Spaces:
Paused
Paused
File size: 56,380 Bytes
d9bd4cb 7215bb7 d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b 7215bb7 d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d333263 aeb0d3b 0fc0c6e aeb0d3b 0fc0c6e e1112dd 0fc0c6e 10d0aca aeb0d3b 94ebe32 e1112dd aeb0d3b 0fc0c6e aeb0d3b 60bdc52 e1112dd aeb0d3b 7215bb7 aeb0d3b 7215bb7 f0fa273 aeb0d3b f0fa273 23914ff aeb0d3b 7215bb7 aeb0d3b 7215bb7 aeb0d3b e1112dd aeb0d3b 36e642f aeb0d3b 36e642f e1112dd aeb0d3b e1112dd aeb0d3b e1112dd aeb0d3b e1112dd aeb0d3b e1112dd aeb0d3b e1112dd 10d0aca aeb0d3b f0fa273 0fc0c6e e1112dd aeb0d3b d9bd4cb aeb0d3b 7215bb7 aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b 7215bb7 aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb 7215bb7 aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b 7215bb7 aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b 7215bb7 aeb0d3b 7215bb7 aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b d9bd4cb aeb0d3b | 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258 1259 1260 1261 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271 1272 1273 1274 1275 1276 1277 1278 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 1290 1291 1292 1293 1294 1295 1296 1297 1298 1299 1300 1301 1302 1303 1304 1305 1306 1307 1308 1309 1310 1311 1312 1313 1314 1315 1316 1317 | import gradio as gr
from fastapi import FastAPI, HTTPException, Body
from fastapi.responses import StreamingResponse
from fastapi.staticfiles import StaticFiles
from fastapi.middleware.cors import CORSMiddleware
from pydantic import BaseModel
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from PIL import Image
from io import BytesIO
import tempfile
import time
import os
import logging
from huggingface_hub import hf_hub_download
# Correct Gemini imports, including types
import google.generativeai as genai
from google.generativeai import types # Import types module needed for thinking_config
# ロギング設定
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)
# --- Gemini統合 ---
class GeminiRequest(BaseModel):
"""Geminiへのリクエストデータモデル"""
text: str
extension_percentage: float = 10.0 # デフォルト値10%
temperature: float = 0.5 # デフォルト値を0.5に設定
trim_whitespace: bool = True # 余白トリミングオプション（デフォルト有効）
style: str = "standard" # デフォルトはstandard
class ScreenshotRequest(BaseModel):
"""スクリーンショットリクエストモデル"""
html_code: str
extension_percentage: float = 10.0 # デフォルト値10%
trim_whitespace: bool = True # 余白トリミングオプション（デフォルト有効）
style: str = "standard" # デフォルトはstandard # Note: Style is not used for direct HTML rendering
# HTMLのFont Awesomeレイアウトを改善する関数
def enhance_font_awesome_layout(html_code):
"""Font Awesomeレイアウトを改善するCSSを追加"""
# CSSを追加
fa_fix_css = """
<style>
/* Font Awesomeアイコンのレイアウト修正 */
[class*="fa-"] {
display: inline-block !important;
margin-right: 8px !important;
vertical-align: middle !important;
}
/* テキスト内のアイコン位置調整 */
h1 [class*="fa-"], h2 [class*="fa-"], h3 [class*="fa-"],
h4 [class*="fa-"], h5 [class*="fa-"], h6 [class*="fa-"] {
vertical-align: middle !important;
margin-right: 10px !important;
}
/* 特定パターンの修正 */
.fa + span, .fas + span, .far + span, .fab + span,
span + .fa, span + .fas, span + .far, span + .fab {
display: inline-block !important;
margin-left: 5px !important;
}
/* カード内アイコン修正 */
.card [class*="fa-"], .card-body [class*="fa-"] {
float: none !important;
clear: none !important;
position: relative !important;
}
/* アイコンと文字が重なる場合の調整 */
li [class*="fa-"], p [class*="fa-"] {
margin-right: 10px !important;
}
/* インラインアイコンのスペーシング */
.inline-icon {
display: inline-flex !important;
align-items: center !important;
justify-content: flex-start !important;
}
/* アイコン後のテキスト */
[class*="fa-"] + span {
display: inline-block !important;
vertical-align: middle !important;
}
</style>
"""
# headタグがある場合はその中に追加
if '<head>' in html_code:
return html_code.replace('</head>', f'{fa_fix_css}</head>')
# HTMLタグがある場合はその後に追加
elif '<html' in html_code:
head_end = html_code.find('</head>')
if head_end > 0:
return html_code[:head_end] + fa_fix_css + html_code[head_end:]
else:
body_start = html_code.find('<body')
if body_start > 0:
return html_code[:body_start] + f'<head>{fa_fix_css}</head>' + html_code[body_start:]
# どちらもない場合は先頭に追加
return f'<html><head>{fa_fix_css}</head>' + html_code + '</html>'
def load_system_instruction(style="standard"):
"""
指定されたスタイルのシステムインストラクションを読み込む
Args:
style: 使用するスタイル名 (standard, cute, resort, cool, dental)
Returns:
読み込まれたシステムインストラクション
"""
try:
# 有効なスタイル一覧
valid_styles = ["standard", "cute", "resort", "cool", "dental"]
# スタイルの検証
if style not in valid_styles:
logger.warning(f"無効なスタイル '{style}' が指定されました。デフォルトの 'standard' を使用します。")
style = "standard"
logger.info(f"スタイル '{style}' のシステムインストラクションを読み込みます")
# まず、ローカルのスタイルディレクトリ内のprompt.txtを確認
local_path = os.path.join(os.path.dirname(__file__), style, "prompt.txt")
# ローカルファイルが存在する場合はそれを使用
if os.path.exists(local_path):
logger.info(f"ローカルファイルを使用: {local_path}")
with open(local_path, 'r', encoding='utf-8') as file:
