Spaces:
Sleeping
Sleeping
| import gradio as gr | |
| import pandas as pd | |
| import re | |
| import os | |
| import matplotlib.pyplot as plt | |
| from datetime import timedelta | |
| from fpdf import FPDF | |
| def parse_duration(duration_str): | |
| try: | |
| h, m, s = map(int, duration_str.split(':')) | |
| return timedelta(hours=h, minutes=m, seconds=s) | |
| except: | |
| return timedelta(0) | |
| def format_timedelta(td): | |
| total_seconds = int(td.total_seconds()) | |
| hours, remainder = divmod(total_seconds, 3600) | |
| minutes, seconds = divmod(remainder, 60) | |
| return f"{hours:02}:{minutes:02}:{seconds:02}" | |
| def normalize_html_to_csv(input_html_path, output_csv_path): | |
| html_data = pd.read_html(input_html_path) | |
| data = html_data[0] | |
| data.to_csv(output_csv_path, index=False) | |
| def normalize_multiple_excel_to_csv(input_directory, output_directory): | |
| input_excel_paths = [os.path.join(input_directory, f) for f in os.listdir(input_directory) if f.endswith('.xlsx')] | |
| output_csv_paths = [os.path.join(output_directory, os.path.splitext(f)[0] + '.csv') for f in os.listdir(input_directory) if f.endswith('.xlsx')] | |
| for input_excel_path, output_csv_path in zip(input_excel_paths, output_csv_paths): | |
| excel_data = pd.read_excel(input_excel_path) | |
| unnecessary_columns = [col for col in excel_data.columns if 'Unnamed' in col] | |
| if unnecessary_columns: | |
| excel_data = excel_data.drop(columns=unnecessary_columns) | |
| excel_data.to_csv(output_csv_path, index=False) | |
| def extract_aluno_pattern(nome): | |
| if isinstance(nome, str): | |
| match = re.search(r"(\d{8,9}-\w{2})", nome.lower()) | |
| return match.group(1) if match else None | |
| return None | |
| def match_alunos(tarefas_csv_path, alunos_csv_path, contador_csv_path): | |
| try: | |
| tarefas_df = pd.read_csv(tarefas_csv_path) | |
| alunos_df = pd.read_csv(alunos_csv_path) | |
| except pd.errors.EmptyDataError: | |
| print(f"Arquivo {tarefas_csv_path} ou {alunos_csv_path} está vazio. Pulando...") | |
| return | |
| tarefas_df.columns = tarefas_df.columns.str.strip() | |
| alunos_df.columns = alunos_df.columns.str.strip() | |
| if 'Aluno' not in tarefas_df.columns or 'Nota' not in tarefas_df.columns or 'Duração' not in tarefas_df.columns: | |
| print(f"Colunas 'Aluno', 'Nota' ou 'Duração' não encontradas no arquivo {tarefas_csv_path}. Pulando este arquivo.") | |
| return | |
| try: | |
| contador_df = pd.read_csv(contador_csv_path) | |
| except FileNotFoundError: | |
| contador_df = pd.DataFrame(columns=['Nome do Aluno', 'Tarefas Completadas', 'Acertos Absolutos', 'Total Tempo']) | |
| if 'Tarefas Completadas' not in contador_df.columns: | |
| contador_df['Tarefas Completadas'] = 0 | |
| if 'Acertos Absolutos' not in contador_df.columns: | |
| contador_df['Acertos Absolutos'] = 0 | |
| if 'Total Tempo' not in contador_df.columns: | |
| contador_df['Total Tempo'] = '00:00:00' | |
| def generate_aluno_pattern(ra, dig_ra): | |
| ra_str = str(ra).zfill(9) | |
| ra_without_first_two_digits = ra_str[2:] | |
| return f"{ra_str[1]}{ra_without_first_two_digits}{dig_ra}-sp".lower() | |
| alunos_df['Aluno_Pattern'] = alunos_df.apply(lambda row: generate_aluno_pattern(row['RA'], row['Dig. RA']), axis=1) | |
| def extract_aluno_pattern(nome): | |
| if isinstance(nome, str): | |
| match = re.search(r'\d+.*', nome.lower()) | |
| return match.group(0) if match else None | |
| return None | |
| tarefas_df['Aluno_Pattern'] = tarefas_df['Aluno'].apply(extract_aluno_pattern) | |
| tarefas_df['Duração'] = tarefas_df['Duração'].apply(parse_duration) | |
| matched_alunos = alunos_df[alunos_df['Aluno_Pattern'].isin(tarefas_df['Aluno_Pattern'])] | |
| result_df = matched_alunos[['Nome do Aluno']].drop_duplicates() | |
| for aluno in result_df['Nome do Aluno']: | |
