app.py

import os
import json
import traceback
from flask import Flask, request, jsonify, render_template
import PyPDF2
from openai import OpenAI
import fitz  # PymuPDF
from PIL import Image # Pillow
import pytesseract
import io

# 1. Configuración de Flask
app = Flask(__name__, template_folder='.') 

# 2. Configuración de OpenAI
client = OpenAI(
    api_key=os.environ.get("OPENAI_API_KEY"),
)

def ocr_page(img_bytes):
    """Realiza OCR en una imagen (byte stream) usando Tesseract."""
    try:
        image = Image.open(io.BytesIO(img_bytes))
        text = pytesseract.image_to_string(image, lang='spa') 
        return text
    except Exception as e:
        print(f"Error en Pytesseract/OCR: {e}")
        return ""

def extract_text_from_file(file):
    """Extrae texto de un PDF/TXT, usando OCR si es necesario en todas las páginas."""
    file_bytes = file.read()
    total_text = ""
    
    # Intento de extracción nativa
    try:
        if file.filename.endswith('.pdf'):
            pdf_reader = PyPDF2.PdfReader(io.BytesIO(file_bytes))
            for page in pdf_reader.pages:
                total_text += page.extract_text() or ""
            if len(total_text.strip()) > 100: 
                return total_text.strip()
            
        elif file.filename.endswith('.txt'):
             return file_bytes.decode('utf-8').strip()

    except Exception:
        pass

    # Fallback a OCR
    if file.filename.endswith('.pdf'):
        try:
            document = fitz.open(stream=file_bytes, filetype="pdf")
            ocr_text = ""
            for i in range(len(document)): 
                page = document.load_page(i)
                pix = page.get_pixmap(dpi=300) 
                img_bytes = pix.tobytes("ppm") 
                ocr_text += ocr_page(img_bytes) + "\n"
            
            if len(ocr_text.strip()) > 100:
                return ocr_text.strip()
            
        except Exception as e:
            raise Exception("Fallo la extracción de texto del PDF. Asegúrate de que el documento no sea un archivo de imagen corrupto.")

    return ""

def generate_summary_openai(text):
    """
    Genera un análisis experto en formato JSON.
    """
    try:
        # Esquema JSON EXPANDIDO
        json_schema = {
            "type": "object",
            "properties": {
                "tipo_documento_detectado": {"type": "string", "description": "Si es Certificado de Tradición y Libertad (CTL), Certificado JAC, u Otro."},
                "analisis_extenso_narrativo": {"type": "string", "description": "Resumen narrativo detallado y crítico, explicando en un párrafo los hallazgos más importantes, el tipo de documento, su validez y los riesgos detectados."},
                "identificacion_principal": {"type": "string", "description": "Número de Matrícula Inmobiliaria o Nombre de la Junta/Persona Principal."},
                "propietario_actual": {"type": "string", "description": "Nombre completo del propietario o titular del derecho."},
                
                # --- CAMPOS NUEVOS DE ANÁLISIS ---
                "valor_o_area_registrada": {"type": "string", "description": "El valor catastral o el área (metros cuadrados o hectáreas) de la propiedad si está disponible."},
                "fecha_y_entidad_expedicion": {"type": "string", "description": "Fecha de expedición del documento y entidad que lo emitió (ej. 07/10/2025, Superintendencia de Notariado y Registro)."},
                "situacion_juridica_detallada": {"type": "string", "description": "Estado legal pormenorizado: Mencionar si hay hipotecas, embargos, o si la tradición es falsa. Usar la palabra 'Limpio' si no hay gravámenes serios."},
                # --- FIN CAMPOS NUEVOS ---
                
                "ultima_transaccion": {"type": "string", "description": "Acto de la última adquisición (ej. Compraventa, Sucesión, o Acto comunal)."},
                "limites_o_restricciones": {"type": "string", "description": "Presencia de Patrimonio de Familia, Afectación a Vivienda, o restricciones comunales/vecinales."},
                "analisis_riesgo_legal": {"type": "string", "description": "Clasificación de riesgo: 'Bajo', 'Medio' o 'Alto'. Justificar brevemente esta clasificación."},
                "conclusion_final": {"type": "string", "description": "Conclusión final sobre la validez del título o derecho y aptitud para una transacción. Debe ser una recomendación clara (Apto/Apto con Reservas/No Apto)."}
            },
            "required": ["tipo_documento_detectado", "analisis_extenso_narrativo", "propietario_actual", "conclusion_final"]
        }

        schema_text = json.dumps(json_schema, indent=2)

        prompt_text = (
           "Eres un **abogado experto en derecho inmobiliario colombiano** y en el análisis exhaustivo de Certificados de Tradición y Libertad (CTL) o Matrículas Inmobiliarias. Tienes la capacidad avanzada de identificar, analizar e interpretar referencias a **sentencias judiciales, actos de la Fiscalía General de la Nación, la Sociedad de Activos Especiales (SAE), decisiones de la autoridad ambiental (ej. CAR), o de otras entidades legales** del estado colombiano que estén contenidas o mencionadas en el historial registral del inmueble."
            "Tu tarea es analizar detalladamente la historia registral de TODAS las páginas del documento proporcionado y responder con un resumen de **7 puntos clave** utilizando viñetas. "
            "Los 7 puntos deben ser críticos y exhaustivos para un estudio de títulos detallado:\n\n"
            