instruction = file.read()
return instruction
# HuggingFaceリポジトリからのファイル読み込みを試行
try:
# スタイル固有のファイルパスを指定
file_path = hf_hub_download(
repo_id="tomo2chin2/GURAREKOstlyle",
filename=f"{style}/prompt.txt",
repo_type="dataset"
)
logger.info(f"スタイル '{style}' のプロンプトをHuggingFaceから読み込みました: {file_path}")
with open(file_path, 'r', encoding='utf-8') as file:
instruction = file.read()
return instruction
except Exception as style_error:
# スタイル固有ファイルの読み込みに失敗した場合、デフォルトのprompt.txtを使用
logger.warning(f"スタイル '{style}' のプロンプト読み込みに失敗: {str(style_error)}")
logger.info("デフォルトのprompt.txtを読み込みます")
file_path = hf_hub_download(
repo_id="tomo2chin2/GURAREKOstlyle",
filename="prompt.txt",
repo_type="dataset"
)
with open(file_path, 'r', encoding='utf-8') as file:
instruction = file.read()
logger.info("デフォルトのシステムインストラクションを読み込みました")
return instruction
except Exception as e:
error_msg = f"システムインストラクションの読み込みに失敗: {str(e)}"
logger.error(error_msg)
raise ValueError(error_msg)
def generate_html_from_text(text, temperature=0.3, style="standard"):
"""テキストからHTMLを生成する"""
try:
# APIキーの取得と設定
api_key = os.environ.get("GEMINI_API_KEY")
if not api_key:
logger.error("GEMINI_API_KEY 環境変数が設定されていません")
raise ValueError("GEMINI_API_KEY 環境変数が設定されていません")
# モデル名の取得（環境変数から、なければデフォルト値）
# ユーザーの要望に従い、環境変数が設定されていない場合のデフォルト値を gemini-1.5-pro のままにする
model_name = os.environ.get("GEMINI_MODEL", "gemini-1.5-pro")
logger.info(f"使用するGeminiモデル: {model_name}")
# Gemini APIの設定
genai.configure(api_key=api_key)
# 指定されたスタイルのシステムインストラクションを読み込む
system_instruction = load_system_instruction(style)
# モデル初期化
model = genai.GenerativeModel(model_name)
# 生成設定 - ばらつきを減らすために設定を調整
# generation_config は辞書として定義し、thinking_config を後で追加する可能性がある
generation_config_dict = {
"temperature": temperature, # APIリクエストで指定された温度を使用
"top_p": 0.7,
"top_k": 20,
"max_output_tokens": 8192,
"candidate_count": 1,
}
# モデルが gemini-2.5-flash-preview-04-17 の場合のみ thinking_budget=0 を設定
if model_name == "gemini-2.5-flash-preview-04-17":
logger.info(f"Model {model_name} detected, setting thinking_budget=0")
# thinking_config を generation_config_dict に追加
generation_config_dict["thinking_config"] = types.ThinkingConfig(thinking_budget=0)
# 他のモデルの場合は thinking_config を追加しない（デフォルト動作）
logger.info(f"Gemini APIにリクエストを送信: テキスト長さ = {len(text)}, 温度 = {temperature}, スタイル = {style}, モデル = {model_name}, Generation Config = {generation_config_dict}")
# コンテンツ生成
# generation_config パラメータに設定済みの辞書を渡す
response = model.generate_content(
prompt=f"{system_instruction}\n\n{text}",
generation_config=generation_config_dict,
safety_settings=safety_settings
)
# レスポンスからHTMLを抽出
raw_response = response.text
# HTMLタグ部分だけを抽出（```html と ``` の間）
html_start = raw_response.find("```html")
html_end = raw_response.rfind("```")
if html_start != -1 and html_end != -1 and html_start < html_end:
html_start += 7 # "```html" の長さ分進める
html_code = raw_response[html_start:html_end].strip()
logger.info(f"HTMLの生成に成功: 長さ = {len(html_code)}")
# Font Awesomeのレイアウト改善
html_code = enhance_font_awesome_layout(html_code)
logger.info("Font Awesomeレイアウトの最適化を適用しました")
return html_code
else:
# HTMLタグが見つからない場合、レスポンス全体を返す
logger.warning("レスポンスから ```html ``` タグが見つかりませんでした。全テキストを返します。")
return raw_response
except Exception as e:
logger.error(f"HTML生成中にエラーが発生: {e}", exc_info=True)
raise Exception(f"Gemini APIでのHTML生成に失敗しました: {e}")
# 画像から余分な空白領域をトリミングする関数
def trim_image_whitespace(image, threshold=250, padding=10):
"""
画像から余分な白い空白をトリミングする
Args:
image: PIL.Image - 入力画像
threshold: int - どの明るさ以上を空白と判断するか (0-255)
padding: int - トリミング後に残す余白のピクセル数
Returns:
トリミングされたPIL.Image
"""
# グレースケールに変換
gray = image.convert('L')
# ピクセルデータを配列として取得
data = gray.getdata()
width, height = gray.size
# 有効範囲を見つける
min_x, min_y = width, height
max_x = max_y = 0
# ピクセルデータを2次元配列に変換して処理
pixels = list(data)
pixels = [pixels[i * width:(i + 1) * width] for i in range(height)]
# 各行をスキャンして非空白ピクセルを見つける
for y in range(height):
for x in range(width):
if pixels[y][x] < threshold: # 非空白ピクセル
min_x = min(min_x, x)
min_y = min(min_y, y)
max_x = max(max_x, x)
max_y = max(max_y, y)
# 境界外のトリミングの場合はエラー
if min_x > max_x or min_y > max_y:
logger.warning("トリミング領域が見つかりません。元の画像を返します。")
return image
# パディングを追加
min_x = max(0, min_x - padding)
min_y = max(0, min_y - padding)
max_x = min(width - 1, max_x + padding)
max_y = min(height - 1, max_y + padding)
# 画像をトリミング
trimmed = image.crop((min_x, min_y, max_x + 1, max_y + 1))
logger.info(f"画像をトリミングしました: 元サイズ {width}x{height} → トリミング後 {trimmed.width}x{trimmed.height}")
return trimmed
# 非同期スクリプトを使わず、同期的なスクリプトのみ使用する改善版
def render_fullpage_screenshot(html_code: str, extension_percentage: float = 6.0,
trim_whitespace: bool = True) -> Image.Image:
"""
Renders HTML code to a full-page screenshot using Selenium.
Args:
html_code: The HTML source code string.
extension_percentage: Percentage of extra space to add vertically.
trim_whitespace: Whether to trim excess whitespace from the image.
