HTMLviewer2_API

Paused

App Files Files Community

tomo2chin2 commited on Apr 18, 2025

Commit

b2e8a66

verified ·

1 Parent(s): 45b1af9

Upload 3 files

Browse files

Files changed (3) hide show

README.md +1 -1
app.py +749 -185
requirements.txt +8 -7

README.md CHANGED Viewed

@@ -4,7 +4,7 @@ emoji: 🏢
 colorFrom: purple
 colorTo: yellow
 sdk: gradio
-sdk_version: 5.25.2
 app_file: app.py
 pinned: true
 ---

 colorFrom: purple
 colorTo: yellow
 sdk: gradio
+sdk_version: 4.19.2
 app_file: app.py
 pinned: true
 ---

app.py CHANGED Viewed

@@ -1,5 +1,5 @@
 import gradio as gr
-from fastapi import FastAPI, HTTPException
 from fastapi.responses import StreamingResponse
 from fastapi.staticfiles import StaticFiles
 from fastapi.middleware.cors import CORSMiddleware
@@ -11,216 +11,780 @@ 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, time, os, logging
-from huggingface_hub import hf_hub_download
-# ---------- Gemini SDK (v1.x) ----------
-from google import genai                                      # :contentReference[oaicite:4]{index=4}
-from google.genai import types
-# ---------------------------------------
 logging.basicConfig(level=logging.INFO)
 logger = logging.getLogger(__name__)
-# ---------- Pydantic モデル ----------
 class GeminiRequest(BaseModel):
     text: str
-    extension_percentage: float = 10.0
-    temperature: float = 0.5
-    trim_whitespace: bool = True
-    style: str = "standard"
 class ScreenshotRequest(BaseModel):
     html_code: str
-    extension_percentage: float = 10.0
-    trim_whitespace: bool = True
-# --------------------------------------
-# ---------- ユーティリティ ----------
-def enhance_font_awesome_layout(html_code: str) -> str:
-    fix_css = """
-    <style>[class*="fa-"]{display:inline-block!important;margin-right:8px!important;vertical-align:middle!important;}
-    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;}
-    .fa+span,.fas+span,.far+span,.fab+span,span+.fa,span+.fas,span+.far,span+.fab{
-        display:inline-block!important;margin-left:5px!important;}
-    li [class*="fa-"],p [class*="fa-"]{margin-right:10px!important;}</style>"""
-    if "<head>" in html_code:
-        return html_code.replace("</head>", f"{fix_css}</head>")
-    return f"<html><head>{fix_css}</head>{html_code}</html>"
-def load_system_instruction(style="standard") -> str:
-    styles = ["standard", "cute", "resort", "cool", "dental"]
-    if style not in styles:
-        style = "standard"
-    local = os.path.join(os.path.dirname(__file__), style, "prompt.txt")
-    if os.path.exists(local):
-        with open(local, encoding="utf-8") as f:
-            return f.read()
-    # HF fallback
-    file_path = hf_hub_download(
-        repo_id="tomo2chin2/GURAREKOstlyle",
-        filename=f"{style}/prompt.txt" if style != "standard" else "prompt.txt",
-        repo_type="dataset"
-    )
-    with open(file_path, encoding="utf-8") as f:
-        return f.read()
-# --------------------------------------
-# ---------- Gemini → HTML ----------
-def generate_html_from_text(text, temperature=0.3, style="standard") -> str:
-    api_key = os.getenv("GEMINI_API_KEY")
-    if not api_key:
-        raise ValueError("GEMINI_API_KEY 未設定")
-    model_name = os.getenv("GEMINI_MODEL", "gemini-1.5-pro")
-    client = genai.Client(api_key=api_key)
-    prompt = f"{load_system_instruction(style)}\n\n{text}"
-    if model_name == "gemini-2.5-flash-preview-04-17":  # thinking OFF :contentReference[oaicite:5]{index=5}
-        cfg = types.GenerateContentConfig(
-            temperature=temperature, top_p=0.7, top_k=20,
-            max_output_tokens=8192, candidate_count=1,
-            thinking_config=types.ThinkingConfig(thinking_budget=0)
         )
     else:
-        cfg = types.GenerateContentConfig(
-            temperature=temperature, top_p=0.7, top_k=20,
-            max_output_tokens=8192, candidate_count=1
-        )
-    raw = client.models.generate_content(
-        model=model_name,
-        contents=prompt,
-        config=cfg
-    ).text
-    s, e = raw.find("```html"), raw.rfind("```")
-    if s != -1 and e != -1 and s < e:
-        html = raw[s + 7:e].strip()
-        return enhance_font_awesome_layout(html)
-    return raw
-# --------------------------------------
-# ---------- 画像トリミング ----------
-def trim_image_whitespace(img: Image.Image, threshold=248, padding=20):
-    g = img.convert("L")
-    w, h = g.size
-    pix = list(g.getdata())
-    pix = [pix[i*w:(i+1)*w] for i in range(h)]
-    xs, ys = [w], [h]
-    xe = ye = -1
-    for y in range(h):
-        for x in range(w):
-            if pix[y][x] < threshold:
-                xs.append(x); ys.append(y); xe = max(xe, x); ye = max(ye, y)
-    if xe == -1:
-        return img
-    x0, y0 = max(0, min(xs)-padding), max(0, min(ys)-padding)
-    x1, y1 = min(w, xe+padding+1), min(h, ye+padding+1)
-    return img.crop((x0, y0, x1, y1))
-# --------------------------------------
