Upload 2 files

app.py

@@ -0,0 +1,175 @@
+import gradio as gr
+import pandas as pd
+import re
+import os
+from datetime import timedelta
+
+# --- Funções auxiliares ---
+
+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)
+
+    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'])]
+
+    # Incluir todos os alunos, mesmo os que não têm tarefas correspondentes
+    todos_alunos = pd.DataFrame({'Nome do Aluno': alunos_df['Nome do Aluno'], 'Aluno_Pattern': alunos_df['Aluno_Pattern']})
+    todos_alunos = todos_alunos.drop_duplicates()
+
+    for aluno in todos_alunos['Nome do Aluno']:
+        aluno_pattern = todos_alunos.loc[todos_alunos['Nome do Aluno'] == aluno, 'Aluno_Pattern'].values[0]
+        aluno_tarefas = tarefas_df[tarefas_df['Aluno_Pattern'] == aluno_pattern]
+        nota_total = aluno_tarefas['Nota'].sum() if not aluno_tarefas.empty else 0
+        tempo_total = aluno_tarefas['Duração'].sum() if not aluno_tarefas.empty else timedelta(0)
+
+        if aluno in contador_df['Nome do Aluno'].values:
+            contador_df.loc[contador_df['Nome do Aluno'] == aluno, 'Tarefas Completadas'] += aluno_tarefas.shape[0]
+            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': [aluno_tarefas.shape[0]], 'Acertos Absolutos': [nota_total], 'Total Tempo': [str(tempo_total)]})], ignore_index=True)
+
+    contador_df.to_csv(contador_csv_path, index=False)
+    
+    return todos_alunos
+
+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):
+        print(f"Processando arquivo {i+1}/{len(tarefas_files)}: {tarefas_file}")
+        match_alunos(tarefas_file, alunos_csv_path, contador_csv_path)
+        print(f"Arquivo {tarefas_file} processado.")
+
+    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'])
+
+    # Evitar divisão por zero para calcular 'Tempo Médio por Tarefa'
+    contador_df['Tempo Médio por Tarefa'] = contador_df.apply(
+        lambda row: format_timedelta(row['Total Tempo'] / row['Tarefas Completadas']) if row['Tarefas Completadas'] > 0 else '00:00:00', axis=1
+    )
+    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 process_inputs(html_file, tarefa_files):
+    input_directory = "temp_files"
+    output_directory = "temp_files"
+    os.makedirs(input_directory, exist_ok=True)
+    os.makedirs(output_directory, exist_ok=True)
+
+    html_path = os.path.join(input_directory, "alunos.htm")
+    with open(html_path, "wb") as f:
+        f.write(html_file)
+    alunos_csv_path = os.path.join(output_directory, "alunos_fim.csv")
+    normalize_html_to_csv(html_path, alunos_csv_path)
+
+    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)
+    normalize_multiple_excel_to_csv(input_directory, output_directory)
+
+    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)
+    html_output_path = os.path.join(output_directory, "relatorio_final.html")
+    df.to_html(html_output_path, index=False)
+    return df.to_html(index=False), html_output_path
+
+def download_html_file(file_path):
+    return file_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_btn = gr.File(label="Download Report")
+
+    def process_and_prepare_download(html_file, tarefa_files):
+        html_content, file_path = process_inputs(html_file, tarefa_files)
+        return html_content, file_path
+    
+    generate_btn.click(fn=process_and_prepare_download, inputs=[html_file, excel_files], outputs=[output_html, download_btn])
+
+interface.launch()

requirements.txt

@@ -0,0 +1,5 @@
+pandas
+gradio
+openpyxl
+html5lib
+lxml