Returns:
A PIL Image object of the screenshot.
"""
tmp_path = None
driver = None
# 1) Save HTML code to a temporary file
try:
with tempfile.NamedTemporaryFile(suffix=".html", delete=False, mode='w', encoding='utf-8') as tmp_file:
tmp_path = tmp_file.name
tmp_file.write(html_code)
logger.info(f"HTML saved to temporary file: {tmp_path}")
except Exception as e:
logger.error(f"Error writing temporary HTML file: {e}", exc_info=True)
return Image.new('RGB', (1, 1), color=(0, 0, 0))
# 2) Headless Chrome(Chromium) options
options = Options()
options.add_argument("--headless")
options.add_argument("--no-sandbox")
options.add_argument("--disable-dev-shm-usage")
options.add_argument("--force-device-scale-factor=1")
options.add_argument("--disable-features=NetworkService")
options.add_argument("--dns-prefetch-disable")
# 環境変数からWebDriverパスを取得（任意）
webdriver_path = os.environ.get("CHROMEDRIVER_PATH")
service = None
if webdriver_path and os.path.exists(webdriver_path):
logger.info(f"Using CHROMEDRIVER_PATH: {webdriver_path}")
try:
service = webdriver.ChromeService(executable_path=webdriver_path)
except Exception as e:
logger.error(f"Error creating ChromeService with {webdriver_path}: {e}", exc_info=True)
service = None # Fallback to default
if service is None:
logger.info("CHROMEDRIVER_PATH not set or invalid, using default PATH lookup for WebDriver.")
try:
logger.info("Initializing WebDriver...")
if service:
driver = webdriver.Chrome(service=service, options=options)
else:
driver = webdriver.Chrome(options=options)
logger.info("WebDriver initialized.")
# 3) 初期ウィンドウサイズを設定
initial_width = 1200
initial_height = 1000
driver.set_window_size(initial_width, initial_height)
file_url = "file://" + tmp_path
logger.info(f"Navigating to {file_url}")
driver.get(file_url)
# 4) ページ読み込み待機
logger.info("Waiting for body element...")
WebDriverWait(driver, 15).until(
EC.presence_of_element_located((By.TAG_NAME, "body"))
)
logger.info("Body element found. Waiting for resource loading...")
# 5) 基本的なリソース読み込み待機 - タイムアウト回避
time.sleep(3)
# Font Awesome読み込み確認 - 非同期を使わない
logger.info("Checking for Font Awesome resources...")
fa_count = driver.execute_script("""
var icons = document.querySelectorAll('.fa, .fas, .far, .fab, [class*="fa-"]');
return icons.length;
""")
logger.info(f"Found {fa_count} Font Awesome elements")
# リソース読み込み状態を確認
doc_ready = driver.execute_script("return document.readyState;")
logger.info(f"Document ready state: {doc_ready}")
# Font Awesomeが多い場合は追加待機
if fa_count > 50:
logger.info("Many Font Awesome icons detected, waiting additional time")
time.sleep(2)
# 6) コンテンツレンダリングのためのスクロール処理 - 同期的に実行
logger.info("Performing content rendering scroll...")
total_height = driver.execute_script("return Math.max(document.body.scrollHeight, document.documentElement.scrollHeight);")
viewport_height = driver.execute_script("return window.innerHeight;")
scrolls_needed = max(1, total_height // viewport_height)
for i in range(scrolls_needed + 1):
scroll_pos = i * (viewport_height - 200) # オーバーラップさせる
driver.execute_script(f"window.scrollTo(0, {scroll_pos});")
time.sleep(0.2) # 短い待機
# トップに戻る
driver.execute_script("window.scrollTo(0, 0);")
time.sleep(0.5)
logger.info("Scroll rendering completed")
# 7) スクロールバーを非表示に
driver.execute_script("""
document.documentElement.style.overflow = 'hidden';
document.body.style.overflow = 'hidden';
""")
logger.info("Scrollbars hidden")
# 8) ページの寸法を取得
dimensions = driver.execute_script("""
return {
width: Math.max(
document.documentElement.scrollWidth,
document.documentElement.offsetWidth,
document.documentElement.clientWidth,
document.body ? document.body.scrollWidth : 0,
document.body ? document.body.offsetWidth : 0,
document.body ? document.body.clientWidth : 0
),
height: Math.max(
document.documentElement.scrollHeight,
document.documentElement.offsetHeight,
document.documentElement.clientHeight,
document.body ? document.body.scrollHeight : 0,
document.body ? document.body.offsetHeight : 0,
document.body ? document.body.clientHeight : 0
)
};
""")
scroll_width = dimensions['width']
scroll_height = dimensions['height']
logger.info(f"Detected dimensions: width={scroll_width}, height={scroll_height}")
# 再検証 - 短いスクロールで再確認
driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
time.sleep(0.5)
driver.execute_script("window.scrollTo(0, 0);")
time.sleep(0.5)
dimensions_after = driver.execute_script("return {height: Math.max(document.documentElement.scrollHeight, document.body.scrollHeight)};")
scroll_height = max(scroll_height, dimensions_after['height'])
logger.info(f"After scroll check, height={scroll_height}")
# 最小/最大値の設定
scroll_width = max(scroll_width, 100)
scroll_height = max(scroll_height, 100)
scroll_width = min(scroll_width, 2000)
scroll_height = min(scroll_height, 4000)
# 9) レイアウト安定化のための単純な待機 - タイムアウト回避
logger.info("Waiting for layout stabilization...")
time.sleep(2)
# 10) 高さに余白を追加
adjusted_height = int(scroll_height * (1 + extension_percentage / 100.0))
adjusted_height = max(adjusted_height, scroll_height, 100)
logger.info(f"Adjusted height calculated: {adjusted_height} (extension: {extension_percentage}%)")
# 11) ウィンドウサイズを調整
adjusted_width = scroll_width
logger.info(f"Resizing window to: width={adjusted_width}, height={adjusted_height}")
driver.set_window_size(adjusted_width, adjusted_height)
time.sleep(1)
# リソース状態を確認 - 同期的スクリプト
resource_state = driver.execute_script("""
return {
readyState: document.readyState,
resourcesComplete: !document.querySelector('img:not([complete])') &&
!document.querySelector('link[rel="stylesheet"]:not([loaded])')
};
""")
logger.info(f"Resource state: {resource_state}")
if resource_state['readyState'] != 'complete':
logger.info("Document still loading, waiting additional time...")
time.sleep(1)
# トップにスクロール
driver.execute_script("window.scrollTo(0, 0);")
time.sleep(0.5)
logger.info("Scrolled to top.")
