Spaces:
Paused
Paused
File size: 42,344 Bytes
0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 1281d69 f0fa273 1281d69 f0fa273 0fc0c6e f0fa273 6c102df f0fa273 6c102df f0fa273 6c102df f0fa273 6c102df f0fa273 6c102df f0fa273 6c102df e780bc9 f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 94ebe32 f0fa273 0fc0c6e f0fa273 6c102df f0fa273 0fc0c6e 94ebe32 0fc0c6e f0fa273 94ebe32 f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 6c102df f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 1281d69 f0fa273 1281d69 f0fa273 1281d69 f0fa273 1281d69 f0fa273 1281d69 f0fa273 1281d69 f0fa273 1281d69 f0fa273 1281d69 f0fa273 1281d69 f0fa273 1281d69 f0fa273 1281d69 f0fa273 89a1f9f f0fa273 26b8c3d 94445ba f0fa273 23914ff f0fa273 94445ba e6532da 94445ba da755ee f0fa273 89a1f9f 0fc0c6e 94445ba da755ee f0fa273 94445ba f0fa273 0fc0c6e f0fa273 6c102df f0fa273 6c102df f0fa273 6c102df f0fa273 6c102df f0fa273 6c102df f0fa273 6c102df f0fa273 e519260 f0fa273 6c102df f0fa273 6c102df f0fa273 e519260 f0fa273 2a69a40 f0fa273 23914ff f0fa273 23914ff f0fa273 23914ff f0fa273 0fc0c6e f0fa273 89a1f9f f0fa273 23914ff f0fa273 1281d69 89a1f9f 23914ff f0fa273 6c102df f0fa273 2a69a40 f0fa273 2a69a40 f0fa273 6c102df f0fa273 6c102df f0fa273 23914ff f0fa273 23914ff f0fa273 23914ff f0fa273 89a1f9f 0fc0c6e 94445ba f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e 6c102df 0fc0c6e 31d5798 f0fa273 23914ff 31d5798 f0fa273 94445ba 31d5798 94445ba f0fa273 23914ff f0fa273 0fc0c6e f0fa273 1281d69 f0fa273 1281d69 f0fa273 23914ff 31d5798 23914ff f0fa273 31d5798 23914ff 94445ba 23914ff 94445ba 23914ff 94445ba f0fa273 e780bc9 f0fa273 88184d3 f0fa273 6c102df f0fa273 89a1f9f 88184d3 f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 e519260 f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e 6c102df f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e f0fa273 6c102df f0fa273 0fc0c6e f0fa273 89a1f9f 0fc0c6e f0fa273 6c102df 0fc0c6e f0fa273 0fc0c6e bd40890 f0fa273 0fc0c6e f0fa273 bd40890 f0fa273 6c102df 0fc0c6e f0fa273 6c102df f0fa273 6c102df f0fa273 94ebe32 0fc0c6e f0fa273 0fc0c6e f0fa273 94ebe32 0fc0c6e f0fa273 0fc0c6e f0fa273 0fc0c6e e519260 |
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 |
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
# 正しいGemini関連のインポート
import google.generativeai as genai
# 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 = 8.0 # デフォルト値8%
temperature: float = 0.3 # デフォルト値を0.3に下げて創造性を抑制
trim_whitespace: bool = True # 余白トリミングオプション（デフォルト有効）
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 = 8.0 # デフォルト値8%
trim_whitespace: bool = True # 余白トリミングオプション（デフォルト有効）
# 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 generate_html_from_text(text, temperature=0.3):
"""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）
