File size: 7,969 Bytes
45cf938
 
 
 
 
 
59a0659
45cf938
 
 
59a0659
5d7f257
 
 
 
 
 
 
 
 
 
 
45cf938
5d7f257
 
45cf938
5d7f257
 
 
 
45cf938
5d7f257
45cf938
 
 
 
 
 
 
 
 
 
 
 
 
5d7f257
 
 
 
 
 
 
 
45cf938
5d7f257
45cf938
 
5d7f257
 
45cf938
 
5d7f257
 
 
 
45cf938
5d7f257
 
 
 
 
 
 
45cf938
5d7f257
 
 
 
45cf938
5d7f257
 
 
 
 
 
 
45cf938
 
5d7f257
45cf938
 
 
 
5d7f257
45cf938
 
 
 
 
5d7f257
45cf938
5d7f257
45cf938
5d7f257
 
45cf938
5d7f257
 
45cf938
 
 
 
 
 
 
 
 
 
 
 
 
 
 
5d7f257
 
45cf938
 
 
 
5d7f257
 
 
 
 
 
45cf938
5d7f257
 
 
45cf938
 
5d7f257
 
 
 
 
 
45cf938
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
5d7f257
45cf938
 
 
5d7f257
 
45cf938
 
 
 
 
 
5d7f257
 
 
 
 
 
 
 
 
 
45cf938
5d7f257
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
"""
# VERSION EXC POUR NOTIFICATIONS
# RENOMMAGE : AAAAMMJJ-NOM_PRENOM-DI1-DI2
# DOUBLONS : SUFFIXES _X
# VERSION COMPLETE
"""
""""
!pip install gradio
!apt-get -qq install poppler-utils tesseract-ocr > /dev/null
!pip install -q pdf2image pytesseract
"""

import gradio as gr
import os
import shutil
import zipfile
import pytesseract
from pdf2image import convert_from_path
from PIL import Image
import re
from datetime import datetime

def process_pdfs(files, classement_mode):
    pdf_folder = "pdf_folder"
    output_log = "rename_log.csv"
    errors_folder = os.path.join(pdf_folder, "erreurs")

    if os.path.exists(pdf_folder):
        shutil.rmtree(pdf_folder)
    os.makedirs(pdf_folder, exist_ok=True)
    os.makedirs(errors_folder, exist_ok=True)

    if isinstance(files, list):
        for file in files:
            if zipfile.is_zipfile(file.name):
                with zipfile.ZipFile(file.name, 'r') as zip_ref:
                    zip_ref.extractall(pdf_folder)
            else:
                shutil.copy(file.name, pdf_folder)
    else:
        if zipfile.is_zipfile(files.name):
            with zipfile.ZipFile(files.name, 'r') as zip_ref:
                zip_ref.extractall(pdf_folder)
        else:
            shutil.copy(files.name, pdf_folder)

    title_pattern = re.compile(
        r"(?:Monsieur|Madame|Morveuwer|De heer)\s+((?:[\w\-éèêëàâäîïôöùûüç']+\s+){1,3}[\w\-éèêëàâäîïôöùûüç']+)",
        re.IGNORECASE
    )
    seance_pattern = re.compile(r"SEANCE\s+du\s+(\d{2})[\/\-](\d{2})[\/\-](\d{4})", re.IGNORECASE)
    ref_pattern = re.compile(r"n\.réf\s*[:\-]?\s*das\/(?:[\w]+\/)*(\d{4})\/(\d+)", re.IGNORECASE)

    log_lines = ["original_filename,new_filename,date_folder,nom_prenom,ref,date_séance"]
    processed_files = []
    error_files = []
    used_filenames = {}

    for filename in os.listdir(pdf_folder):
        filepath = os.path.join(pdf_folder, filename)
        if not filename.lower().endswith(".pdf") or not os.path.isfile(filepath):
            continue

        try:
            images = convert_from_path(filepath, first_page=1, last_page=1)
            text = pytesseract.image_to_string(images[0], lang='fra+eng')

            name_match = title_pattern.search(text)
            safe_name = "NO_NAME"
            if name_match:
                name = name_match.group(1).strip()
                safe_name = re.sub(r"[^\w]", "_", name)
                safe_name = re.sub(r"_+", "_", safe_name)
                safe_name = re.sub(r"(_?DEPARTEMENT|_?ACTION|_?DIRECTION|_?SERVICE|_?UNITE|_?DIVISION)+", "", safe_name, flags=re.IGNORECASE)
                safe_name = safe_name.strip("_")

            date_match = seance_pattern.search(text)
            date_str = "NO_DATE"
            folder_path = errors_folder
            if date_match:
                day, month, year = date_match.groups()
                date_str = f"{year}{month}{day}"
                folder_path = os.path.join(pdf_folder, date_str)
                os.makedirs(folder_path, exist_ok=True)

            ref_match = ref_pattern.search(text)
            di1 = ref_match.group(1) if ref_match else "0000"
            di2 = ref_match.group(2) if ref_match else "0000"

            base_filename = f"{date_str}-{safe_name}-{di1}-{di2}"
            counter = used_filenames.get(base_filename, 0)
            new_filename = f"{base_filename}.pdf" if counter == 0 else f"{base_filename}_{counter}.pdf"
            used_filenames[base_filename] = counter + 1