-# ---------- Selenium スクショ ----------
-def render_fullpage_screenshot(html, ext=6.0, trim=True) -> Image.Image:
-    tmp, driver = None, None
     try:
-        with tempfile.NamedTemporaryFile(delete=False, suffix=".html", mode="w", encoding="utf-8") as f:
-            f.write(html); tmp = f.name
-        opts = Options()
-        opts.add_argument("--headless=new")            # 新 headless フラグ :contentReference[oaicite:6]{index=6}
-        opts.add_argument("--no-sandbox"); opts.add_argument("--disable-dev-shm-usage")
-        driver = webdriver.Chrome(options=opts)
-        driver.set_window_size(1200, 1000)
-        driver.get("file://" + tmp)
-        WebDriverWait(driver, 15).until(EC.presence_of_element_located((By.TAG_NAME, "body")))
         time.sleep(1)
-        total = driver.execute_script("return Math.max(document.body.scrollHeight,document.documentElement.scrollHeight)")
-        vp = driver.execute_script("return window.innerHeight")
-        for y in range(0, total, vp-200):
-            driver.execute_script(f"window.scrollTo(0,{y})"); time.sleep(0.1)
-        driver.execute_script("window.scrollTo(0,0)")
-        driver.execute_script("document.documentElement.style.overflow='hidden'")
-        w = driver.execute_script("return document.documentElement.scrollWidth")
-        h = driver.execute_script("return document.documentElement.scrollHeight")
-        driver.set_window_size(w, int(h*(1+ext/100)))
         time.sleep(0.5)
-        img = Image.open(BytesIO(driver.get_screenshot_as_png()))
-        return trim_image_whitespace(img) if trim else img
     except Exception as e:
-        logger.error(e, exc_info=True)
-        return Image.new("RGB", (1,1))
     finally:
-        if driver: driver.quit()
-        if tmp and os.path.exists(tmp): os.remove(tmp)
-# --------------------------------------
-def text_to_screenshot(text, ext, temp, trim, style):
-    html = generate_html_from_text(text, temp, style)
-    return render_fullpage_screenshot(html, ext, trim)
-# ---------- FastAPI ----------
 app = FastAPI()
 app.add_middleware(
-    CORSMiddleware, allow_origins=["*"], allow_methods=["*"],
-    allow_headers=["*"], allow_credentials=True
 )
-@app.post("/api/screenshot", response_class=StreamingResponse)
-async def api_screen(req: ScreenshotRequest):
-    img = render_fullpage_screenshot(req.html_code, req.extension_percentage, req.trim_whitespace)
-    buf = BytesIO(); img.save(buf, format="PNG"); buf.seek(0)
-    return StreamingResponse(buf, media_type="image/png")
-@app.post("/api/text-to-screenshot", response_class=StreamingResponse)
-async def api_text(req: GeminiRequest):
-    img = text_to_screenshot(req.text, req.extension_percentage,
-                             req.temperature, req.trim_whitespace, req.style)
-    buf = BytesIO(); img.save(buf, format="PNG"); buf.seek(0)
-    return StreamingResponse(buf, media_type="image/png")
-# --------------------------------------
-# ---------- Gradio UI ----------
-def process(mode, txt, ext, temp, trim, style):
-    if mode == "HTML入力":
-        return render_fullpage_screenshot(txt, ext, trim)
-    return text_to_screenshot(txt, ext, temp, trim, style)
-with gr.Blocks(theme=gr.themes.Base(), title="HTML Viewer & Text→Infographic") as demo:
-    gr.Markdown("## HTMLビューア & テキスト→インフォグラフィック変換")  # central heading   :contentReference[oaicite:7]{index=7}
-    with gr.Row():                                              # 横一列配置  :contentReference[oaicite:8]{index=8}
-        mode = gr.Radio(["HTML入力", "テキスト入力"], value="HTML入力", label="入力モード")
-    with gr.Row():                                              # 入力パネル & 出力画像
-        with gr.Column(scale=5):
-            txt = gr.Textbox(lines=15, label="入力")
-            with gr.Row():
-                style_dd = gr.Dropdown(["standard","cute","resort","cool","dental"],
-                                       value="standard", label="デザインスタイル", visible=False)
-                temp_sl  = gr.Slider(0,1,step=0.1,value=0.5,label="生成温度",visible=False)
-            ext_sl   = gr.Slider(0,30,step=1,value=10,label="高さ拡張率（%）")
-            trim_cb  = gr.Checkbox(value=True,label="余白トリミング")
-            gen_btn  = gr.Button("生成", variant="primary")
-        with gr.Column(scale=7):
-            out_img = gr.Image(type="pil", label="プレビュー", height=540)
-    # モード切替で可視/不可視を更新
-    def _toggle(m): vis = m=="テキスト入力"; return [gr.update(visible=vis), gr.update(visible=vis)]
-    mode.change(_toggle, mode, [temp_sl, style_dd])
-    gen_btn.click(process, [mode, txt, ext_sl, temp_sl, trim_cb, style_dd], out_img)
-    gr.Markdown(
-        f"""
-**使用モデル** : `{os.getenv('GEMINI_MODEL','gemini-1.5-pro')}`
-`/api/screenshot` ・ `/api/text-to-screenshot`
-"""
     )
-# ---------- マウント ----------
-demo_app = gr.mount_gradio_app(app, demo, path="/")
 if __name__ == "__main__":
     import uvicorn
-    uvicorn.run(demo_app, host="0.0.0.0", port=7860)

