app.py

import gradio as gr
import subprocess
import logging
import os
import tempfile
import shlex
from gradio_pdf import PDF

# Configuración de logs
logger = logging.getLogger(__name__)
logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s")

def ejecutar_comando(comando):
    """Ejecuta un comando de shell y maneja errores."""
    try:
        resultado = subprocess.run(comando, shell=True, check=True, capture_output=True, text=True)
        logger.info(f"Comando ejecutado: {comando}\nSalida:\n{resultado.stdout}")
        return resultado.stdout
    except subprocess.CalledProcessError as e:
        error_message = f"Error al ejecutar el comando: {comando}\nError: {e}\nSalida de error:\n{e.stderr}"
        logger.error(error_message)
        raise RuntimeError(error_message)

def reparar_pdf(input_pdf, output_pdf):
    """Repara un PDF usando qpdf."""
    comando = f"qpdf --linearize {shlex.quote(input_pdf)} {shlex.quote(output_pdf)}"
    ejecutar_comando(comando)

def simplificar_pdf(input_pdf, output_pdf):
    """Simplifica un PDF usando Ghostscript."""
    comando = f"gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/screen -dNOPAUSE -dBATCH -sOutputFile={shlex.quote(output_pdf)} {shlex.quote(input_pdf)}"
    ejecutar_comando(comando)

def crear_pdf_con_texto_incrustado(pdf_original, archivo_salida, idioma="spa"):
    """Procesa un PDF con OCR usando OCRmyPDF."""
    comando = f"ocrmypdf -l {idioma} --force-ocr --deskew --output-type pdf {shlex.quote(pdf_original)} {shlex.quote(archivo_salida)}"
    try:
        output = ejecutar_comando(comando)
        logger.info(f"Salida de ocrmypdf: {output}")
    except RuntimeError as e:
        logger.error(f"Error en ocrmypdf: {e}")
        raise

def flujo_principal(pdf_file, idioma="spa"):
    """Procesa un PDF subido con reparación, simplificación y OCR."""
    if not pdf_file:
        raise gr.Error("No se subió ningún archivo.")

    with tempfile.NamedTemporaryFile(suffix=".pdf", delete=False) as temp_pdf:
        try:
            reparar_pdf(pdf_file, temp_pdf.name)
            simplificar_pdf(temp_pdf.name, temp_pdf.name)
            crear_pdf_con_texto_incrustado(temp_pdf.name, temp_pdf.name, idioma)
            ruta_final = temp_pdf.name
            return gr.File(value=ruta_final, label="PDF procesado"), ruta_final # gr.File para pdf_vista
        except Exception as e:
            logger.exception(f"Error durante el procesamiento: {e}") # Loggea la excepción completa
            raise gr.Error(f"Error al procesar el PDF: {e}")
        finally:
             # Elimina el archivo temporal al final, incluso si hay errores
            if os.path.exists(temp_pdf.name):
                os.remove(temp_pdf.name)


# Interfaz Gradio
with gr.Blocks() as interfaz:
    gr.Markdown("## Procesador de PDFs con OCR")

    with gr.Row():
        archivo_pdf = gr.File(label="Sube tu archivo PDF")
        idioma_ocr = gr.Dropdown(["spa", "eng", "fra", "deu"], label="Idioma OCR", value="spa")
        boton_procesar = gr.Button("Procesar OCR")

    with gr.Row():
        pdf_vista = gr.File(label="Visor PDF")  # Cambiado a gr.File
        pdf_descarga = gr.File(label="Descargar PDF procesado", visible=False)


    boton_procesar.click(
        fn=flujo_principal,
        inputs=[archivo_pdf, idioma_ocr],
        outputs=[pdf_vista, pdf_descarga],
    )

if __name__ == "__main__":
    interfaz.launch()