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)
# システムプロンプト（リクエスト例と同じものを使用）
system_instruction = """# グラフィックレコーディング風インフォグラフィック変換プロンプト V2
## 目的
以下の内容を、超一流デザイナーが作成したような、日本語で完璧なグラフィックレコーディング風のHTMLインフォグラフィックに変換してください。情報設計とビジュアルデザインの両面で最高水準を目指します。
手書き風の図形やFont Awesomeアイコンを大きく活用して内容を視覚的かつ直感的に表現します。
## デザイン仕様
### 1. カラースキーム
```
<palette>
<color name='MysticLibrary-1' rgb='2E578C' r='46' g='87' b='140' />
<color name='MysticLibrary-2' rgb='182D40' r='24' g='45' b='64' />
<color name='MysticLibrary-3' rgb='BF807A' r='191' g='128' b='122' />
<color name='MysticLibrary-4' rgb='592A2A' r='89' g='42' b='42' />
<color name='MysticLibrary-5' rgb='F2F2F2' r='242' g='242' b='242' />
</palette>
```
### 2. グラフィックレコーディング要素
- 左上から右へ、上から下へと情報を順次配置
- 日本語の手書き風フォントの使用（Yomogi, Zen Kurenaido, Kaisei Decol）
- 手描き風の囲み線、矢印、バナー、吹き出し
- テキストと視覚要素（Font Awesomeアイコン、シンプルな図形）の組み合わせ
- Font Awesomeアイコンは各セクションの内容を表現するものを大きく（2x〜3x）表示
- キーワードごとに関連するFont Awesomeアイコンを隣接配置
- キーワードの強調（色付き下線、マーカー効果、Font Awesomeによる装飾）
- 関連する概念を線や矢印で接続し、接続部にもFont Awesomeアイコン（fa-arrow-right, fa-connection等）を挿入
- Font Awesomeアニメーション効果（fa-beat, fa-bounce, fa-fade, fa-flip, fa-shake, fa-spin）を適切に活用
- 重要なポイントには「fa-circle-exclamation」や「fa-lightbulb」などのアイコンを目立つ大きさで配置
- 数値やデータには「fa-chart-line」や「fa-percent」などの関連アイコンを添える
- 感情や状態を表すには表情アイコン（fa-face-smile, fa-face-frown等）を活用
- アイコンにホバー効果（色変化、サイズ変化）を付与
- 背景にはFont Awesomeの薄いパターンを配置（fa-shapes等を透過度を下げて配置）
### 3. アニメーション効果
- Font Awesomeアイコンに連動するアニメーション（fa-beat, fa-bounce, fa-fade等）
- 重要キーワード出現時のハイライト効果（グラデーション変化）
- 接続線や矢印の流れるようなアニメーション
- アイコンの回転・拡大縮小アニメーション（特に注目させたい箇所）
- 背景グラデーションの緩やかな変化
- スクロールに連動した要素の出現効果
- クリック/タップでアイコンが反応する効果
### 4. タイポグラフィ
- タイトル：32px、グラデーション効果、太字、Font Awesomeアイコンを左右に配置
- サブタイトル：16px、#475569、関連するFont Awesomeアイコンを添える
- セクション見出し：18px、# 1e40af、左側にFont Awesomeアイコンを必ず配置し、アイコンにはアニメーション効果
- 本文：14px、#334155、行間1.4、重要キーワードには関連するFont Awesomeアイコンを小さく添える
- フォント指定：
```html
<style>
@ import url('https ://fonts.googleapis.com/css2?family=Kaisei+Decol&family=Yomogi&family=Zen+Kurenaido&display=swap');
@ import url('https ://cdnjs.cloudflare.com/ajax/libs/font-awesome/6.4.0/css/all.min.css');
</style>
```
### 5. レイアウト
- ヘッダー：左揃えタイトル（大きなFont Awesomeアイコンを添える）＋右揃え日付/出典
- 2カラム構成：左側50%, 右側50%
- カード型コンポーネント：白背景、角丸12px、微細シャドウ、右上にFont Awesomeアイコンを配置
- セクション間の適切な余白と階層構造（階層を示すFont Awesomeアイコンを活用）
- 適切にグラスモーフィズムを活用（背後にぼかしたFont Awesomeアイコンを配置）
- 横幅は100%
- 重要な要素は中央寄り、補足情報は周辺部に配置
### 重要なレイアウト注意事項
- Font Awesomeアイコンと文字が重ならないよう適切なマージンを設定する
- アイコンには必ず`margin-right: 10px;`や`margin-left: 10px;`などの余白を設定する
- アイコンと文字列は必ず`display: inline-block;`または`display: inline-flex;`で配置し、`align-items: center;`を使用する
- 複数のアイコンを配置する場合は十分な余白を確保する
- レイアウト崩れを防ぐために、親要素には`overflow: hidden;`を適用する
- アイコンの配置はコンテンツフローを妨げないよう注意する
- カード内でのアイコン配置は、絶対位置指定ではなく相対位置で設定する
- モバイル表示も考慮し、レスポンシブ対応を徹底する
## グラフィックレコーディング表現技法
- テキストと視覚要素のバランスを重視（文字情報の50%以上をFont Awesomeアイコンで視覚的に補完）