 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 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  # 追加: HuggingFace Hubからファイルを直接ダウンロード
+# 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 = 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
+# 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 {
+        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）
+        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
+        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 = {
+            "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
+# 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}")
+        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")
+    if webdriver_path and os.path.exists(webdriver_path):
+        logger.info(f"Using CHROMEDRIVER_PATH: {webdriver_path}")
+        service = webdriver.ChromeService(executable_path=webdriver_path)
     else:
+        logger.info("CHROMEDRIVER_PATH not set or invalid, using default PATH lookup.")
+        service = None # Use default behavior
     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��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)

requirements.txt CHANGED Viewed

@@ -1,10 +1,11 @@
-# --- START requirements.txt ---
 selenium
-gradio==5.25.2          # Gradio 5 系は websockets ≥13 を許容 :contentReference[oaicite:1]{index=1}
-fastapi
-uvicorn                 # extras を外し websockets を固定
 Pillow
 huggingface_hub
-google-genai==1.11.*    # ThinkingConfig 対応版 :contentReference[oaicite:2]{index=2}
-websockets>=13,<15.1    # gradio-client と google‑genai 両方を満たす :contentReference[oaicite:3]{index=3}
-# --- END requirements.txt ---

+# --- START OF FILE requirements.txt ---
 selenium
+gradio==4.19.2
 Pillow
+fastapi
+uvicorn[standard]
+google-generativeai
 huggingface_hub
+# --- END OF FILE requirements.txt ---