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 import colorsys from datetime import datetime matplotlib.use('Agg') # Configurações globais ESCALA_MAXIMA_NOTAS = 12 LIMITE_APROVACAO_NOTA = 5 LIMITE_APROVACAO_FREQ = 75 BIMESTRES = ['1º Bimestre', '2º Bimestre', '3º Bimestre', '4º Bimestre'] CONCEITOS_VALIDOS = ['ES', 'EP', 'ET'] # Definição das disciplinas de formação básica FORMACAO_BASICA = { 'fundamental': { 'LINGUA PORTUGUESA', 'MATEMATICA', 'HISTORIA', 'GEOGRAFIA', 'CIENCIAS', 'LINGUA ESTRANGEIRA INGLES', 'ARTE', 'EDUCACAO FISICA' }, 'medio': { 'LINGUA PORTUGUESA', 'MATEMATICA', 'HISTORIA', 'GEOGRAFIA', 'BIOLOGIA', 'FISICA', 'QUIMICA', 'INGLÊS', 'FILOSOFIA', 'SOCIOLOGIA', 'ARTE', 'EDUCACAO FISICA' } } def detectar_nivel_ensino(disciplinas): """Detecta se é ensino fundamental ou médio baseado nas disciplinas presentes.""" disciplinas_set = set(disciplinas) disciplinas_exclusivas_medio = {'BIOLOGIA', 'FISICA', 'QUIMICA', 'FILOSOFIA', 'SOCIOLOGIA'} return 'medio' if any(d in disciplinas_set for d in disciplinas_exclusivas_medio) else 'fundamental' def separar_disciplinas_por_categoria(disciplinas_dados): """Separa as disciplinas em formação básica e diversificada.""" disciplinas = [d['disciplina'] for d in disciplinas_dados] nivel = detectar_nivel_ensino(disciplinas) formacao_basica = [] diversificada = [] for disc_data in disciplinas_dados: if disc_data['disciplina'] in FORMACAO_BASICA[nivel]: formacao_basica.append(disc_data) else: diversificada.append(disc_data) return { 'nivel': nivel, 'formacao_basica': formacao_basica, 'diversificada': diversificada } def converter_nota(valor): """Converte valor de nota para float, tratando casos especiais e conceitos.""" if pd.isna(valor) or valor == '-' or valor == 'N' or valor == '' or valor == 'None': return None if isinstance(valor, str): valor_limpo = valor.strip().upper() if valor_limpo in CONCEITOS_VALIDOS: conceitos_map = {'ET': 10, 'ES': 8, 'EP': 6} return conceitos_map.get(valor_limpo) try: return float(valor_limpo.replace(',', '.')) except: return None if isinstance(valor, (int, float)): return float(valor) return None def calcular_media_bimestres(notas): """Calcula média considerando apenas bimestres com notas válidas.""" notas_validas = [nota for nota in notas if nota is not None] if not notas_validas: return 0 return sum(notas_validas) / len(notas_validas) def calcular_frequencia_media(frequencias): """Calcula média de frequência considerando apenas bimestres cursados.""" freq_validas = [] for freq in frequencias: try: if isinstance(freq, str): freq = freq.strip().replace('%', '').replace(',', '.') if freq and freq != '-': valor = float(freq) if valor > 0: freq_validas.append(valor) except: continue if not freq_validas: return 0 return sum(freq_validas) / len(freq_validas) def extrair_tabelas_pdf(pdf_path): """Extrai tabelas do PDF usando stream apenas para o nome e lattice para notas.""" try: # Extrair nome do aluno usando stream tables_header = camelot.read_pdf( pdf_path, pages='1', flavor='stream', edge_tol=500 ) info_aluno = {} # Procurar apenas o nome do aluno for table in tables_header: df = table.df for i in range(len(df)): for j in range(len(df.columns)): texto = str(df.iloc[i,j]).strip() if 'Nome do Aluno' in texto: try: if j + 1 < len(df.columns): nome = str(df.iloc[i,j+1]).strip() elif i + 1 < len(df): nome = str(df.iloc[i+1,j]).strip() if nome and nome != 