- キーワードを囲み線や色で強調し、関連するFont Awesomeアイコンを必ず添える
- 概念ごとに最適なFont Awesomeアイコンを選定（抽象的な概念には複数の関連アイコンを組み合わせて表現）
- 数値データは簡潔なグラフや図表で表現し、データ種類に応じたFont Awesomeアイコン（fa-chart-pie, fa-chart-column等）を配置
- 接続線や矢印で情報間の関係性を明示し、関係性の種類に応じたアイコン（fa-link, fa-code-branch等）を添える
- 余白を効果的に活用して視認性を確保（余白にも薄いFont Awesomeパターンを配置可）
- コントラストと色の使い分けでメリハリを付け、カラースキームに沿ったアイコン色を活用
## Font Awesomeアイコン活用ガイドライン
- 概念カテゴリー別の推奨アイコン：
- 時間・順序：fa-clock, fa-hourglass, fa-calendar, fa-timeline
- 場所・位置：fa-location-dot, fa-map, fa-compass, fa-globe
- 人物・組織：fa-user, fa-users, fa-building, fa-sitemap
- 行動・活動：fa-person-running, fa-gears, fa-hammer, fa-rocket
- 思考・アイデア：fa-brain, fa-lightbulb, fa-thought-bubble, fa-comments
- 感情・状態：fa-face-smile, fa-face-sad-tear, fa-heart, fa-temperature-half
- 成長・変化：fa-seedling, fa-arrow-trend-up, fa-chart-line, fa-diagram-project
- 問題・課題：fa-triangle-exclamation, fa-circle-question, fa-bug, fa-ban
- 解決・成功：fa-check, fa-trophy, fa-handshake, fa-key
- アイコンサイズの使い分け：
- 主要概念：3x（fa-3x）
- 重要キーワード：2x（fa-2x）
- 補足情報：1x（標準サイズ）
- 装飾的要素：lg（fa-lg）
- アニメーション効果の適切な使い分け：
- 注目喚起：fa-beat, fa-shake
- 継続的プロセス：fa-spin, fa-pulse
- 状態変化：fa-flip, fa-fade
- 新規情報：fa-bounce
## 全体的な指針
- 読み手が自然に視線を移動できる配置（Font Awesomeアイコンで視線誘導）
- 情報の階層と関連性を視覚的に明確化（階層ごとにアイコンのサイズや色を変える）
- 手書き風の要素とFont Awesomeアイコンを組み合わせて親しみやすさとプロフェッショナル感を両立
- 大きなFont Awesomeアイコンを活用した視覚的な記憶に残るデザイン（各セクションに象徴的なアイコンを配置）
- フッターに出典情報と関連するFont Awesomeアイコン（fa-book, fa-citation等）を明記
## 変換する文章/記事
ーーー＜ユーザーが入力（または添付）＞ーーー"""
# モデルを初期化して処理
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}")
# モデル初期化とフォールバック処理
try:
model = genai.GenerativeModel(model_name)
except Exception as e:
# 指定されたモデルが使用できない場合はフォールバック
fallback_model = "gemini-pro"
logger.warning(f"{model_name}が利用できません: {e}, フォールバックモデル{fallback_model}を使用します")
model = genai.GenerativeModel(fallback_model)
# 生成設定 - ばらつきを減らすために設定を調整
generation_config = {
"temperature": temperature, # より低い温度を設定
"top_p": 0.7, # 0.95から0.7に下げて出力の多様性を制限
"top_k": 20, # 64から20に下げて候補を絞る
"max_output_tokens": 8192,
"candidate_count": 1 # 候補は1つだけ生成
}
# 安全設定 - デフォルトの安全設定を使用
safety_settings = [
{
"category": "HARM_CATEGORY_HARASSMENT",
"threshold": "BLOCK_MEDIUM_AND_ABOVE"
},
{
"category": "HARM_CATEGORY_HATE_SPEECH",
"threshold": "BLOCK_MEDIUM_AND_ABOVE"
},
{
"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT",
"threshold": "BLOCK_MEDIUM_AND_ABOVE"
},
{
"category": "HARM_CATEGORY_DANGEROUS_CONTENT",
"threshold": "BLOCK_MEDIUM_AND_ABOVE"
}
]
# プロンプト構築
prompt = f"{system_instruction}\n\n{text}"
# コンテンツ生成
response = model.generate_content(
prompt,
generation_config=generation_config,
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
# --- Core Screenshot Logic ---
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 (e.g., 4 means 4% total).
trim_whitespace: Whether to trim excess whitespace from the image.