# 12) スクリーンショット取得
logger.info("Taking screenshot...")
png = driver.get_screenshot_as_png()
logger.info("Screenshot taken successfully.")
# PIL画像に変換
img = Image.open(BytesIO(png))
logger.info(f"Screenshot dimensions: {img.width}x{img.height}")
# 余白トリミング
if trim_whitespace:
img = trim_image_whitespace(img, threshold=248, padding=20)
logger.info(f"Trimmed dimensions: {img.width}x{img.height}")
return img
except Exception as e:
logger.error(f"Error during screenshot generation: {e}", exc_info=True)
# Return a small black image on error
return Image.new('RGB', (1, 1), color=(0, 0, 0))
finally:
logger.info("Cleaning up...")
if driver:
try:
driver.quit()
logger.info("WebDriver quit successfully.")
except Exception as e:
logger.error(f"Error quitting WebDriver: {e}", exc_info=True)
if tmp_path and os.path.exists(tmp_path):
try:
os.remove(tmp_path)
logger.info(f"Temporary file {tmp_path} removed.")
except Exception as e:
logger.error(f"Error removing temporary file {tmp_path}: {e}", exc_info=True)
# --- Geminiを使った新しい関数 ---
def text_to_screenshot(text: str, extension_percentage: float, temperature: float = 0.3,
trim_whitespace: bool = True, style: str = "standard") -> Image.Image:
"""テキストをGemini APIでHTMLに変換し、スクリーンショットを生成する統合関数"""
try:
# 1. テキストからHTMLを生成（温度パラメータとスタイルも渡す）
html_code = generate_html_from_text(text, temperature, style)
# 2. HTMLからスクリーンショットを生成
return render_fullpage_screenshot(html_code, extension_percentage, trim_whitespace)
except Exception as e:
logger.error(f"テキストからスクリーンショット生成中にエラーが発生: {e}", exc_info=True)
return Image.new('RGB', (1, 1), color=(0, 0, 0)) # エラー時は黒画像
# --- FastAPI Setup ---
app = FastAPI()
# CORS設定を追加
app.add_middleware(
CORSMiddleware,
allow_origins=["*"],
allow_credentials=True,
allow_methods=["*"],
allow_headers=["*"],
)
# 静的ファイルのサービング設定
# Gradioのディレクトリを探索してアセットを見つける
gradio_dir = os.path.dirname(gr.__file__)
logger.info(f"Gradio version: {gr.__version__}")
logger.info(f"Gradio directory: {gradio_dir}")
# 基本的な静的ファイルディレクトリをマウント
static_dir = os.path.join(gradio_dir, "templates", "frontend", "static")
if os.path.exists(static_dir):
logger.info(f"Mounting static directory: {static_dir}")
app.mount("/static", StaticFiles(directory=static_dir), name="static")
# _appディレクトリを探す（新しいSvelteKitベースのフロントエンド用）
app_dir = os.path.join(gradio_dir, "templates", "frontend", "_app")
if os.path.exists(app_dir):
logger.info(f"Mounting _app directory: {app_dir}")
app.mount("/_app", StaticFiles(directory=app_dir), name="_app")
# assetsディレクトリを探す
assets_dir = os.path.join(gradio_dir, "templates", "frontend", "assets")
if os.path.exists(assets_dir):
logger.info(f"Mounting assets directory: {assets_dir}")
app.mount("/assets", StaticFiles(directory=assets_dir), name="assets")
# cdnディレクトリがあれば追加
cdn_dir = os.path.join(gradio_dir, "templates", "cdn")
if os.path.exists(cdn_dir):
logger.info(f"Mounting cdn directory: {cdn_dir}")
app.mount("/cdn", StaticFiles(directory=cdn_dir), name="cdn")
# API Endpoint for screenshot generation
@app.post("/api/screenshot",
response_class=StreamingResponse,
tags=["Screenshot"],
summary="Render HTML to Full Page Screenshot",
description="Takes HTML code and an optional vertical extension percentage, renders it using a headless browser, and returns the full-page screenshot as a PNG image.")
async def api_render_screenshot(request: ScreenshotRequest):
"""
API endpoint to render HTML and return a screenshot.
"""
try:
logger.info(f"API request received. Extension: {request.extension_percentage}%")
# Run the blocking Selenium code in a separate thread (FastAPI handles this)
pil_image = render_fullpage_screenshot(
request.html_code,
request.extension_percentage,
request.trim_whitespace
)
if pil_image.size == (1, 1):
logger.error("Screenshot generation failed, returning 1x1 error image.")
# Optionally return a proper error response instead of 1x1 image
# raise HTTPException(status_code=500, detail="Failed to generate screenshot")
# Convert PIL Image to PNG bytes
img_byte_arr = BytesIO()
pil_image.save(img_byte_arr, format='PNG')
img_byte_arr.seek(0) # Go to the start of the BytesIO buffer
logger.info("Returning screenshot as PNG stream.")