            "1. **Identificación Completa del Predio y Propietario Actual**: Menciona el número de la **Matrícula Inmobiliaria**, el (los) nombre(s) del (los) propietarios actuales, el tipo de tenencia (ej. Plena Propiedad), e incluye la extracción de los **Linderos Generales** y los **Folios** de donde provienen los datos.\n"
            "2. **Gravámenes Vigentes y Montos**: Indicar **claramente** la existencia o inexistencia de **Hipoteca, Embargo, o Demanda Civil (Litis)**. Si existen, menciona la anotación y el valor del gravamen si está registrado.\n"
            "3. **Limitaciones de Dominio Vigentes**: Indicar la existencia o inexistencia de **Patrimonio de Familia, Afectación a Vivienda Familiar, o Servidumbres**. Si existe, mencionar el número de anotación.\n"
            "4. **Última Transacción Registrada**: Detalla el tipo de acto (ej. compraventa, sucesión, liquidación) y el número de **Escritura Pública** con que se adquirió el inmueble.\n"
            "5. **Cancelación de Gravámenes Anteriores**: Confirma si todas las hipotecas o embargos anteriores fueron **debidamente cancelados** y menciona el número de anotación de la cancelación.\n"
            "6. **Riesgos por Procesos Estatales/Judiciales (Fiscalía, SAE y Ambientales)**: Indica si existen anotaciones que sugieran Falsa Tradición, o si el inmueble ha sido objeto de procesos de **extinción de dominio (SAE)**, saneamiento, o si hay menciones de **sentencias judiciales, actos de la Fiscalía, o temas ambientales** (ej. reserva, afectación) que afecten el dominio.\n"
            "7. **Conclusión de Titulabilidad y Alerta de Entidades Estatales**: Breve conclusión legal sobre la **limpieza** del folio, si existen riesgos mayores para un nuevo comprador o entidad financiera. **ALERTA:** Si NO existe registrada ninguna sentencia o acto de la Fiscalía, SAE, o autoridad ambiental en el CTL/VUR/Escritura, debes mencionarlo claramente en esta conclusión como un dato relevante para el estudio de títulos.\n\n"
             
            f"\n\nEsquema JSON requerido:\n{schema_text}"
            f"\n\nTexto del Documento:\n\n{text}"
        )

        response = client.chat.completions.create(
            model="gpt-4o-mini", 
            messages=[
                {"role": "system", "content": prompt_text}
            ],
            response_format={"type": "json_object"}, 
            temperature=0.3, 
        )
        
        json_string = response.choices[0].message.content.strip()
        structured_data = json.loads(json_string)
        
        return structured_data
        
    except Exception as e:
        raise 

# --- Rutas de Flask (El resto del app.py se mantiene igual) ---

@app.route('/')
def index():
    return render_template('index.html') 

@app.route('/summarize', methods=['POST'])
def summarize():
    if 'file' not in request.files:
        return jsonify({'error': 'No se ha subido ningún archivo.'}), 400
    
    file = request.files['file']
    if file.filename == '':
        return jsonify({'error': 'No se ha seleccionado ningún archivo.'}), 400

    try:
        raw_text = extract_text_from_file(file)
        
        if not raw_text:
            return jsonify({'error': 'No se pudo extraer texto. Documento ilegible, escaneado de baja calidad o sin texto.'}), 400
            
        structured_summary = generate_summary_openai(raw_text)
        
        # Generamos la lista de puntos clave para el panel izquierdo
        summary_list = [f"**{k.replace('_', ' ').title()}:** {v}" for k, v in structured_summary.items()]
        
        # También extraemos el análisis narrativo para el frontend
        analisis_narrativo = structured_summary.get('analisis_extenso_narrativo', 'Análisis narrativo no disponible.')
        
        return jsonify({
            'structured_data': structured_summary, 
            'summary': summary_list,
            'narrative': analisis_narrativo # Enviamos el análisis narrativo separado
        })
        
    except Exception as e:
        # --- BLOQUE DE DIAGNÓSTICO CRÍTICO ---
        print("\n" + "="*50)
        print("DIAGNÓSTICO: ERROR 500 DURANTE EL PROCESAMIENTO")
        print(f"Tipo de Error: {type(e).__name__}")
        traceback.print_exc() 
        print("="*50 + "\n")
        # ----------------------------------------
        
        return jsonify({'error': f"Error interno del servidor. Detalle: {type(e).__name__} - {str(e)}"}), 500

if __name__ == '__main__':
    app.run(debug=True)