import gradio as gr import camelot import pandas as pd import matplotlib.pyplot as plt import numpy as np from fpdf import FPDF from fpdf.enums import XPos, YPos import tempfile import os import matplotlib import shutil matplotlib.use('Agg') def extrair_tabelas_pdf(pdf_path): """Extrai tabelas do PDF e retorna um DataFrame processado.""" try: # Extrair tabelas do PDF usando o método 'lattice' tables = camelot.read_pdf(pdf_path, pages='all', flavor='lattice') print(f"Tabelas extraídas: {len(tables)}") if len(tables) == 0: raise ValueError("Nenhuma tabela foi extraída do PDF.") # Processar a primeira tabela df = tables[0].df # Verificar se a tabela tem conteúdo if df.empty: raise ValueError("A tabela extraída está vazia.") # Salvar todas as tabelas extraídas em CSV (para debug) temp_dir = os.path.dirname(pdf_path) for i, table in enumerate(tables): csv_path = os.path.join(temp_dir, f'boletim_extraido_{i+1}.csv') table.to_csv(csv_path) print(f"Tabela {i+1} salva como CSV em {csv_path}") return df except Exception as e: print(f"Erro na extração das tabelas: {str(e)}") raise def converter_nota(valor): """Converte valor de nota para float, tratando casos especiais.""" if pd.isna(valor) or valor == '-' or valor == 'N' or valor == '' or valor == 'None': return 0 try: if isinstance(valor, str): # Remover possíveis espaços e substituir vírgula por ponto valor_limpo = valor.strip().replace(',', '.') # Se depois de limpar ainda estiver vazio, retorna 0 if not valor_limpo: return 0 return float(valor_limpo) elif isinstance(valor, (int, float)): return float(valor) return 0 except: return 0 def obter_disciplinas_validas(df): """Identifica disciplinas válidas no boletim.""" # Colunas de notas e frequências colunas_notas = ['Nota B1', 'Nota B2', 'Nota B3', 'Nota B4'] colunas_freq = ['%Freq B1', '%Freq B2', '%Freq B3', '%Freq B4'] # Converter notas para numérico, tratando valores inválidos for col in colunas_notas: if col in df.columns: df[col] = df[col].apply(lambda x: converter_nota(x)) # Converter frequências, tratando valores inválidos for col in colunas_freq: if col in df.columns: df[col] = df[col].replace('%', '', regex=True) df[col] = df[col].apply(lambda x: converter_nota(x) if pd.notna(x) else 0) # Identificar disciplinas que têm pelo menos uma nota ou frequência disciplinas_validas = [] for _, row in df.iterrows(): disciplina = row['Disciplina'] if pd.isna(disciplina) or disciplina == '': continue notas = pd.to_numeric(row[colunas_notas], errors='coerce').fillna(0) freq = pd.to_numeric(row[colunas_freq], errors='coerce').fillna(0) if (notas > 0).any() or (freq > 0).any(): disciplinas_validas.append(disciplina) return disciplinas_validas def gerar_paleta_cores(n_cores): """Gera uma paleta de cores distintas para o número de disciplinas.""" cores_base = [ '#DC143C', '#4169E1', '#9370DB', '#32CD32', '#FF8C00', '#00CED1', '#FF69B4', '#8B4513', '#4B0082', '#556B2F', '#B8860B', '#483D8B', '#008B8B', '#8B008B', '#8B0000' ] # Se precisar de mais cores, gerar automaticamente if n_cores > len(cores_base): HSV_tuples = [(x/n_cores, 0.8, 0.9) for x in range(n_cores)] cores_extras = ['#%02x%02x%02x' % tuple(int(x*255) for x in colorsys.hsv_to_rgb(*hsv)) for hsv in HSV_tuples] return cores_extras return cores_base[:n_cores] def plotar_evolucao_bimestres(df_filtrado, temp_dir): """Plota