return StreamingResponse(img_byte_arr, media_type="image/png")
except Exception as e:
logger.error(f"API Error: {e}", exc_info=True)
raise HTTPException(status_code=500, detail=f"Internal Server Error: {e}")
# --- 新しいGemini API連携エンドポイント ---
@app.post("/api/text-to-screenshot",
response_class=StreamingResponse,
tags=["Screenshot", "Gemini"],
summary="テキストからインフォグラフィックを生成",
description="テキストをGemini APIを使ってHTMLインフォグラフィックに変換し、スクリーンショットとして返します。")
async def api_text_to_screenshot(request: GeminiRequest):
"""
テキストからHTMLインフォグラフィックを生成してスクリーンショットを返すAPIエンドポイント
"""
try:
logger.info(f"テキスト→スクリーンショットAPIリクエスト受信。テキスト長さ: {len(request.text)}, "
f"拡張率: {request.extension_percentage}%, 温度: {request.temperature}, "
f"スタイル: {request.style}")
# テキストからHTMLを生成してスクリーンショットを作成（温度パラメータとスタイルも渡す）
pil_image = text_to_screenshot(
request.text,
request.extension_percentage,
request.temperature,
request.trim_whitespace,
request.style
)
if pil_image.size == (1, 1):
logger.error("スクリーンショット生成に失敗しました。1x1エラー画像を返します。")
# raise HTTPException(status_code=500, detail="スクリーンショット生成に失敗しました")
# PIL画像をPNGバイトに変換
img_byte_arr = BytesIO()
pil_image.save(img_byte_arr, format='PNG')
img_byte_arr.seek(0) # BytesIOバッファの先頭に戻る
logger.info("スクリーンショットをPNGストリームとして返します。")
return StreamingResponse(img_byte_arr, media_type="image/png")
except Exception as e:
logger.error(f"API Error: {e}", exc_info=True)
raise HTTPException(status_code=500, detail=f"Internal Server Error: {e}")
# --- Gradio Interface Definition ---
# 入力モードの選択用Radioコンポーネント
def process_input(input_mode, input_text, extension_percentage, temperature, trim_whitespace, style):
"""入力モードに応じて適切な処理を行う"""
if input_mode == "HTML入力":
# HTMLモードの場合は既存の処理（スタイルは使わない）
return render_fullpage_screenshot(input_text, extension_percentage, trim_whitespace)
else:
# テキスト入力モードの場合はGemini APIを使用
return text_to_screenshot(input_text, extension_percentage, temperature, trim_whitespace, style)
# Gradio UIの定義
with gr.Blocks(title="Full Page Screenshot (テキスト変換対応)", theme=gr.themes.Base()) as iface:
gr.Markdown("# HTMLビューア & テキスト→インフォグラフィック変換")
gr.Markdown("HTMLコードをレンダリングするか、テキストをGemini APIでインフォグラフィックに変換して画像として取得します。")
with gr.Row():
input_mode = gr.Radio(
["HTML入力", "テキスト入力"],
label="入力モード",
value="HTML入力"
)
# 共用のテキストボックス
input_text = gr.Textbox(
lines=15,
label="入力",
placeholder="HTMLコードまたはテキストを入力してください。入力モードに応じて処理されます。"
)
with gr.Row():
with gr.Column(scale=1):
# スタイル選択ドロップダウン
style_dropdown = gr.Dropdown(
choices=["standard", "cute", "resort", "cool", "dental"],
value="standard",
label="デザインスタイル",
info="テキスト→HTML変換時のデザインテーマを選択します",
visible=False # テキスト入力モードの時だけ表示
)
with gr.Column(scale=2):
extension_percentage = gr.Slider(
minimum=0,
maximum=30,
step=1.0,
value=10, # デフォルト値10%
label="上下高さ拡張率（%）"
)
# 温度調整スライダー（テキストモード時のみ表示）
temperature = gr.Slider(
minimum=0.0,
maximum=1.0,
step=0.1,
value=0.5, # デフォルト値を0.5に設定
label="生成時の温度（低い=一貫性高、高い=創造性高）",
visible=False # 最初は非表示
)
# 余白トリミングオプション
trim_whitespace = gr.Checkbox(
label="余白を自動トリミング",
value=True,
info="生成される画像から余分な空白領域を自動的に削除します"
)
submit_btn = gr.Button("生成")
output_image = gr.Image(type="pil", label="ページ全体のスクリーンショット")
# 入力モード変更時のイベント処理（テキストモード時のみ温度スライダーとスタイルドロップダウンを表示）
def update_controls_visibility(mode):
# Gradio 4.x用のアップデート方法
is_text_mode = mode == "テキスト入力"
return [
gr.update(visible=is_text_mode), # temperature
gr.update(visible=is_text_mode), # style_dropdown
]
input_mode.change(
fn=update_controls_visibility,
inputs=input_mode,
outputs=[temperature, style_dropdown]
)
# 生成ボタンクリック時のイベント処理
submit_btn.click(
fn=process_input,
inputs=[input_mode, input_text, extension_percentage, temperature, trim_whitespace, style_dropdown],
outputs=output_image
)
# 環境変数情報を表示
gemini_model = os.environ.get("GEMINI_MODEL", "gemini-1.5-pro")
gr.Markdown(f"""
## APIエンドポイント
- `/api/screenshot` - HTMLコードからスクリーンショットを生成
- `/api/text-to-screenshot` - テキストからインフォグラフィックスクリーンショットを生成
## 設定情報
- 使用モデル: {gemini_model} (環境変数 GEMINI_MODEL で変更可能)
- 対応スタイル: standard, cute, resort, cool, dental
""")
# --- Mount Gradio App onto FastAPI ---
app = gr.mount_gradio_app(app, iface, path="/")
# --- Run with Uvicorn (for local testing) ---
if __name__ == "__main__":
import uvicorn
logger.info("Starting Uvicorn server for local development...")
uvicorn.run(app, host="0.0.0.0", port=7860)
`````` タグが見つかりませんでした。全テキストを返します。")
return raw_response
except Exception as e:
logger.error(f"HTML生成中にエラーが発生: {e}", exc_info=True)
raise Exception(f"Gemini APIでのHTML生成に失敗しました: {e}")
# 画像から余分な空白領域をトリミングする関数
def trim_image_whitespace(image, threshold=250, padding=10):
"""
画像から余分な白い空白をトリミングする
Args:
image: PIL.Image - 入力画像
threshold: int - どの明るさ以上を空白と判断するか (0-255)
padding: int - トリミング後に残す余白のピクセル数
Returns:
トリミングされたPIL.Image
"""
# グレースケールに変換
gray = image.convert('L')
# ピクセルデータを配列として取得
data = gray.getdata()
width, height = gray.size
# 有効範囲を見つける
min_x, min_y = width, height
max_x = max_y = 0
# ピクセルデータを2次元配列に変換して処理
pixels = list(data)
pixels = [pixels[i * width:(i + 1) * width] for i in range(height)]
# 各行をスキャンして非空白ピクセルを見つける
for y in range(height):
for x in range(width):
if pixels[y][x] < threshold: # 非空白ピクセル
min_x = min(min_x, x)
min_y = min(min_y, y)
max_x = max(max_x, x)
max_y = max(max_y, y)
# 境界外のトリミングの場合はエラー
if min_x > max_x or min_y > max_y:
logger.warning("トリミング領域が見つかりません。元の画像を返します。")
return image
# パディングを追加
min_x = max(0, min_x - padding)
min_y = max(0, min_y - padding)
max_x = min(width - 1, max_x + padding)
max_y = min(height - 1, max_y + padding)
# 画像をトリミング
trimmed = image.crop((min_x, min_y, max_x + 1, max_y + 1))
logger.info(f"画像をトリミングしました: 元サイズ {width}x{height} → トリミング後 {trimmed.width}x{trimmed.height}")
return trimmed
# 非同期スクリプトを使わず、同期的なスクリプトのみ使用する改善版
def render_fullpage_screenshot(html_code: str, extension_percentage: float = 6.0,
trim_whitespace: bool = True) -> Image.Image:
"""
Renders HTML code to a full-page screenshot using Selenium.
