app.py

import os
import gradio as gr
import google.generativeai as genai
from pdf2image import convert_from_path
import json

# --- 1. CONFIGURATION ---
# Récupération de la clé API depuis les secrets de Hugging Face
api_key = os.environ.get("GOOGLE_API_KEY")

if not api_key:
    raise ValueError("La clé API 'GOOGLE_API_KEY' n'est pas définie dans les Secrets du Space.")

genai.configure(api_key=api_key)

# On utilise le modèle Flash, très rapide et excellent pour la lecture de documents
model = genai.GenerativeModel('gemini-1.5-flash')

# --- 2. FONCTIONS DU BACKEND ---

def analyze_pdf_content(pdf_file):
    """
    Étape 1 : Convertit le PDF en images et demande à Gemini d'extraire TOUTES les données.
    """
    if pdf_file is None:
        return None, "Veuillez d'abord uploader un fichier PDF."

    try:
        # Conversion du PDF en liste d'images (une par page)
        # Sur Hugging Face, poppler est installé via packages.txt
        pages = convert_from_path(pdf_file)
        
        # Le prompt demande une extraction structurée JSON
        prompt = """
        Tu es un assistant administratif expert. Analyse ce document (qui est probablement un registre de commerce RCCM ou similaire).
        
        Tâche :
        1. Lis TOUTES les pages fournies sous forme d'images.
        2. Extrais TOUS les champs (clés) et leurs valeurs correspondantes.
        3. Inclus des champs comme : DENOMINATION, SIGLE, FORME JURIDIQUE, CAPITAL SOCIAL, ADRESSE, ACTIVITE PRINCIPALE, NUMERO RCCM, DIRIGEANTS, etc.
        
        Format de sortie OBLIGATOIRE :
        Uniquement un objet JSON valide (clé: valeur). 
        - Normalise les clés en MAJUSCULES (ex: "DENOMINATION" au lieu de "Dénomination").
        - Si une valeur est vide, mets null.
        - Ne mets pas de balises markdown ```json ... ```, juste le texte brut du JSON.
        """

        # Envoi de toutes les pages + le prompt au modèle
        inputs = [prompt] + pages
        response = model.generate_content(inputs)

        # Nettoyage de la réponse pour garantir un JSON valide
        cleaned_text = response.text.replace("```json", "").replace("```", "").strip()
        
        # Conversion du texte en dictionnaire Python
        data_json = json.loads(cleaned_text)
        
        return data_json, "✅ Analyse terminée ! Le document a été lu. Vous pouvez maintenant poser vos questions ci-dessous."

    except Exception as e:
        return None, f"❌ Erreur lors de l'analyse : {str(e)}"

def get_value_from_key(json_data, key_request):
    """
    Étape 2 : Cherche la valeur demandée par l'utilisateur dans le JSON extrait.
    """
    if not json_data:
        return "Erreur : Aucune donnée analysée. Veuillez d'abord cliquer sur 'Analyser le Document'."
    
    if not key_request:
        return "Veuillez entrer une clé (ex: Forme Juridique)."

    # Normalisation pour la recherche (tout mettre en majuscule)
    search_key = key_request.upper().strip()
    
    # 1. Recherche exacte
    if search_key in json_data:
        return json_data[search_key]
    
    # 2. Recherche partielle (si l'utilisateur tape "Capital" pour "CAPITAL SOCIAL")
    found_keys = [k for k in json_data.keys() if search_key in k]
    
    if found_keys:
        # On retourne la première correspondance trouvée + le nom de la clé réelle
        best_match = found_keys[0]
        return f"{json_data[best_match]} (Clé trouvée : {best_match})"
    
    return "⚠️ Clé introuvable. Vérifiez l'orthographe ou consultez les 'Données Brutes' pour voir les clés disponibles."

# --- 3. INTERFACE GRADIO ---

with gr.Blocks(title="Extracteur PDF Gemini") as demo:
    gr.Markdown("# 📑 Extracteur de Données PDF (RCCM & Contrats)")
    gr.Markdown("Uploadez un PDF, laissez l'IA le lire, puis demandez la valeur de n'importe quel champ.")

    with gr.Row():
        # Colonne de gauche : Import et Analyse
        with gr.Column(scale=1):
            pdf_input = gr.File(label="1. Déposer votre PDF ici", file_count="single", type="filepath")
            analyze_btn = gr.Button("🚀 Lancer l'analyse du document", variant="primary")
            status_output = gr.Textbox(label="Statut de l'analyse", interactif=False)
            
            # Composant invisible pour stocker le JSON extrait
            json_state = gr.State()

        # Colonne de droite : Interrogation
        with gr.Column(scale=1):
            key_input = gr.Textbox(label="2. Quelle info cherchez-vous ?", placeholder="Ex: DENOMINATION, ADRESSE, CAPITAL...")
            get_val_btn = gr.Button("🔍 Obtenir la valeur")
            final_output = gr.Textbox(label="Résultat", lines=2, show_copy_button=True)
            
            with gr.Accordion("Voir toutes les données extraites (JSON)", open=False):
                json_display = gr.JSON(label="Données brutes")

    # --- LOGIQUE DES ÉVÉNEMENTS ---
    
    # Quand on clique sur Analyser
    analyze_btn.click(
        fn=analyze_pdf_content,
        inputs=[pdf_input],
        outputs=[json_state, status_output]
    ).then(
        # Mise à jour de l'affichage JSON brut une fois l'analyse finie
        fn=lambda x: x, inputs=[json_state], outputs=[json_display]
    )

    # Quand on demande une clé spécifique
    get_val_btn.click(
        fn=get_value_from_key,
        inputs=[json_state, key_input],
        outputs=[final_output]
    )

# Lancement de l'application
if __name__ == "__main__":
    demo.launch()