'Nome do Aluno:': info_aluno['nome'] = nome break except: continue # Extrair tabela de notas usando lattice tables_notas = camelot.read_pdf( pdf_path, pages='all', flavor='lattice' ) # Encontrar tabela de notas (procurar a maior tabela com 'Disciplina') df_notas = None max_rows = 0 for table in tables_notas: df_temp = table.df if len(df_temp) > max_rows and 'Disciplina' in str(df_temp.iloc[0,0]): max_rows = len(df_temp) df_notas = df_temp.copy() df_notas = df_notas.rename(columns={ 0: 'Disciplina', 1: 'Nota B1', 2: 'Freq B1', 3: '%Freq B1', 4: 'AC B1', 5: 'Nota B2', 6: 'Freq B2', 7: '%Freq B2', 8: 'AC B2', 9: 'Nota B3', 10: 'Freq B3', 11: '%Freq B3', 12: 'AC B3', 13: 'Nota B4', 14: 'Freq B4', 15: '%Freq B4', 16: 'AC B4', 17: 'CF', 18: 'Nota Final', 19: 'Freq Final', 20: 'AC Final' }) if df_notas is None: raise ValueError("Tabela de notas não encontrada") # Adicionar apenas o nome ao DataFrame df_notas.attrs['nome'] = info_aluno.get('nome', 'Nome não encontrado') return df_notas except Exception as e: print(f"Erro na extração das tabelas: {str(e)}") raise def obter_disciplinas_validas(df): """Identifica disciplinas válidas no boletim com seus dados.""" colunas_notas = ['Nota B1', 'Nota B2', 'Nota B3', 'Nota B4'] colunas_freq = ['%Freq B1', '%Freq B2', '%Freq B3', '%Freq B4'] disciplinas_dados = [] for _, row in df.iterrows(): disciplina = row['Disciplina'] if pd.isna(disciplina) or disciplina == '': continue notas = [] freqs = [] bimestres_cursados = [] for i, (col_nota, col_freq) in enumerate(zip(colunas_notas, colunas_freq), 1): nota = converter_nota(row[col_nota]) freq = row[col_freq] if col_freq in row else None if nota is not None or (freq and freq != '-'): bimestres_cursados.append(i) notas.append(nota if nota is not None else 0) freqs.append(freq) else: notas.append(None) freqs.append(None) if bimestres_cursados: media_notas = calcular_media_bimestres(notas) media_freq = calcular_frequencia_media(freqs) disciplinas_dados.append({ 'disciplina': disciplina, 'notas': notas, 'frequencias': freqs, 'media_notas': media_notas, 'media_freq': media_freq, 'bimestres_cursados': bimestres_cursados }) return disciplinas_dados def gerar_paleta_cores(n_cores): """Gera uma paleta de cores distintas para o número de disciplinas.""" cores_base = [ '#1f77b4', '#ff7f0e', '#2ca02c', '#d62728', '#9467bd', '#8c564b', '#e377c2', '#7f7f7f', '#bcbd22', '#17becf', '#393b79', '#637939', '#8c6d31', '#843c39', '#7b4173' ] if n_cores > len(cores_base): HSV_tuples = [(x/n_cores, 0.7, 0.85) 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(disciplinas_dados, temp_dir, titulo=None, nome_arquivo=None): """Plota gráfico de evolução das notas por bimestre com visualização refinada.""" n_disciplinas = len(disciplinas_dados) if n_disciplinas == 0: raise ValueError("Nenhuma disciplina válida encontrada para plotar.") plt.figure(figsize=(11.69, 8.27)) cores = gerar_paleta_cores(n_disciplinas) marcadores = ['o', 's', '^', 'D', 'v', '<', '>', 'p', 'h', '*'] estilos_linha = ['-', '--', '-.', ':', '-', '--', '-.', ':', '-', '--'] plt.grid(True, linestyle='--', alpha=0.3, zorder=0) # Deslocamento ainda menor e mais refinado deslocamentos = np.linspace(-0.03, 0.03, n_disciplinas) # Estrutura para armazenar as posições das anotações já utilizadas anotacoes_usadas = {} # formato: {bimestre: [(y, texto)]} # Primeira passagem: coletar todos os valores e determinar grupos