| aluno_pattern = alunos_df.loc[alunos_df['Nome do Aluno'] == aluno, 'Aluno_Pattern'].values[0] | |
| aluno_tarefas = tarefas_df[tarefas_df['Aluno_Pattern'] == aluno_pattern] | |
| nota_total = aluno_tarefas['Nota'].sum() | |
| tempo_total = aluno_tarefas['Duração'].sum() | |
| if aluno in contador_df['Nome do Aluno'].values: | |
| contador_df.loc[contador_df['Nome do Aluno'] == aluno, 'Tarefas Completadas'] += 1 | |
| contador_df.loc[contador_df['Nome do Aluno'] == aluno, 'Acertos Absolutos'] += nota_total | |
| current_total_tempo = pd.to_timedelta(contador_df.loc[contador_df['Nome do Aluno'] == aluno, 'Total Tempo'].values[0]) | |
| contador_df.loc[contador_df['Nome do Aluno'] == aluno, 'Total Tempo'] = str(current_total_tempo + tempo_total) | |
| else: | |
| contador_df = pd.concat([contador_df, pd.DataFrame({'Nome do Aluno': [aluno], 'Tarefas Completadas': [1], 'Acertos Absolutos': [nota_total], 'Total Tempo': [str(tempo_total)]})], ignore_index=True) | |
| contador_df.to_csv(contador_csv_path, index=False) | |
| return result_df | |
| def process_all_tarefas_in_directory(directory, alunos_csv_path, contador_csv_path, relatorio_csv_path): | |
| tarefas_files = [os.path.join(directory, f) for f in os.listdir(directory) if f.endswith('.csv') and f not in ['alunos_fim.csv', 'contador_tarefas.csv']] | |
| for i, tarefas_file in enumerate(tarefas_files): | |
| match_alunos(tarefas_file, alunos_csv_path, contador_csv_path) | |
| process_relatorios(contador_csv_path, relatorio_csv_path) | |
| def process_relatorios(contador_csv_path, relatorio_csv_path): | |
| contador_df = pd.read_csv(contador_csv_path) | |
| contador_df['Média de Acertos'] = ((contador_df['Acertos Absolutos'] / (contador_df['Tarefas Completadas'] * 2)) * 100).round(2).astype(str) + '%' | |
| contador_df['Total Tempo'] = pd.to_timedelta(contador_df['Total Tempo']) | |
| contador_df['Tempo Médio por Tarefa'] = (contador_df['Total Tempo'] / contador_df['Tarefas Completadas']).apply(format_timedelta) | |
| contador_df['Total Tempo'] = contador_df['Total Tempo'].apply(format_timedelta) | |
| contador_df = contador_df.sort_values(by='Tarefas Completadas', ascending=False) | |
| contador_df.to_csv(relatorio_csv_path, index=False) | |
| return contador_df | |
| def generate_pdf_report(dataframe, output_pdf_path): | |
| class PDF(FPDF): | |
| def header(self): | |
| self.set_font('Arial', 'B', 12) | |
| self.cell(0, 10, 'Relatório de Tarefas', 0, 1, 'C') | |
| def footer(self): | |
| self.set_y(-15) | |
| self.set_font('Arial', 'I', 8) | |
| self.cell(0, 10, f'Page {self.page_no()}', 0, 0, 'C') | |
| def add_table(self, dataframe): | |
| self.set_font('Arial', 'B', 10) | |
| col_width = self.w / len(dataframe.columns) | |
| row_height = self.font_size | |
| # Adiciona os cabeçalhos | |
| for col in dataframe.columns: | |
| self.cell(col_width, row_height * 2, col, border=1) | |
| self.ln(row_height * 2) | |
| # Adiciona os dados | |
| self.set_font('Arial', '', 10) | |
| for row in dataframe.itertuples(index=False): | |
| for item in row: | |
| self.cell(col_width, row_height * 2, str(item), border=1) | |
| self.ln(row_height * 2) | |
| def add_image(self, image_path): | |
| self.add_page() | |
| self.image(image_path, x=10, y=10, w=270) | |
| pdf = PDF(orientation='L', unit='mm', format='A4') | |
| pdf.add_page() | |
| pdf.add_table(dataframe) | |
| # Gerar gráficos e adicionar ao PDF | |
| top_students = dataframe.nlargest(5, 'Acertos Absolutos') | |
| plt.figure(figsize=(10, 6)) | |
| plt.bar(top_students['Nome do Aluno'], top_students['Acertos Absolutos'], color='blue') | |
| plt.xlabel('Nome do Aluno') | |
| plt.ylabel('Acertos Absolutos') | |
| plt.title('Top 5 Alunos - Acertos Absolutos') | |
| plt.xticks(rotation=45, ha='right') | |
| plt.tight_layout() | |