gráfico de evolução das notas por bimestre.""" # Obter disciplinas válidas disciplinas_validas = obter_disciplinas_validas(df_filtrado) n_disciplinas = len(disciplinas_validas) if n_disciplinas == 0: raise ValueError("Nenhuma disciplina válida encontrada para plotar.") # Calcular tamanho da figura baseado no número de disciplinas altura_figura = max(6, n_disciplinas * 0.4) plt.figure(figsize=(14, altura_figura)) # Gerar cores para as disciplinas cores = gerar_paleta_cores(n_disciplinas) marcadores = ['o', 's', '^', 'D', 'v', '<', '>', 'p', 'h', '8', '*', 'H', '+', 'x', 'd'] estilos_linha = ['-', '--', '-.', ':', '-', '--', '-.', ':', '-', '--', '-.', ':', '-', '--', '-.'] plt.grid(True, linestyle='--', alpha=0.3, zorder=0) colunas_notas = ['Nota B1', 'Nota B2', 'Nota B3', 'Nota B4'] for idx, disciplina in enumerate(disciplinas_validas): dados_disciplina = df_filtrado[df_filtrado['Disciplina'] == disciplina] if not dados_disciplina.empty: notas = dados_disciplina[colunas_notas].values[0] notas_validas = pd.to_numeric(notas, errors='coerce').fillna(0) > 0 if any(notas_validas): bimestres = np.arange(1, len(colunas_notas) + 1)[notas_validas] notas_filtradas = pd.to_numeric(notas[notas_validas], errors='coerce').fillna(0) plt.plot(bimestres, notas_filtradas, color=cores[idx % len(cores)], marker=marcadores[idx % len(marcadores)], markersize=8, linewidth=2, label=disciplina, linestyle=estilos_linha[idx % len(estilos_linha)], alpha=0.8) for x, y in zip(bimestres, notas_filtradas): plt.annotate(f"{y:.1f}", (x, y), textcoords="offset points", xytext=(0, 5), ha='center', fontsize=8) plt.title('Evolução das Médias por Disciplina ao Longo dos Bimestres') plt.xlabel('Bimestres') plt.ylabel('Média de Notas') plt.xticks([1, 2, 3, 4], ['B1', 'B2', 'B3', 'B4']) plt.ylim(0, 10) # Ajustar legenda baseado no número de disciplinas if n_disciplinas > 10: plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left', fontsize=8) else: plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left') plt.tight_layout() plot_path = os.path.join(temp_dir, 'evolucao_notas.png') plt.savefig(plot_path, bbox_inches='tight', dpi=300) plt.close() return plot_path def plotar_graficos_destacados(df_boletim_clean, temp_dir): """Plota gráficos de médias e frequências com destaques.""" # Obter disciplinas válidas disciplinas_validas = obter_disciplinas_validas(df_boletim_clean) if not disciplinas_validas: raise ValueError("Nenhuma disciplina válida encontrada no boletim.") n_disciplinas = len(disciplinas_validas) # Calcular tamanho da figura baseado no número de disciplinas altura_figura = max(6, n_disciplinas * 0.4) plt.figure(figsize=(14, altura_figura)) df_filtrado = df_boletim_clean[df_boletim_clean['Disciplina'].isin(disciplinas_validas)] disciplinas = df_filtrado['Disciplina'].astype(str) # Processar frequências com tratamento de erros melhorado colunas_freq = ['%Freq B1', '%Freq B2', '%Freq B3', '%Freq B4'] freq_data = df_filtrado[colunas_freq].replace('%', '', regex=True) freq_data = freq_data.apply(pd.to_numeric, errors='coerce').fillna(0) medias_frequencia = freq_data.mean(axis=1) # Processar notas com tratamento de erros melhorado colunas_notas = ['Nota B1', 'Nota B2', 'Nota B3', 'Nota B4'] notas_data = df_filtrado[colunas_notas].apply(pd.to_numeric, errors='coerce').fillna(0) medias_notas = notas_data.mean(axis=1) cores_notas = ['red' if media < 5 else 'blue' for media in medias_notas] cores_frequencias = ['red' if media < 75 else 'green' for media in medias_frequencia] frequencia_global_media = medias_frequencia.mean() plt.subplot(1, 2, 1) barras_notas = plt.bar(disciplinas, medias_notas, color=cores_notas) plt.title('Média de Notas por Disciplina (Vermelho: < 5)') plt.xticks(rotation=45, ha='right') plt.ylim(0, 10) # Adicionar valores nas barras for barra in barras_notas: altura = barra.get_height() plt.text(barra.get_x() + barra.get_width()/2., altura, f'{altura:.1f}', ha='center', va='bottom') plt.subplot(1, 2, 2) barras_freq = plt.bar(disciplinas, medias_frequencia, color=cores_frequencias) plt.title('Média de Frequência por Disciplina (Vermelho: < 75%)') plt.xticks(rotation=45, ha='right') plt.ylim(0, 100) # Adicionar valores nas barras for barra in barras_freq: altura = barra.get_height() plt.text(barra.get_x() + barra.get_width()/2., altura, f'{altura:.1f}%', ha='center', va='bottom') plt.suptitle(f"Frequência Global Média: {frequencia_global_media:.2f}%") if frequencia_global_media < 75: plt.figtext(0.5, 0.02, "Cuidado: Risco de Reprovação por Baixa Frequência", ha="center", fontsize=12, color="red") plt.tight_layout() plot_path = os.path.join(temp_dir, 'medias_frequencias.png') plt.savefig(plot_path, bbox_inches='tight', dpi=300) plt.close() return plot_path def gerar_relatorio_pdf(df, grafico1_path, grafico2_path): """Gera relatório PDF com os gráficos e análises.""" pdf = FPDF() pdf.add_page() pdf.set_font('Helvetica', 'B', 16) pdf.cell(0, 10, 'Relatório de Desempenho Escolar', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='C') pdf.ln(10) # Informações do aluno se disponíveis if 'Nome do Aluno' in df.columns: pdf.set_font('Helvetica', '', 12) pdf.cell(0, 10, f'Aluno: {df["Nome do Aluno"].iloc[0]}', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') pdf.image(grafico1_path, x=10, w=190) pdf.ln(10) pdf.image(grafico2_path, x=10, w=190) pdf.ln(10) pdf.set_font('Helvetica', 'B', 12) pdf.cell(0, 10, 'Avisos Importantes:', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') pdf.set_font('Helvetica', '', 10) # Obter disciplinas válidas disciplinas_validas = obter_disciplinas_validas(df) df_filtrado = df[df['Disciplina'].isin(disciplinas_validas)] # Calcular médias colunas_notas = ['Nota B1', 'Nota B2', 'Nota B3', 'Nota B4'] notas_data = df_filtrado[colunas_notas].apply(pd.to_numeric, errors='coerce').fillna(0) medias_notas = notas_data.mean(axis=1) # Processar frequências colunas_freq = ['%Freq B1', '%Freq B2', '%Freq B3', '%Freq B4'] freq_data = df_filtrado[colunas_freq].replace('%', '', regex=True) freq_data = freq_data.apply(pd.to_numeric, errors='coerce').fillna(0) medias_freq = freq_data.mean(axis=1) # Adicionar média global media_global = medias_notas.mean() freq_global = medias_freq.mean() pdf.cell(0, 10, f'Média Global: {media_global:.1f}', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') pdf.cell(0, 10, f'Frequência Global: {freq_global:.1f}%', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') pdf.ln(5) for idx, (disciplina, media_nota, media_freq) in enumerate(zip(df_filtrado['Disciplina'], medias_notas, medias_freq)): if media_nota < 5: pdf.cell(0, 10, f'- {disciplina}: Média de notas abaixo de 