grupos_notas = {} # {bimestre: {nota: [índices]}} for idx, disc_data in enumerate(disciplinas_dados): notas = pd.Series(disc_data['notas']) bimestres_cursados = disc_data['bimestres_cursados'] if bimestres_cursados: notas_validas = [nota for i, nota in enumerate(notas, 1) if i in bimestres_cursados and nota is not None] bimestres = [bim for bim in bimestres_cursados if notas[bim-1] is not None] for bim, nota in zip(bimestres, notas_validas): if nota is not None: if bim not in grupos_notas: grupos_notas[bim] = {} if nota not in grupos_notas[bim]: grupos_notas[bim][nota] = [] grupos_notas[bim][nota].append(idx) # Segunda passagem: plotar e anotar for idx, disc_data in enumerate(disciplinas_dados): notas = pd.Series(disc_data['notas']) bimestres_cursados = disc_data['bimestres_cursados'] desloc = deslocamentos[idx] if bimestres_cursados: notas_validas = [nota for i, nota in enumerate(notas, 1) if i in bimestres_cursados and nota is not None] bimestres = [bim for bim in bimestres_cursados if notas[bim-1] is not None] bimestres_deslocados = [bim + desloc for bim in bimestres] if notas_validas: # Plotar linha e pontos plt.plot(bimestres_deslocados, notas_validas, color=cores[idx % len(cores)], marker=marcadores[idx % len(marcadores)], markersize=7, linewidth=1.5, label=disc_data['disciplina'], linestyle=estilos_linha[idx % len(estilos_linha)], alpha=0.8) # Adicionar anotações com posicionamento otimizado for bim_orig, bim_desloc, nota in zip(bimestres, bimestres_deslocados, notas_validas): if nota is not None: # Verificar se é o primeiro índice para esta nota neste bimestre if grupos_notas[bim_orig][nota][0] == idx: # Determinar posição vertical da anotação if bim_orig not in anotacoes_usadas: anotacoes_usadas[bim_orig] = [] # Encontrar posição vertical disponível y_base = nota y_offset = 10 texto = f"{nota:.1f}" # Verificar sobreposição com anotações existentes while any(abs(y - (y_base + y_offset/20)) < 0.4 for y, _ in anotacoes_usadas.get(bim_orig, [])): y_offset += 5 # Adicionar anotação plt.annotate(texto, (bim_orig, nota), textcoords="offset points", xytext=(0, y_offset), ha='center', va='bottom', fontsize=8, bbox=dict(facecolor='white', edgecolor='none', alpha=0.8, pad=0.5)) anotacoes_usadas[bim_orig].append((nota + y_offset/20, texto)) # Usar título personalizado se fornecido titulo_grafico = titulo or 'Evolução das Médias por Disciplina ao Longo dos Bimestres' plt.title(titulo_grafico, pad=20, fontsize=12, fontweight='bold') plt.xlabel('Bimestres', fontsize=10) plt.ylabel('Notas', fontsize=10) plt.xticks([1, 2, 3, 4], ['1º Bim', '2º Bim', '3º Bim', '4º Bim']) plt.ylim(0, ESCALA_MAXIMA_NOTAS) # Adicionar linha de aprovação plt.axhline(y=LIMITE_APROVACAO_NOTA, color='r', linestyle='--', alpha=0.3) plt.text(0.02, LIMITE_APROVACAO_NOTA + 0.1, 'Média mínima para aprovação', transform=plt.gca().get_yaxis_transform(), color='r', alpha=0.5) # Ajustar legenda if n_disciplinas > 8: plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left', fontsize=8, ncol=max(1, n_disciplinas // 12)) else: plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left', ncol=1) plt.tight_layout() # Usar nome de arquivo personalizado se fornecido nome_arquivo = nome_arquivo or 'evolucao_notas.png' plot_path = os.path.join(temp_dir, nome_arquivo) plt.savefig(plot_path, bbox_inches='tight', dpi=300) plt.close() return plot_path def