            # Choix du classement
            if classement_mode == "Par date de séance (AAAAMMJJ)":
                folder_path = os.path.join(pdf_folder, date_str) if date_match else errors_folder
            else:
                folder_path = os.path.join(pdf_folder, safe_name) if name_match else errors_folder

            os.makedirs(folder_path, exist_ok=True)

            new_path = os.path.join(folder_path, new_filename)
            if not os.path.exists(new_path):
                os.rename(filepath, new_path)
                final_filename = re.sub(r"_D_(\d+)", r"_D_\1", new_filename)
                final_path = os.path.join(folder_path, final_filename)
            else:
                final_path = new_path

            nom_final = os.path.basename(final_path).replace(".pdf", "")
            try:
                date_part, name_part, di1_part, di2_part = nom_final.split("-")
                date_formatted = f"{date_part[6:]}/{date_part[4:6]}/{date_part[0:4]}"
                nom_prenom_csv = name_part.replace("_", " ")
                ref_csv = f"{di1_part}/{di2_part}"
            except Exception:
                date_formatted = "NA"
                nom_prenom_csv = "NA"
                ref_csv = "NA"

            log_lines.append(f"{filename},{nom_final}.pdf,{date_str},{nom_prenom_csv},{ref_csv},{date_formatted}")
            processed_files.append(f"✅ {filename}{new_filename}")

        except Exception as e:
            error_path = os.path.join(errors_folder, filename)
            shutil.move(filepath, error_path)
            log_lines.append(f"{filename},ERROR:{str(e).replace(',', ';')},NO_DATE,NA,NA,NA")
            error_files.append(f"❌ {filename} (Erreur: {str(e)})")

    with open(output_log, "w", encoding="utf-8") as f:
        f.write("\n".join(log_lines))

    shutil.make_archive("renamed_pdfs", 'zip', pdf_folder)

    last_files = "\n".join(processed_files[-5:] + error_files[-3:]) if processed_files or error_files else "Aucun fichier traité"
    report = f"""
    **Traitement terminé !**
    - Fichiers traités : {len(log_lines)-1}
    - Avec succès : {len(processed_files)}
    - En erreur : {len(error_files)}
    - Derniers fichiers :
    {last_files}
    """

    return "renamed_pdfs.zip", output_log, report

# Fonction pour afficher la documentation directement dans l'interface
def afficher_doc():
    return """
    # 📄 Documentation - Traitement des Notifications du Comité de l’Action Sociale
    Cet outil vous permet de :
    - 🧠 **Extraire automatiquement** le **nom**, la **référence** et la **date de séance** des notifications PDF (scans)  
        - ✅ Valable uniquement pour les documents contenant : `Monsieur`, `Madame`, `Morveuwer`, `De heer`  
        - 📅 Le classement repose sur la mention **"SEANCE du"**  
        - 🆔 Extraction de la **référence DI (interne)**  
        - 📄 Analyse uniquement de la **1ère page (moitié supérieure)** du document  
    - 🗂️ **Renommer les fichiers** selon le format : `AAAAMMJJ-NOM_PRENOM-DI1-DI2.pdf`
    - 📆 **Classer automatiquement** les fichiers dans des dossiers selon la **date de séance** (format : `AAAAMMJJ`)
    - 🔀 **Gérer les doublons** en ajoutant un suffixe `_x` si un nom existe déjà
    - 📾 **Générer un fichier CSV de log** pour le suivi des traitements
    👤 *Conçu pour les collaborateurs du CPAS Bruxelles*
    📬 Contact : [omar.bajouk@cpasbxl.brussels](mailto:omar.bajouk@cpasbxl.brussels)  
    """

# Interface Gradio
with gr.Blocks(title="Renommer les notifications et trier par date du séance") as demo:
    gr.Markdown(afficher_doc())

    with gr.Row():
        input_files = gr.File(label="1. ZIP ou plusieurs PDFs", file_types=[".zip", ".pdf"], file_count="multiple")
        class_option = gr.Radio(
            choices=["Par date de séance (AAAAMMJJ)", "Par nom/référence (NOM_PRENOM-DI1-DI2)"],
            label="2. Choisir le mode de classement",
            value="Par date de séance (AAAAMMJJ)"
        )
        btn_process = gr.Button("🚀 Traiter les fichiers")

    with gr.Row():
        output_zip = gr.File(label="2. PDFs Renommés (ZIP)")
        output_log = gr.File(label="3. Fichier Log (CSV)")

    output_report = gr.Markdown()

    btn_process.click(
        fn=process_pdfs,
        inputs=[input_files, class_option],
        outputs=[output_zip, output_log, output_report]
    )

demo.launch(share=True)