()
             page.goto(url_mc, wait_until="domcontentloaded", timeout=60000)
+            for _ in range(3): page.mouse.wheel(0, 800); time.sleep(1)
             
-            for _ in range(4):
-                page.mouse.wheel(0, 800)
-                time.sleep(1)
-            
-            # AQUI ESTA EL CAMBIO: Usamos tu clase exacta
-            detalles = page.query_selector_all("div.property-card__detail")
-            
-            for det in detalles[:6]:
+            # Selector Detail específico que pediste
+            details = page.query_selector_all("div.property-card__detail")
+            for d in details[:5]:
                 try:
-                    texto = det.inner_text()
-                    
-                    # Extraer precio del texto del detalle
-                    precios = [int(s) for s in texto.replace('.', '').replace('$', '').split() if s.isdigit() and len(s) >= 6]
+                    txt = d.inner_text()
+                    precios = [int(s) for s in txt.replace('.', '').replace('$', '').split() if s.isdigit() and len(s) >= 6]
                     if not precios: continue
                     
-                    # IMPORTANTE: El link NO suele estar dentro de 'property-card__detail', 
-                    # suele estar en el contenedor padre o abuelo. Usamos JS para subir de nivel.
-                    href = det.evaluate("""el => {
-                        // Intentamos subir hasta encontrar la tarjeta completa y su link
-                        let card = el.closest('li') || el.closest('div.card') || el.closest('div[class*="card"]');
-                        if (card) {
-                            let link = card.querySelector('a');
-                            return link ? link.href : '';
-                        }
-                        return '';
+                    # Búsqueda de link hacia arriba
+                    href = d.evaluate("""el => {
+                        let card = el.closest('li') || el.closest('div[class*="card"]');
+                        return card && card.querySelector('a') ? card.querySelector('a').href : '';
                     }""")
                     
-                    # Si no encuentra link por JS, intentamos buscar el <a> más cercano hacia arriba
-                    if not href:
-                        href = det.evaluate("el => el.closest('a') ? el.closest('a').href : ''")
-
                     resultados.append({
                         "Portal": "Metrocuadrado",
                         "Precio": max(precios),
                         "Precio_M2": max(precios) / area,
-                        "Descripcion": texto.split('\n')[0][:50] + "...", # El detalle suele tener la info clave
+                        "Descripcion": txt.split('\n')[0][:60],
                         "URL": href if href else url_mc
                     })
                 except: continue
             page.close()
         except Exception as e:
-            log.append(f"⚠️ Error MC: {str(e)}")
+            log_visible += f"⚠️ Error MC: {str(e)}\n"
             
         browser.close()
 
     if not resultados:
-        return f"⚠️ No se encontraron datos.\nLOG:\n" + "\n".join(log), None, None
+        return f"{log_visible}\n❌ NO SE ENCONTRARON RESULTADOS.", None, None
 
     df = pd.DataFrame(resultados)
     
-    # PDF
-    pdf_path = f"Reporte_{int(time.time())}.pdf"
-    pdf = FPDF()
-    pdf.add_page()
-    pdf.set_font("Arial", 'B', 14)
-    pdf.cell(0, 10, f"REPORTE: {zona.upper()}", ln=True)
-    pdf.ln(5)
+    # Generar PDF con las URLs
+    pdf_path = generar_pdf_con_fuentes(zona, df, url_fr, url_mc)
     
-    for _, r in df.iterrows():
-        pdf.set_font("Arial", 'B', 10)
-        pdf.cell(0, 8, f"{r['Portal']} - ${r['Precio']:,.0f}", ln=True)
-        pdf.set_font("Arial", '', 8)
-        pdf.multi_cell(0, 5, f"Link: {r['URL']}\nDesc: {r['Descripcion']}\n---")
-        
-    pdf.output(pdf_path)
-
-    return f"✅ {len(df)} inmuebles encontrados.", df, pdf_path
+    return f"{log_visible}\n✅ Éxito: {len(df)} inmuebles encontrados.", df, pdf_path
 
 # --- INTERFAZ ---
 with gr.Blocks(theme=gr.themes.Soft()) as demo:
-    gr.Markdown("## 🤖 TramitIA Pro: Configuración Exacta")
+    gr.Markdown("## 🤖 TramitIA Pro: Auditoría de URLs")
     
     with gr.Row():
         with gr.Column():
@@ -187,13 +185,14 @@ with gr.Blocks(theme=gr.themes.Soft()) as demo:
                 ["Menos de 1 año", "1 a 8 años", "9 a 15 años", "16 a 30 años", "Más de 30 años"],
                 label="Antigüedad", value="1 a 8 años"
             )
-            btn = gr.Button("BUSCAR", variant="primary")
+            btn = gr.Button("BUSCAR Y MOSTRAR URLS", variant="primary")
             
         with gr.Column():
-            msg = gr.Textbox(label="Log URL", lines=3)
+            # CAJA DE TEXTO GRANDE PARA VER LAS URLS
+            msg = gr.Textbox(label="🔍 Log de URLs Generadas (Copia y pega para probar)", lines=8)
             out_df = gr.Dataframe(label="Resultados")
-            out_pdf = gr.File(label="Reporte")
+            out_pdf = gr.File(label="Reporte con Fuentes")
 
-    btn.click(motor_tramitia_final, [z, c, a, t, h, b, p, e], [msg, out_df, out_pdf])
+    btn.click(motor_tramitia_debug, [z, c, a, t, h, b, p, e], [msg, out_df, out_pdf])
 
 demo.launch()