Args:
html_code: The HTML source code string.
extension_percentage: Percentage of extra space to add vertically.
trim_whitespace: Whether to trim excess whitespace from the image.
Returns:
A PIL Image object of the screenshot.
"""
tmp_path = None
driver = None
# 1) Save HTML code to a temporary file
try:
with tempfile.NamedTemporaryFile(suffix=".html", delete=False, mode='w', encoding='utf-8') as tmp_file:
tmp_path = tmp_file.name
tmp_file.write(html_code)
logger.info(f"HTML saved to temporary file: {tmp_path}")
except Exception as e:
logger.error(f"Error writing temporary HTML file: {e}", exc_info=True)
return Image.new('RGB', (1, 1), color=(0, 0, 0))
# 2) Headless Chrome(Chromium) options
options = Options()
options.add_argument("--headless")
options.add_argument("--no-sandbox")
options.add_argument("--disable-dev-shm-usage")
options.add_argument("--force-device-scale-factor=1")
options.add_argument("--disable-features=NetworkService")
options.add_argument("--dns-prefetch-disable")
# 環境変数からWebDriverパスを取得（任意）
webdriver_path = os.environ.get("CHROMEDRIVER_PATH")
service = None
if webdriver_path and os.path.exists(webdriver_path):
logger.info(f"Using CHROMEDRIVER_PATH: {webdriver_path}")
try:
service = webdriver.ChromeService(executable_path=webdriver_path)
except Exception as e:
logger.error(f"Error creating ChromeService with {webdriver_path}: {e}", exc_info=True)
service = None # Fallback to default
if service is None:
logger.info("CHROMEDRIVER_PATH not set or invalid, using default PATH lookup for WebDriver.")
try:
logger.info("Initializing WebDriver...")
if service:
driver = webdriver.Chrome(service=service, options=options)
else:
driver = webdriver.Chrome(options=options)
logger.info("WebDriver initialized.")
# 3) 初期ウィンドウサイズを設定
initial_width = 1200
initial_height = 1000
driver.set_window_size(initial_width, initial_height)
file_url = "file://" + tmp_path
logger.info(f"Navigating to {file_url}")
driver.get(file_url)
# 4) ページ読み込み待機
logger.info("Waiting for body element...")
WebDriverWait(driver, 15).until(
EC.presence_of_element_located((By.TAG_NAME, "body"))
)
logger.info("Body element found. Waiting for resource loading...")
# 5) 基本的なリソース読み込み待機 - タイムアウト回避
time.sleep(3)
# Font Awesome読み込み確認 - 非同期を使わない
logger.info("Checking for Font Awesome resources...")
fa_count = driver.execute_script("""
var icons = document.querySelectorAll('.fa, .fas, .far, .fab, [class*="fa-"]');
return icons.length;
""")
logger.info(f"Found {fa_count} Font Awesome elements")
# リソース読み込み状態を確認
doc_ready = driver.execute_script("return document.readyState;")
logger.info(f"Document ready state: {doc_ready}")
# Font Awesomeが多い場合は追加待機
if fa_count > 50:
logger.info("Many Font Awesome icons detected, waiting additional time")
time.sleep(2)
# 6) コンテンツレンダリングのためのスクロール処理 - 同期的に実行
logger.info("Performing content rendering scroll...")
total_height = driver.execute_script("return Math.max(document.body.scrollHeight, document.documentElement.scrollHeight);")
viewport_height = driver.execute_script("return window.innerHeight;")
scrolls_needed = max(1, total_height // viewport_height)
for i in range(scrolls_needed + 1):
scroll_pos = i * (viewport_height - 200) # オーバーラップさせる
driver.execute_script(f"window.scrollTo(0, {scroll_pos});")
time.sleep(0.2) # 短い待機
# トップに戻る
driver.execute_script("window.scrollTo(0, 0);")
time.sleep(0.5)
logger.info("Scroll rendering completed")
# 7) スクロールバーを非表示に
driver.execute_script("""
document.documentElement.style.overflow = 'hidden';
document.body.style.overflow = 'hidden';
""")
logger.info("Scrollbars hidden")
# 8) ページの寸法を取得
dimensions = driver.execute_script("""
return {
width: Math.max(
document.documentElement.scrollWidth,
document.documentElement.offsetWidth,
document.documentElement.clientWidth,
document.body ? document.body.scrollWidth : 0,
document.body ? document.body.offsetWidth : 0,
document.body ? document.body.clientWidth : 0
),
height: Math.max(
document.documentElement.scrollHeight,
document.documentElement.offsetHeight,
document.documentElement.clientHeight,
document.body ? document.body.scrollHeight : 0,
document.body ? document.body.offsetHeight : 0,
document.body ? document.body.clientHeight : 0
)
};
""")
scroll_width = dimensions['width']
scroll_height = dimensions['height']
logger.info(f"Detected dimensions: width={scroll_width}, height={scroll_height}")
# 再検証 - 短いスクロールで再確認
driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
time.sleep(0.5)
driver.execute_script("window.scrollTo(0, 0);")
time.sleep(0.5)
dimensions_after = driver.execute_script("return {height: Math.max(document.documentElement.scrollHeight, document.body.scrollHeight)};")
scroll_height = max(scroll_height, dimensions_after['height'])
logger.info(f"After scroll check, height={scroll_height}")
# 最小/最大値の設定
scroll_width = max(scroll_width, 100)
scroll_height = max(scroll_height, 100)
scroll_width = min(scroll_width, 2000)
scroll_height = min(scroll_height, 4000)
# 9) レイアウト安定化のための単純な待機 - タイムアウト回避
logger.info("Waiting for layout stabilization...")