plotar_graficos_destacados(disciplinas_dados, temp_dir): """Plota gráficos de médias e frequências com destaques.""" n_disciplinas = len(disciplinas_dados) if not n_disciplinas: raise ValueError("Nenhuma disciplina válida encontrada no boletim.") # Criar figura plt.figure(figsize=(12, 10)) disciplinas = [d['disciplina'] for d in disciplinas_dados] medias_notas = [d['media_notas'] for d in disciplinas_dados] medias_freq = [d['media_freq'] for d in disciplinas_dados] # Criar subplot com mais espaço entre os gráficos fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 10), height_ratios=[1, 1]) plt.subplots_adjust(hspace=0.5) # Aumentar espaço entre os gráficos # Definir cores baseadas nos limites de aprovação cores_notas = ['red' if media < LIMITE_APROVACAO_NOTA else '#2ecc71' for media in medias_notas] cores_freq = ['red' if media < LIMITE_APROVACAO_FREQ else '#2ecc71' for media in medias_freq] # Calcular médias globais media_global = np.mean(medias_notas) freq_global = np.mean(medias_freq) # Gráfico de notas barras_notas = ax1.bar(disciplinas, medias_notas, color=cores_notas) ax1.set_title('Média de Notas por Disciplina', pad=20, fontsize=12, fontweight='bold') ax1.set_ylim(0, ESCALA_MAXIMA_NOTAS) ax1.grid(True, axis='y', alpha=0.3, linestyle='--') # Melhorar a apresentação dos rótulos ax1.set_xticklabels(disciplinas, rotation=45, ha='right', va='top') ax1.set_ylabel('Notas', fontsize=10, labelpad=10) # Adicionar linha de média mínima ax1.axhline(y=LIMITE_APROVACAO_NOTA, color='r', linestyle='--', alpha=0.3) ax1.text(0.02, LIMITE_APROVACAO_NOTA + 0.1, 'Média mínima (5,0)', transform=ax1.get_yaxis_transform(), color='r', alpha=0.7) # Valores nas barras de notas for barra in barras_notas: altura = barra.get_height() ax1.text(barra.get_x() + barra.get_width()/2., altura, f'{altura:.1f}', ha='center', va='bottom', fontsize=8) # Gráfico de frequências barras_freq = ax2.bar(disciplinas, medias_freq, color=cores_freq) ax2.set_title('Frequência Média por Disciplina', pad=20, fontsize=12, fontweight='bold') ax2.set_ylim(0, 110) ax2.grid(True, axis='y', alpha=0.3, linestyle='--') # Melhorar a apresentação dos rótulos ax2.set_xticklabels(disciplinas, rotation=45, ha='right', va='top') ax2.set_ylabel('Frequência (%)', fontsize=10, labelpad=10) # Adicionar linha de frequência mínima ax2.axhline(y=LIMITE_APROVACAO_FREQ, color='r', linestyle='--', alpha=0.3) ax2.text(0.02, LIMITE_APROVACAO_FREQ + 1, 'Frequência mínima (75%)', transform=ax2.get_yaxis_transform(), color='r', alpha=0.7) # Valores nas barras de frequência for barra in barras_freq: altura = barra.get_height() ax2.text(barra.get_x() + barra.get_width()/2., altura, f'{altura:.1f}%', ha='center', va='bottom', fontsize=8) # Título global com informações de média plt.suptitle( f'Desempenho Geral\nMédia Global: {media_global:.1f} | Frequência Global: {freq_global:.1f}%', y=0.98, fontsize=14, fontweight='bold' ) # Aviso de risco de reprovação se necessário if freq_global < LIMITE_APROVACAO_FREQ: plt.figtext(0.5, 0.02, "Atenção: Risco de Reprovação por Baixa Frequência", ha="center", fontsize=11, color="red", weight='bold') plt.tight_layout() # Salvar o gráfico 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, disciplinas_dados, grafico_basica, grafico_diversificada, grafico_medias): """Gera relatório PDF com os gráficos e análises.""" pdf = FPDF() pdf.set_auto_page_break(auto=True, margin=15) # Primeira página - Informações e Formação Básica pdf.add_page() pdf.set_font('Helvetica', 'B', 18) pdf.cell(0, 10, 'Relatório de Desempenho Escolar', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='C') pdf.ln(15) # Informações do aluno pdf.set_font('Helvetica', 'B', 12) pdf.cell(0, 10, 'Informações do Aluno', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') pdf.line(10, pdf.get_y(), 200, pdf.get_y()) pdf.ln(5) # Mostrar apenas o nome if hasattr(df, 'attrs') and 'nome' in df.attrs: pdf.set_font('Helvetica', 'B', 11) pdf.cell(30, 7, 'Nome:', 0, 0) pdf.set_font('Helvetica', '', 11) pdf.cell(0, 7, df.attrs['nome'], 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT) pdf.ln(10) # Data do relatório data_atual = datetime.now().strftime('%d/%m/%Y') pdf.set_font('Helvetica', 'I', 10) pdf.cell(0, 5, f'Data de geração: {data_atual}', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='R') pdf.ln(15) # Gráfico de evolução da formação básica pdf.set_font('Helvetica', 'B', 14) pdf.cell(0, 10, 'Evolução das Notas - Formação Geral Básica', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') pdf.line(10, pdf.get_y(), 200, pdf.get_y()) pdf.ln(10) pdf.image(grafico_basica, x=10, w=190) # Segunda página - Parte Diversificada pdf.add_page() pdf.set_font('Helvetica', 'B', 14) pdf.cell(0, 10, 'Evolução das Notas - Parte Diversificada', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') pdf.line(10, pdf.get_y(), 200, pdf.get_y()) pdf.ln(10) pdf.image(grafico_diversificada, x=10, w=190) # Terceira página - Médias e Frequências pdf.add_page() pdf.set_font('Helvetica', 'B', 14) pdf.cell(0, 10, 'Análise de Médias e Frequências', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') pdf.line(10, pdf.get_y(), 200, pdf.get_y()) pdf.ln(10) pdf.image(grafico_medias, x=10, w=190) # Quarta página - Análise Detalhada pdf.add_page() pdf.set_font('Helvetica', 'B', 14) pdf.cell(0, 10, 'Análise Detalhada', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') pdf.line(10, pdf.get_y(), 200, pdf.get_y()) pdf.ln(10) # Calcular médias globais medias_notas = [d['media_notas'] for d in disciplinas_dados] medias_freq = [d['media_freq'] for d in disciplinas_dados] media_global = np.mean(medias_notas) freq_global = np.mean(medias_freq) # Resumo geral pdf.set_font('Helvetica', 'B', 12) pdf.cell(0, 7, 'Resumo Geral:', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') pdf.ln(5) pdf.set_font('Helvetica', '', 11) pdf.cell(0, 7, f'Média Global: {media_global:.1f}', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') pdf.cell(0, 7, f'Frequência Global: {freq_global:.1f}%', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') pdf.ln(10) # Avisos Importantes pdf.set_font('Helvetica', 'B', 12) pdf.cell(0, 10, 'Pontos de Atenção:', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') pdf.ln(5) pdf.set_font('Helvetica', '', 10) # Disciplinas com baixo desempenho disciplinas_risco = [] for disc_data in disciplinas_dados: avisos = [] if disc_data['media_notas'] < LIMITE_APROVACAO_NOTA: avisos.append(f"Média de notas abaixo de {LIMITE_APROVACAO_NOTA} ({disc_data['media_notas']:.1f})") if disc_data['media_freq'] < LIMITE_APROVACAO_FREQ: avisos.append(f"Frequência abaixo de {LIMITE_APROVACAO_FREQ}% ({disc_data['media_freq']:.1f}%)") if avisos: disciplinas_risco.append((disc_data['disciplina'], avisos)) if disciplinas_risco: for disc, avisos in disciplinas_risco: pdf.set_font('Helvetica', 'B', 10) pdf.cell(0, 7, f'- {disc}:', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') pdf.set_font('Helvetica', '', 10) for aviso in avisos: pdf.cell(10) # Indentação pdf.cell(0, 7, f'- {aviso}', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') else: pdf.cell(0, 7, 'Nenhum problema identificado.', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='L') # Rodapé pdf.set_y(-30) pdf.line(10, pdf.get_y(), 200, pdf.get_y()) pdf.ln(5) pdf.set_font('Helvetica', 'I', 8) pdf.cell(0, 10, 'Este relatório é uma análise automática e deve ser validado junto à secretaria da escola.', 0, new_x=XPos.LMARGIN, new_y=YPos.NEXT, align='C') # Salvar PDF 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: if file is None: return None, "Nenhum arquivo foi fornecido." temp_dir = tempfile.mkdtemp() print(f"Diretório temporário criado: {temp_dir}") 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." temp_pdf = os.path.join(temp_dir, 'boletim.pdf') shutil.copy2(file.name, temp_pdf) print(f"PDF copiado para: {temp_pdf}") if not os.path.exists(temp_pdf) or os.path.getsize(temp_pdf) == 0: return None, "Erro ao copiar o arquivo." 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." try: # Processar disciplinas disciplinas_dados = obter_disciplinas_validas(df) if not disciplinas_dados: return None, "Nenhuma disciplina válida encontrada no boletim." # Separar disciplinas por categoria categorias = separar_disciplinas_por_categoria(disciplinas_dados) nivel = categorias['nivel'] nivel_texto = "Ensino Médio" if nivel == "medio" else "Ensino Fundamental" # Gerar gráficos print("Gerando gráficos...") grafico_basica = plotar_evolucao_bimestres( categorias['formacao_basica'], temp_dir, titulo=f"Evolução das Médias - Formação Geral Básica ({nivel_texto})", nome_arquivo='evolucao_basica.png' ) grafico_diversificada = plotar_evolucao_bimestres( categorias['diversificada'], temp_dir, titulo=f"Evolução das Médias - Parte Diversificada ({nivel_texto})", nome_arquivo='evolucao_diversificada.png' ) grafico_medias = plotar_graficos_destacados(disciplinas_dados, temp_dir) print("Gráficos gerados") # Gerar PDF print("Gerando relatório PDF...") pdf_path = gerar_relatorio_pdf(df, disciplinas_dados, grafico_basica, grafico_diversificada, grafico_medias) print("Relatório PDF gerado") # Criar arquivo de 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: return None, f"Erro ao processar os dados: {str(e)}" except Exception as e: print(f"Erro durante o processamento: {str(e)}") return None, f"Erro ao processar o boletim: {str(e)}" finally: 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 com suporte mobile iface = gr.Interface( fn=processar_boletim, inputs=gr.File( label="Upload do Boletim (PDF)", type="file", file_types=[".pdf"], # Especifica que só aceita PDFs file_count="single" # Aceita apenas um arquivo ), 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", examples=None, cache_examples=False, theme="default", css="", # Pode adicionar CSS customizado se necessário elem_id="boletim_analyzer" ) # Iniciar o servidor com configurações para mobile if __name__ == "__main__": iface.launch( server_name="0.0.0.0", share=True, # Cria um link público acessível enable_queue=True, # Habilita fila de processamento show_error=True, # Mostra erros detalhados debug=True, # Modo debug para desenvolvimento max_threads=1, # Controle de concorrência )