Update app.py

app.py

@@ -1,7 +1,7 @@
 import os
 import json
 import tempfile
-import fitz
+import fitz  # PyMuPDF
 import numpy as np
 import pandas as pd
 import gradio as gr
@@ -216,20 +216,27 @@ def construir_tabla_habilidades(df, analisis):
     for _, row in df.iterrows():
         cubiertas = set(row["habilidades_detectadas"])
         faltantes = [h for h in habilidades if h not in cubiertas]
+        cobertura = round(100 * len(cubiertas) / len(habilidades), 1)
 
         fila = {
             "archivo": row["archivo"],
             "seniority_cv": row["seniority_cv"],
             "clasificacion": row["clasificacion"],
-            "brecha_habilidades": ", ".join(faltantes) if faltantes else "ninguna"
+            "brecha_habilidades": ", ".join(faltantes) if faltantes else "ninguna",
+            "cobertura_habilidades": f"{cobertura}%",
+            "habilidades_detectadas_listado": ", ".join(row["habilidades_detectadas"])
         }
 
+        # Columnas individuales de habilidades ✔ / —
         for h in habilidades:
             fila[h] = "✔" if h in cubiertas else "—"
 
         filas.append(fila)
 
-    return pd.DataFrame(filas)
+    tabla = pd.DataFrame(filas)
+    # Ordenar por fit score descendente
+    tabla = tabla.merge(df[["archivo", "fit_score"]], on="archivo").sort_values("fit_score", ascending=False)
+    return tabla
 
 # ======================================================
 # PREGUNTAS DE EVALUACION
@@ -293,6 +300,9 @@ def procesar_drive(api_key, rol, folder_id):
     df = pd.DataFrame(filas).sort_values("fit_score", ascending=False)
     tabla_habilidades = construir_tabla_habilidades(df, analisis)
 
+    # Exportar a Excel
+    tabla_habilidades.to_excel("comparacion_habilidades.xlsx", index=False)
+
     return df, tabla_habilidades, analisis
 
 # ======================================================