time.sleep(2)
# 10) 高さに余白を追加
adjusted_height = int(scroll_height * (1 + extension_percentage / 100.0))
adjusted_height = max(adjusted_height, scroll_height, 100)
logger.info(f"Adjusted height calculated: {adjusted_height} (extension: {extension_percentage}%)")
# 11) ウィンドウサイズを調整
adjusted_width = scroll_width
logger.info(f"Resizing window to: width={adjusted_width}, height={adjusted_height}")
driver.set_window_size(adjusted_width, adjusted_height)
time.sleep(1)
# リソース状態を確認 - 同期的スクリプト
resource_state = driver.execute_script("""
return {
readyState: document.readyState,
resourcesComplete: !document.querySelector('img:not([complete])') &&
!document.querySelector('link[rel="stylesheet"]:not([loaded])')
};
""")
logger.info(f"Resource state: {resource_state}")
if resource_state['readyState'] != 'complete':
logger.info("Document still loading, waiting additional time...")
time.sleep(1)
# トップにスクロール
driver.execute_script("window.scrollTo(0, 0);")
time.sleep(0.5)
logger.info("Scrolled to top.")
# 12) スクリーンショット取得
logger.info("Taking screenshot...")
png = driver.get_screenshot_as_png()
logger.info("Screenshot taken successfully.")
# PIL画像に変換
img = Image.open(BytesIO(png))
logger.info(f"Screenshot dimensions: {img.width}x{img.height}")
# 余白トリミング
if trim_whitespace:
img = trim_image_whitespace(img, threshold=248, padding=20)
logger.info(f"Trimmed dimensions: {img.width}x{img.height}")
return img
except Exception as e:
logger.error(f"Error during screenshot generation: {e}", exc_info=True)
# Return a small black image on error
return Image.new('RGB', (1, 1), color=(0, 0, 0))
finally:
logger.info("Cleaning up...")
if driver:
try:
driver.quit()
logger.info("WebDriver quit successfully.")
except Exception as e:
logger.error(f"Error quitting WebDriver: {e}", exc_info=True)
if tmp_path and os.path.exists(tmp_path):
try:
os.remove(tmp_path)
logger.info(f"Temporary file {tmp_path} removed.")
except Exception as e:
logger.error(f"Error removing temporary file {tmp_path}: {e}", exc_info=True)
# --- Geminiを使った新しい関数 ---
def text_to_screenshot(text: str, extension_percentage: float, temperature: float = 0.3,
trim_whitespace: bool = True, style: str = "standard") -> Image.Image:
"""テキストをGemini APIでHTMLに変換し、スクリーンショットを生成する統合関数"""
try:
# 1. テキストからHTMLを生成（温度パラメータとスタイルも渡す）
html_code = generate_html_from_text(text, temperature, style)
# 2. HTMLからスクリーンショットを生成
return render_fullpage_screenshot(html_code, extension_percentage, trim_whitespace)
except Exception as e:
logger.error(f"テキストからスクリーンショット生成中にエラーが発生: {e}", exc_info=True)
return Image.new('RGB', (1, 1), color=(0, 0, 0)) # エラー時は黒画像
# --- FastAPI Setup ---
app = FastAPI()
# CORS設定を追加
app.add_middleware(
CORSMiddleware,
allow_origins=["*"],
allow_credentials=True,
allow_methods=["*"],
allow_headers=["*"],
)
# 静的ファイルのサービング設定
# Gradioのディレクトリを探索してアセットを見つける
gradio_dir = os.path.dirname(gr.__file__)
logger.info(f"Gradio version: {gr.__version__}")
logger.info(f"Gradio directory: {gradio_dir}")
# 基本的な静的ファイルディレクトリをマウント
static_dir = os.path.join(gradio_dir, "templates", "frontend", "static")
if os.path.exists(static_dir):
logger.info(f"Mounting static directory: {static_dir}")
app.mount("/static", StaticFiles(directory=static_dir), name="static")
# _appディレクトリを探す（新しいSvelteKitベースのフロントエンド用）
app_dir = os.path.join(gradio_dir, "templates", "frontend", "_app")
if os.path.exists(app_dir):
logger.info(f"Mounting _app directory: {app_dir}")
app.mount("/_app", StaticFiles(directory=app_dir), name="_app")
# assetsディレクトリを探す
assets_dir = os.path.join(gradio_dir, "templates", "frontend", "assets")
if os.path.exists(assets_dir):
logger.info(f"Mounting assets directory: {assets_dir}")
app.mount("/assets", StaticFiles(directory=assets_dir), name="assets")
# cdnディレクトリがあれば追加
cdn_dir = os.path.join(gradio_dir, "templates", "cdn")
if os.path.exists(cdn_dir):
logger.info(f"Mounting cdn directory: {cdn_dir}")
app.mount("/cdn", StaticFiles(directory=cdn_dir), name="cdn")
# API Endpoint for screenshot generation
@app.post("/api/screenshot",
response_class=StreamingResponse,
tags=["Screenshot"],
summary="Render HTML to Full Page Screenshot",
description="Takes HTML code and an optional vertical extension percentage, renders it using a headless browser, and returns the full-page screenshot as a PNG image.")
async def api_render_screenshot(request: ScreenshotRequest):
"""
API endpoint to render HTML and return a screenshot.
"""
try:
logger.info(f"API request received. Extension: {request.extension_percentage}%")
# Run the blocking Selenium code in a separate thread (FastAPI handles this)
pil_image = render_fullpage_screenshot(
request.html_code,
request.extension_percentage,
request.trim_whitespace
)
if pil_image.size == (1, 1):
logger.error("Screenshot generation failed, returning 1x1 error image.")