Returns:
A PIL Image object of the screenshot. Returns a 1x1 black image on error.
"""
tmp_path = None # 初期化
driver = None # 初期化
# 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}")
return Image.new('RGB', (1, 1), color=(0, 0, 0)) # エラー時は黒画像
# 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")
# Font Awesomeが読み込まれない場合があるため、読み込み待機時間を長く設定
options.add_argument("--disable-features=NetworkService")
options.add_argument("--dns-prefetch-disable")
try:
logger.info("Initializing WebDriver...")
driver = webdriver.Chrome(options=options)
logger.info("WebDriver initialized.")
# 3) 初期ウィンドウサイズを設定（コンテンツの種類に関わらず同じサイズ）
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) Wait for page load with extended timeout
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 potential resource loading...")
# リソース読み込みの待機時間
time.sleep(3) # 初期待機
# 5) Font Awesomeと外部リソースの読み込み完了を確認
try:
# Font Awesomeと外部リソースの読み込み完了を確認するスクリプト
resource_check_script = """
return new Promise((resolve) => {
// Font Awesomeの読み込み確認
const checkFontAwesome = () => {
const icons = document.querySelectorAll('.fa, .fas, .far, .fab, [class*="fa-"]');
if (icons.length > 0) {
console.log('Font Awesome icons found:', icons.length);
// すべてのフォントの読み込み完了を待つ
document.fonts.ready.then(() => {
console.log('All fonts loaded');
setTimeout(resolve, 1000); // 安定化のための追加待機
});
} else {
// アイコンがない、またはすでに読み込み完了
document.fonts.ready.then(() => setTimeout(resolve, 500));
}
};
// DOMContentLoadedまたはloadイベント後にチェック
if (document.readyState === 'complete') {
checkFontAwesome();
} else {
window.addEventListener('load', checkFontAwesome);
}
});
"""
logger.info("Waiting for Font Awesome and other resources to load...")
driver.set_script_timeout(15) # 15秒のタイムアウト
driver.execute_async_script(f"const callback = arguments[arguments.length - 1]; {resource_check_script}.then(callback);")
logger.info("Resources loaded successfully")
except Exception as e:
logger.warning(f"Resource loading check failed: {e}. Using fallback wait.")
time.sleep(8) # より長い待機時間を設定
# 6) スクロールを制御してコンテンツ全体が描画されるようにする
try:
scroll_script = """
return new Promise(resolve => {
const height = Math.max(
document.documentElement.scrollHeight,
document.body.scrollHeight
);
const viewportHeight = window.innerHeight;
// ページを少しずつスクロールして全体を描画させる
const scrollStep = Math.floor(viewportHeight * 0.8);
let currentPos = 0;
const scrollDown = () => {
if (currentPos < height) {
window.scrollTo(0, currentPos);
currentPos += scrollStep;
setTimeout(scrollDown, 100);
} else {
// 最後にトップに戻す
window.scrollTo(0, 0);
setTimeout(resolve, 300);
}
};
scrollDown();
});
"""
logger.info("Ensuring all content is rendered...")
driver.execute_async_script(f"const callback = arguments[arguments.length - 1]; {scroll_script}.then(callback);")
except Exception as e:
logger.warning(f"Content rendering check failed: {e}")
# スクロールを元の位置に戻す
driver.execute_script("window.scrollTo(0, 0);")
time.sleep(1)
# 7) Hide scrollbars via CSS
try:
driver.execute_script(
"document.documentElement.style.overflow = 'hidden';"
"document.body.style.overflow = 'hidden';"
)
logger.info("Scrollbars hidden via JS.")
except Exception as e:
logger.warning(f"Could not hide scrollbars via JS: {e}")
# 8) Get full page dimensions accurately with improved script
try:
# より正確なページ寸法を取得するためのJavaScriptコード
dimensions_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
)
};
"""
dimensions = driver.execute_script(dimensions_script)
scroll_width = dimensions['width']
scroll_height = dimensions['height']
logger.info(f"Detected dimensions: width={scroll_width}, height={scroll_height}")
# スクロールして確認する追加の検証
driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
time.sleep(1) # スクロール完了を待つ
driver.execute_script("window.scrollTo(0, 0);")
time.sleep(1) # 元の位置に戻す
# 再検証
dimensions_after_scroll = driver.execute_script(dimensions_script)
scroll_height = max(scroll_height, dimensions_after_scroll['height'])
logger.info(f"After scroll check, height={scroll_height}")
# 最小値と最大値の設定
scroll_width = max(scroll_width, 100) # 最小幅
scroll_height = max(scroll_height, 100) # 最小高さ
scroll_width = min(scroll_width, 2000) # 最大幅
scroll_height = min(scroll_height, 6000) # 最大高さ
except Exception as e:
logger.error(f"Error getting page dimensions: {e}")
# フォールバックとしてデフォルト値を設定
scroll_width = 1200
scroll_height = 1000
logger.warning(f"Falling back to dimensions: width={scroll_width}, height={scroll_height}")
# 9) レイアウト安定化の確認
try:
stability_script = """
return new Promise(resolve => {
let lastHeight = document.body.offsetHeight;
let lastWidth = document.body.offsetWidth;
let stableCount = 0;
const checkStability = () => {
const currentHeight = document.body.offsetHeight;
const currentWidth = document.body.offsetWidth;
if (currentHeight === lastHeight && currentWidth === lastWidth) {
stableCount++;
if (stableCount >= 3) { // 3回連続で同じなら安定と判断
resolve(true);
return;
}
} else {
stableCount = 0;
lastHeight = currentHeight;
lastWidth = currentWidth;
}
setTimeout(checkStability, 200); // 200ms間隔でチェック
};
checkStability();
});
"""
logger.info("Checking layout stability...")
driver.execute_async_script(f"const callback = arguments[arguments.length - 1]; {stability_script}.then(callback);")
logger.info("Layout is stable")
except Exception as e:
logger.warning(f"Layout stability check failed: {e}")
time.sleep(2) # 追加待機
# 10) Calculate adjusted height with user-specified margin
adjusted_height = int(scroll_height * (1 + extension_percentage / 100.0))
# Ensure adjusted height is not excessively large or small
adjusted_height = max(adjusted_height, scroll_height, 100) # 最小高さを確保
logger.info(f"Adjusted height calculated: {adjusted_height} (extension: {extension_percentage}%)")
# 11) Set window size to full page dimensions
adjusted_width = scroll_width
logger.info(f"Resizing window to: width={adjusted_width}, height={adjusted_height}")
driver.set_window_size(adjusted_width, adjusted_height)
logger.info("Waiting for layout stabilization after resize...")
# レイアウト安定化のための待機
time.sleep(4) # 統一した待機時間
# 外部リソースの読み込み状態を確認
try:
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}")
# ドキュメントの読み込みが完了していない場合、追加で待機
if resource_state['readyState'] != 'complete':
logger.info("Document still loading, waiting additional time...")
time.sleep(2)
except Exception as e:
logger.warning(f"Error checking resource state: {e}")
# Scroll to top just in case
try:
driver.execute_script("window.scrollTo(0, 0)")
time.sleep(1)
logger.info("Scrolled to top.")
except Exception as e:
logger.warning(f"Could not scroll to top: {e}")
# 12) Take screenshot
logger.info("Taking screenshot...")
png = driver.get_screenshot_as_png()
logger.info("Screenshot taken successfully.")
# Convert to PIL Image
img = Image.open(BytesIO(png))
# 画像サイズの確認とログ
logger.info(f"Screenshot dimensions: {img.width}x{img.height}")
# 余白トリミングが有効な場合
if trim_whitespace:
# 余分な空白をトリミング
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"An error occurred during screenshot generation: {e}", exc_info=True)
return Image.new('RGB', (1, 1), color=(0, 0, 0)) # Return black 1x1 image on error
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}")
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}")
# --- 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) -> 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（温度パラメータも渡す）
html_code = generate_html_from_text(text, temperature)
# 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 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)}, 拡張率: {request.extension_percentage}%, 温度: {request.temperature}")
# テキストからHTMLを生成してスクリーンショットを作成（温度パラメータも渡す）
pil_image = text_to_screenshot(
request.text,
request.extension_percentage,
request.temperature,
request.trim_whitespace
)
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):
"""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
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)
# 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():
extension_percentage = gr.Slider(
minimum=0,
maximum=30,
step=1.0,
value=8, # デフォルト値8%
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=0.3, # デフォルト値を0.3に下げて創造性を抑制
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を表示）
def update_temperature_visibility(mode):
# Gradio 4.x用のアップデート方法
return {"visible": mode == "テキスト入力", "__type__": "update"}
input_mode.change(
fn=update_temperature_visibility,
inputs=input_mode,
outputs=temperature
)
# 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],
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)
""")
# --- 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) |