| graph_path = 'top_5_acertos_absolutos.png' | |
| plt.savefig(graph_path) | |
| pdf.add_image(graph_path) | |
| plt.figure(figsize=(10, 6)) | |
| plt.bar(top_students['Nome do Aluno'], top_students['Média de Acertos'].str.rstrip('%').astype('float'), color='green') | |
| plt.xlabel('Nome do Aluno') | |
| plt.ylabel('Percentual de Acertos (%)') | |
| plt.title('Top 5 Alunos - Percentual de Acertos') | |
| plt.xticks(rotation=45, ha='right') | |
| plt.tight_layout() | |
| graph_path = 'top_5_percentual_acertos.png' | |
| plt.savefig(graph_path) | |
| pdf.add_image(graph_path) | |
| plt.figure(figsize=(10, 6)) | |
| plt.bar(top_students['Nome do Aluno'], top_students['Tarefas Completadas'], color='red') | |
| plt.xlabel('Nome do Aluno') | |
| plt.ylabel('Tarefas Completadas') | |
| plt.title('Top 5 Alunos - Tarefas Completadas') | |
| plt.xticks(rotation=45, ha='right') | |
| plt.tight_layout() | |
| graph_path = 'top_5_tarefas_completadas.png' | |
| plt.savefig(graph_path) | |
| pdf.add_image(graph_path) | |
| pdf.output(output_pdf_path) | |
| def processar_relatorio(html_file, tarefa_files): | |
| input_directory = "temp_files" # Diretório temporário para os arquivos | |
| output_directory = "temp_files" | |
| os.makedirs(input_directory, exist_ok=True) | |
| os.makedirs(output_directory, exist_ok=True) | |
| # Limpa o diretório temporário antes de cada execução (opcional, mas recomendado) | |
| for filename in os.listdir(input_directory): | |
| file_path = os.path.join(input_directory, filename) | |
| if os.path.isfile(file_path): | |
| os.remove(file_path) | |
| # Salva os arquivos enviados | |
| html_path = os.path.join(input_directory, "alunos.htm") | |
| with open(html_path, "wb") as f: | |
| f.write(html_file) | |
| for idx, tarefa_file in enumerate(tarefa_files): | |
| tarefa_path = os.path.join(input_directory, f"tarefa_{idx}.xlsx") | |
| with open(tarefa_path, "wb") as f: | |
| f.write(tarefa_file) | |
| # Normaliza os arquivos | |
| alunos_csv_path = os.path.join(output_directory, "alunos_fim.csv") | |
| normalize_html_to_csv(html_path, alunos_csv_path) | |
| normalize_multiple_excel_to_csv(input_directory, output_directory) | |
| # Processa os dados e gera o relatório | |
| contador_csv_path = os.path.join(output_directory, "contador_tarefas.csv") | |
| relatorio_csv_path = os.path.join(output_directory, "relatorio_final.csv") | |
| process_all_tarefas_in_directory(output_directory, alunos_csv_path, contador_csv_path, relatorio_csv_path) | |
| df = process_relatorios(contador_csv_path, relatorio_csv_path) | |
| # Salva o relatório em HTML e PDF | |
| html_output_path = os.path.join(output_directory, "relatorio_final.html") | |
| df.to_html(html_output_path, index=False) | |
| pdf_output_path = os.path.join(output_directory, "relatorio_final.pdf") | |
| generate_pdf_report(df, pdf_output_path) | |
| return df.to_html(index=False), html_output_path, pdf_output_path | |
| # --- Interface Gradio --- | |
| with gr.Blocks() as interface: | |
| gr.Markdown("# Processamento de Relatórios de Tarefas") | |
| html_file = gr.File(label="Upload HTML File (alunos.htm)", type="binary") | |
| excel_files = gr.Files(label="Upload Excel Files (Relatórios de Tarefas)", type="binary", file_count="multiple") | |
| generate_btn = gr.Button("Generate Report") | |
| output_html = gr.HTML() | |
| download_html_btn = gr.File(label="Download HTML Report") | |
| download_pdf_btn = gr.File(label="Download PDF Report") | |
| def wrapper(html_file, excel_files): | |
| html_content, html_path, pdf_path = processar_relatorio(html_file, excel_files) | |
| return html_content, html_path, pdf_path | |
| generate_btn.click(fn=wrapper, inputs=[html_file, excel_files], outputs=[output_html, download_html_btn, download_pdf_btn]) | |
| interface.launch() | |