# Optionally return a proper error response instead of 1x1 image
# raise HTTPException(status_code=500, detail="Failed to generate screenshot")
# Convert PIL Image to PNG bytes
img_byte_arr = BytesIO()
pil_image.save(img_byte_arr, format='PNG')
img_byte_arr.seek(0) # Go to the start of the BytesIO buffer
logger.info("Returning screenshot as PNG stream.")
return StreamingResponse(img_byte_arr, media_type="image/png")
except Exception as e:
logger.error(f"API Error: {e}", exc_info=True)
raise HTTPException(status_code=500, detail=f"Internal Server Error: {e}")
# --- 新しいGemini API連携エンドポイント ---
@app.post("/api/text-to-screenshot",
response_class=StreamingResponse,
tags=["Screenshot", "Gemini"],
summary="テキストからインフォグラフィックを生成",
description="テキストをGemini APIを使ってHTMLインフォグラフィックに変換し、スクリーンショットとして返します。")
async def api_text_to_screenshot(request: GeminiRequest):
"""
テキストからHTMLインフォグラフィックを生成してスクリーンショットを返すAPIエンドポイント
"""
try:
logger.info(f"テキスト→スクリーンショットAPIリクエスト受信。テキスト長さ: {len(request.text)}, "
f"拡張率: {request.extension_percentage}%, 温度: {request.temperature}, "
f"スタイル: {request.style}")
# テキストからHTMLを生成してスクリーンショットを作成（温度パラメータとスタイルも渡す）
pil_image = text_to_screenshot(
request.text,
request.extension_percentage,
request.temperature,
request.trim_whitespace,
request.style
)
if pil_image.size == (1, 1):
logger.error("スクリーンショット生成に失敗しました。1x1エラー画像を返します。")
# raise HTTPException(status_code=500, detail="スクリーンショット生成に失敗しました")
# PIL画像をPNGバイトに変換
img_byte_arr = BytesIO()
pil_image.save(img_byte_arr, format='PNG')
img_byte_arr.seek(0) # BytesIOバッファの先頭に戻る
logger.info("スクリーンショットをPNGストリームとして返します。")
return StreamingResponse(img_byte_arr, media_type="image/png")
except Exception as e:
logger.error(f"API Error: {e}", exc_info=True)
raise HTTPException(status_code=500, detail=f"Internal Server Error: {e}")
# --- Gradio Interface Definition ---
# 入力モードの選択用Radioコンポーネント
def process_input(input_mode, input_text, extension_percentage, temperature, trim_whitespace, style):
"""入力モードに応じて適切な処理を行う"""
if input_mode == "HTML入力":
# HTMLモードの場合は既存の処理（スタイルは使わない）
return render_fullpage_screenshot(input_text, extension_percentage, trim_whitespace)
else:
# テキスト入力モードの場合はGemini APIを使用
return text_to_screenshot(input_text, extension_percentage, temperature, trim_whitespace, style)
# Gradio UIの定義
with gr.Blocks(title="Full Page Screenshot (テキスト変換対応)", theme=gr.themes.Base()) as iface:
gr.Markdown("# HTMLビューア & テキスト→インフォグラフィック変換")
gr.Markdown("HTMLコードをレンダリングするか、テキストをGemini APIでインフォグラフィックに変換して画像として取得します。")
with gr.Row():
input_mode = gr.Radio(
["HTML入力", "テキスト入力"],
label="入力モード",
value="HTML入力"
)
# 共用のテキストボックス
input_text = gr.Textbox(
lines=15,
label="入力",
placeholder="HTMLコードまたはテキストを入力してください。入力モードに応じて処理されます。"
)
with gr.Row():
with gr.Column(scale=1):
# スタイル選択ドロップダウン
style_dropdown = gr.Dropdown(
choices=["standard", "cute", "resort", "cool", "dental"],
value="standard",
label="デザインスタイル",
info="テキスト→HTML変換時のデザインテーマを選択します",
visible=False # テキスト入力モードの時だけ表示
)
with gr.Column(scale=2):
extension_percentage = gr.Slider(
minimum=0,
maximum=30,
step=1.0,
value=10, # デフォルト値10%
label="上下高さ拡張率（%）"
)
# 温度調整スライダー（テキストモード時のみ表示）
temperature = gr.Slider(
minimum=0.0,
maximum=1.0,
step=0.1,
value=0.5, # デフォルト値を0.5に設定
label="生成時の温度（低い=一貫性高、高い=創造性高）",
visible=False # 最初は非表示
)
# 余白トリミングオプション
trim_whitespace = gr.Checkbox(
label="余白を自動トリミング",
value=True,
info="生成される画像から余分な空白領域を自動的に削除します"
)
submit_btn = gr.Button("生成")
output_image = gr.Image(type="pil", label="ページ全体のスクリーンショット")
# 入力モード変更時のイベント処理（テキストモード時のみ温度スライダーとスタイルドロップダウンを表示）
def update_controls_visibility(mode):
# Gradio 4.x用のアップデート方法
is_text_mode = mode == "テキスト入力"
return [
gr.update(visible=is_text_mode), # temperature
gr.update(visible=is_text_mode), # style_dropdown
]
input_mode.change(
fn=update_controls_visibility,
inputs=input_mode,
outputs=[temperature, style_dropdown]
)
# 生成ボタンクリック時のイベント処理
submit_btn.click(
fn=process_input,
inputs=[input_mode, input_text, extension_percentage, temperature, trim_whitespace, style_dropdown],
outputs=output_image
)
# 環境変数情報を表示
gemini_model = os.environ.get("GEMINI_MODEL", "gemini-1.5-pro")
gr.Markdown(f"""
## APIエンドポイント
- `/api/screenshot` - HTMLコードからスクリーンショットを生成
- `/api/text-to-screenshot` - テキストからインフォグラフィックスクリーンショットを生成
## 設定情報
- 使用モデル: {gemini_model} (環境変数 GEMINI_MODEL で変更可能)
- 対応スタイル: standard, cute, resort, cool, dental
""")
# --- Mount Gradio App onto FastAPI ---
app = gr.mount_gradio_app(app, iface, path="/")
# --- Run with Uvicorn (for local testing) ---
if __name__ == "__main__":
import uvicorn
logger.info("Starting Uvicorn server for local development...")
uvicorn.run(app, host="0.0.0.0", port=7860) |