Update app.py

app.py

@@ -11,6 +11,7 @@ import numpy as np
 import os
 import urllib3
 import re
+import unicodedata
 from dash.dash_table.Format import Format, Symbol
 
 # --- CONFIGURAÇÃO DE CACHE ---
@@ -74,13 +75,34 @@ def corrigir_texto_licitacao(texto):
 # 2. MOTORES DE CARGA
 # ==============================================================================
 
+def to_float_universal(val):
+    if pd.isna(val): return 0.0
+    v = str(val).upper().replace('R$', '').strip()
+    if ',' in v and '.' in v:
+        # Se tem vírgula e ponto (ex: 1.234,56 ou 1,234.56)
+        if v.rfind(',') > v.rfind('.'):
+            v = v.replace('.', '').replace(',', '.') # Padrão BR
+        else:
+            v = v.replace(',', '') # Padrão US
+    elif ',' in v:
+        v = v.replace(',', '.') # Apenas vírgula vira ponto
+    
+    # Se só tem ponto (ex: 4102.35 do seu CSV), o float nativo resolve direto
+    try: return float(v)
+    except: return 0.0
+
+def limpar_nome_coluna(nome):
+    texto = str(nome).lower()
+    # Remove acentos
+    texto = ''.join(c for c in unicodedata.normalize('NFD', texto) if unicodedata.category(c) != 'Mn')
+    # Remove tudo que não for letra ou número (arranca espaços, barras, hifens)
+    return re.sub(r'[^a-z0-9]', '', texto)
+
 def carregar_rh_completo():
     arquivo_nome = "Relatorio.csv"
     
-    # Procura o arquivo na raiz ou na pasta de cache
-    caminho_raiz = arquivo_nome
-    caminho_cache = os.path.join(PASTA_CACHE, arquivo_nome)
-    caminho_final = caminho_raiz if os.path.exists(caminho_raiz) else caminho_cache
+    # Procura na raiz ou na pasta de cache
+    caminho_final = arquivo_nome if os.path.exists(arquivo_nome) else os.path.join(PASTA_CACHE, arquivo_nome)
     
     if not os.path.exists(caminho_final):
         print(f"    ⚠️ RH: Arquivo '{arquivo_nome}' não encontrado.")
@@ -93,37 +115,41 @@ def carregar_rh_completo():
         
         if df.empty: return pd.DataFrame()
 
-        # Limpeza segura dos nomes das colunas
-        df.columns = [re.sub(r'[^\w\s]', '', c).strip().lower().replace(' ', '') for c in df.columns]
+        # Limpa os nomes das colunas de forma bruta (saláriobruto -> salariobruto)
+        df.columns = [limpar_nome_coluna(c) for c in df.columns]
         
-        # Colunas financeiras limpas (sem acento ou caracteres especiais)
-        cols_fin_esperadas = ['salariobruto', 'ferias', '13salario', 'rescisao']
-        colunas_encontradas = [c for c in cols_fin_esperadas if c in df.columns]
+        # Colunas que queremos somar
+        cols_alvo = ['salariobruto', 'ferias', '13salario', 'rescisao']
+        col_presentes = [c for c in cols_alvo if c in df.columns]
         
-        # Aqui usamos a SUA função (converter_para_float) que é segura!
-        for col in colunas_encontradas:
-            df[col] = df[col].apply(converter_para_float)
-        
-        # Soma todos os proventos da linha e cria a coluna 'salarioBase' para o painel ler
-        if colunas_encontradas:
-            df['salarioBase'] = df[colunas_encontradas].sum(axis=1)
+        # Converte as colunas encontradas usando o motor universal
+        for col in col_presentes:
+            df[col] = df[col].apply(to_float_universal)
+            
+        # Soma tudo na coluna 'salarioBase' para os gráficos não quebrarem
+        if col_presentes:
+            df['salarioBase'] = df[col_presentes].sum(axis=1)
         else:
             df['salarioBase'] = 0.0
 
-        # Mapeia colunas de texto para os gráficos não quebrarem
+        # Mapeia colunas de texto
         col_cargo = next((c for c in df.columns if 'cargo' in c), None)
         df['cargo'] = df[col_cargo] if col_cargo else 'Não Informado'
 
         col_cc = next((c for c in df.columns if 'centrocusto' in c or 'centro' in c), None)
         df['regime'] = df[col_cc] if col_cc else 'Geral'
 
-        print(f"✅ RH Carregado! (Total Bruto real: R$ {df['salarioBase'].sum():,.2f})")
+        df['situacao'] = 'Trabalhando' # Fixa a situação para os KPIs não zerarem
+
+        total_real = df['salarioBase'].sum()
+        print(f"✅ RH Carregado! (Total Calculado: R$ {total_real:,.2f})")
         
         return df
     except Exception as e:
         print(f"Erro ao carregar RH: {e}")
         return pd.DataFrame()
 
+
 # --- MOTOR FINANCEIRO ---
 def obter_dados_financeiros(endpoint, ano, tipo):
     arquivo = f"{PASTA_CACHE}/{tipo}_{ano}.csv"