Update app.py

app.py

@@ -117,50 +117,67 @@ def _guess_name_and_mime(file, file_bytes: bytes) -> Tuple[str, str]:
 
 def extract_pdf_tables(file_path: str) -> pd.DataFrame:
     """
-    Extract bảng PDF bằng Camelot:
-      - thử mode lattice (bảng có khung line)
-      - fallback stream (bảng không có line rõ)
-    Trả về DataFrame hợp nhất.
+    Extract bảng PDF bằng Camelot (từng trang):
+      - Thử lattice
+      - Nếu thất bại → fallback stream
+      - Gộp tất cả
     """
+    import camelot
     all_dfs = []
 
-    # --- Thử lattice trước ---
-    try:
-        print("🔍 Thử extract bằng lattice...")
-        tables = camelot.read_pdf(file_path, flavor="lattice", pages="all")
-        if tables and tables.n > 0:
-            for t in tables:
-                all_dfs.append(t.df)
-            print(f"✅ Lattice: {tables.n} bảng phát hiện.")
-    except Exception as e:
-        print(f"⚠️ Lattice lỗi: {e}")
+    # Đếm tổng số trang
+    import fitz
+    total_pages = len(fitz.open(file_path))
+    print(f"📄 Tổng số trang: {total_pages}")
 
-    # --- Fallback stream ---
-    if not all_dfs:
+    for page_no in range(1, total_pages + 1):
+        print(f"🔍 Đang xử lý trang {page_no}...")
+        dfs_this_page = []
+
+        # --- Thử lattice ---
         try:
-            print("🔁 Thử extract bằng stream...")
-            tables = camelot.read_pdf(file_path, flavor="stream", pages="all")
+            tables = camelot.read_pdf(
+                file_path, flavor="lattice",
+                pages=str(page_no), strip_text="\n", line_scale=40
+            )
             if tables and tables.n > 0:
                 for t in tables:
-                    all_dfs.append(t.df)
-                print(f"✅ Stream: {tables.n} bảng phát hiện.")
+                    if t.shape[0] > 0:
+                        dfs_this_page.append(t.df)
+                print(f"✅ Trang {page_no}: Lattice thành công ({tables.n} bảng).")
         except Exception as e:
-            print(f"❌ Stream lỗi: {e}")
+            print(f"⚠️ Trang {page_no} lattice lỗi: {e}")
+
+        # --- Fallback stream ---
+        if not dfs_this_page:
+            try:
+                tables = camelot.read_pdf(
+                    file_path, flavor="stream",
+                    pages=str(page_no), edge_tol=200, row_tol=10
+                )
+                if tables and tables.n > 0:
+                    for t in tables:
+                        if t.shape[0] > 0:
+                            dfs_this_page.append(t.df)
+                    print(f"✅ Trang {page_no}: Stream thành công ({tables.n} bảng).")
+            except Exception as e:
+                print(f"❌ Trang {page_no} stream lỗi: {e}")
+
+        if dfs_this_page:
+            all_dfs.extend(dfs_this_page)
+        else:
+            print(f"🚫 Trang {page_no}: Không phát hiện bảng.")
 
     if not all_dfs:
-        print("🚫 Không phát hiện bảng nào.")
+        print("❌ Không tìm thấy bảng trong toàn bộ PDF.")
         return pd.DataFrame()
 
-    # --- Hợp nhất tất cả bảng ---
     df_final = pd.concat(all_dfs, ignore_index=True)
-
-    # Nếu header là 0,1,2,... → dùng dòng đầu làm header thật
     if all(str(c).isdigit() for c in df_final.columns):
         df_final.columns = df_final.iloc[0]
         df_final = df_final[1:]
-
     df_final = df_final.dropna(how="all").reset_index(drop=True)
-    print(f"✅ Tổng hợp {len(df_final)} dòng, {len(df_final.columns)} cột.")
+    print(f"✅ Tổng hợp: {len(df_final)} dòng, {len(df_final.columns)} cột.")
     return df_final
 
 def extract_pdf_note(file_path: str) -> str: