Update app.py

app.py

@@ -129,37 +129,64 @@ def extrair_tabelas_pdf(pdf_path):
         if len(tables) == 0:
             raise ValueError("Nenhuma tabela foi extraída do PDF.")
         
-        # Processar todas as tabelas procurando informações do aluno
         info_aluno = {}
+        
+        # Primeira passagem: procurar informações do cabeçalho
         for table in tables:
             df_temp = table.df
-            for i, row in df_temp.iterrows():
-                # Procurar por variações dos campos
-                if any(campo in str(row[0]).upper() for campo in ['NOME DO ALUNO:', 'NOME:', 'ALUNO:']):
-                    nome = row[1].strip() if len(row) > 1 else ''
-                    if nome and 'nome' not in info_aluno:  # Evitar sobrescrever se já encontrou
-                        info_aluno['nome'] = nome
-                elif any(campo in str(row[0]).upper() for campo in ['RA:', 'R.A.:', 'REGISTRO ACADÊMICO:']):
-                    ra = row[1].strip() if len(row) > 1 else ''
-                    if ra and 'ra' not in info_aluno:  # Evitar sobrescrever se já encontrou
-                        info_aluno['ra'] = ra
-                elif any(campo in str(row[0]).upper() for campo in ['ESCOLA:', 'UNIDADE:', 'UNIDADE ESCOLAR:']):
-                    escola = row[1].strip() if len(row) > 1 else ''
-                    if escola and 'escola' not in info_aluno:
-                        info_aluno['escola'] = escola
-                elif any(campo in str(row[0]).upper() for campo in ['TURMA:', 'SÉRIE:', 'ANO/SÉRIE:']):
-                    turma = row[1].strip() if len(row) > 1 else ''
-                    if turma and 'turma' not in info_aluno:
-                        info_aluno['turma'] = turma
-
-        # Encontrar a tabela com as notas
-        df = None
+            
+            # Iterar por todas as linhas procurando as informações
+            for i in range(len(df_temp)):
+                for j in range(len(df_temp.columns)):
+                    valor = str(df_temp.iloc[i, j]).strip()
+                    
+                    # Buscar nome do aluno
+                    if 'Nome do Aluno:' in valor:
+                        # Pegar o valor na próxima coluna ou próxima linha
+                        if j + 1 < len(df_temp.columns):
+                            nome = str(df_temp.iloc[i, j + 1]).strip()
+                        elif i + 1 < len(df_temp):
+                            nome = str(df_temp.iloc[i + 1, j]).strip()
+                        if nome and nome != 'Nome do Aluno:':
+                            info_aluno['nome'] = nome
+                    
+                    # Buscar RA
+                    elif 'RA:' in valor:
+                        # Pegar o valor na próxima coluna ou próxima linha
+                        if j + 1 < len(df_temp.columns):
+                            ra = str(df_temp.iloc[i, j + 1]).strip()
+                        elif i + 1 < len(df_temp):
+                            ra = str(df_temp.iloc[i + 1, j]).strip()
+                        if ra and ra != 'RA:':
+                            info_aluno['ra'] = ra
+                    
+                    # Buscar escola
+                    elif 'Escola:' in valor:
+                        # Pegar o valor na próxima coluna ou próxima linha
+                        if j + 1 < len(df_temp.columns):
+                            escola = str(df_temp.iloc[i, j + 1]).strip()
+                        elif i + 1 < len(df_temp):
+                            escola = str(df_temp.iloc[i + 1, j]).strip()
+                        if escola and escola != 'Escola:':
+                            info_aluno['escola'] = escola
+                    
+                    # Buscar turma
+                    elif 'Turma:' in valor:
+                        # Pegar o valor na próxima coluna ou próxima linha
+                        if j + 1 < len(df_temp.columns):
+                            turma = str(df_temp.iloc[i, j + 1]).strip()
+                        elif i + 1 < len(df_temp):
+                            turma = str(df_temp.iloc[i + 1, j]).strip()
+                        if turma and turma != 'Turma:':
+                            info_aluno['turma'] = turma
+        
+        # Segunda passagem: encontrar a tabela de notas
+        df_notas = None
         for table in tables:
             df_temp = table.df
-            if any('Disciplina' in str(col) for col in df_temp.iloc[0]) or \
-               any('Bimestre' in str(col) for col in df_temp.iloc[0]):
-                df = df_temp
-                df = df.rename(columns={
+            if 'Disciplina' in str(df_temp.iloc[0,0]):
+                df_notas = df_temp
+                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',
@@ -169,23 +196,22 @@ def extrair_tabelas_pdf(pdf_path):
                 })
                 break
         
-        if df is None or df.empty:
-            raise ValueError("A tabela de notas não foi encontrada.")
+        if df_notas is None:
+            raise ValueError("Tabela de notas não encontrada")
         
         # Adicionar informações do aluno ao DataFrame
-        # Garantir valores padrão se não encontrados
-        df.attrs['nome'] = info_aluno.get('nome', 'Nome não encontrado')
-        df.attrs['ra'] = info_aluno.get('ra', 'RA não encontrado')
-        df.attrs['escola'] = info_aluno.get('escola', 'Escola não encontrada')
-        df.attrs['turma'] = info_aluno.get('turma', 'Turma não encontrada')
+        df_notas.attrs.update(info_aluno)
+        
+        print("\nInformações do aluno encontradas:")
+        for campo, valor in info_aluno.items():
+            print(f"{campo}: {valor}")
         
-        print("Informações do aluno encontradas:", info_aluno)
-        return df
+        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']