5 ({media_nota:.1f})', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') if media_freq < 75: pdf.cell(0, 10, f'- {disciplina}: Frequência abaixo de 75% ({media_freq:.1f}%)', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') temp_pdf = tempfile.NamedTemporaryFile(delete=False, suffix='.pdf') pdf_path = temp_pdf.name pdf.output(pdf_path) return pdf_path def processar_boletim(file): """Função principal que processa o boletim e gera o relatório.""" temp_dir = None try: # Verificar se o arquivo é válido if file is None: return None, "Nenhum arquivo foi fornecido." # Criar diretório temporário temp_dir = tempfile.mkdtemp() print(f"Diretório temporário criado: {temp_dir}") # Verificar se o arquivo tem conteúdo if not hasattr(file, 'name') or not os.path.exists(file.name): return None, "Arquivo inválido ou corrompido." if os.path.getsize(file.name) == 0: return None, "O arquivo está vazio." # Copiar o arquivo para o diretório temporário temp_pdf = os.path.join(temp_dir, 'boletim.pdf') shutil.copy2(file.name, temp_pdf) print(f"PDF copiado para: {temp_pdf}") # Verificar se a cópia foi bem sucedida if not os.path.exists(temp_pdf) or os.path.getsize(temp_pdf) == 0: return None, "Erro ao copiar o arquivo." # Extrair tabelas do PDF print("Iniciando extração das tabelas...") df = extrair_tabelas_pdf(temp_pdf) print("Tabelas extraídas com sucesso") if df is None or df.empty: return None, "Não foi possível extrair dados do PDF." # Renomear colunas para o formato esperado try: df.columns = ['Disciplina', 'Nota B1', 'Freq B1', '%Freq B1', 'AC B1', 'Nota B2', 'Freq B2', '%Freq B2', 'AC B2', 'Nota B3', 'Freq B3', '%Freq B3', 'AC B3', 'Nota B4', 'Freq B4', '%Freq B4', 'AC B4', 'CF', 'Nota Final', 'Freq Final', 'AC Final'] except: return None, "O formato do PDF não corresponde ao esperado." # Processar notas colunas_notas = ['Nota B1', 'Nota B2', 'Nota B3', 'Nota B4'] for col in colunas_notas: if col in df.columns: df[col] = df[col].apply(converter_nota) print("Notas processadas") # Gerar gráficos print("Gerando gráficos...") grafico1_path = plotar_evolucao_bimestres(df, temp_dir) grafico2_path = plotar_graficos_destacados(df, temp_dir) print("Gráficos gerados") # Gerar PDF print("Gerando relatório PDF...") pdf_path = gerar_relatorio_pdf(df, grafico1_path, grafico2_path) print("Relatório PDF gerado") # Criar arquivo temporário para retorno output_file = tempfile.NamedTemporaryFile(delete=False, suffix='.pdf') output_path = output_file.name shutil.copy2(pdf_path, output_path) return output_path, "Relatório gerado com sucesso!" except Exception as e: print(f"Erro durante o processamento: {str(e)}") return None, f"Erro ao processar o boletim: {str(e)}" finally: # Limpar arquivos temporários if temp_dir and os.path.exists(temp_dir): try: shutil.rmtree(temp_dir) print("Arquivos temporários limpos") except Exception as e: print(f"Erro ao limpar arquivos temporários: {str(e)}") # Interface Gradio iface = gr.Interface( fn=processar_boletim, inputs=gr.File(label="Upload do Boletim (PDF)"), outputs=[ gr.File(label="Relatório (PDF)"), gr.Textbox(label="Status") ], title="Análise de Boletim Escolar", description="Faça upload do boletim em PDF para gerar um relatório com análises e visualizações.", allow_flagging="never" ) if __name__ == "__main__": iface.launch(server_name="0.0.0.0")