56787ighjgh.py

56787ighjgh.py

import os

def automatic_pdf_txt_processor(folder_path):
    """
    Procesează automat toate fișierele PDF:
    1. Scanează directorul fizic
    2. Actualizează files.txt dacă e necesar
    3. Creează toate fișierele TXT lipsă
    4. Raportează rezultatele
    """
    folder_path = folder_path.replace("\\", "/")
    print(f"=== PROCESARE AUTOMATĂ PDF->TXT ===")
    print(f"Director: {folder_path}")

    output_dir = os.path.join(folder_path, "Output")
    files_txt_path = os.path.join(folder_path, 'files.txt')

    # Creează directorul Output dacă nu există
    os.makedirs(output_dir, exist_ok=True)

    # === PASUL 1: Scanează directorul fizic ===
    print(f"\n=== PASUL 1: SCANARE DIRECTOR FIZIC ===")
    try:
        all_files_in_dir = os.listdir(folder_path)
        pdf_files_in_dir = [f for f in all_files_in_dir if f.lower().endswith('.pdf')]
        print(f"Total fișiere în director: {len(all_files_in_dir)}")
        print(f"Fișiere PDF găsite în director: {len(pdf_files_in_dir)}")

    except Exception as e:
        print(f"EROARE la scanarea directorului: {str(e)}")
        return

    # === PASUL 2: Verifică files.txt ===
    print(f"\n=== PASUL 2: VERIFICARE files.txt ===")
    pdf_files_in_txt = []
    files_txt_exists = os.path.exists(files_txt_path)

    if files_txt_exists:
        try:
            with open(files_txt_path, 'r', encoding='utf-8') as f:
                lines = [line.strip() for line in f.readlines() if line.strip()]
            pdf_files_in_txt = [f for f in lines if f.lower().endswith('.pdf')]
            print(f"files.txt există - conține {len(pdf_files_in_txt)} fișiere PDF")
        except Exception as e:
            print(f"EROARE la citirea files.txt: {str(e)}")
            pdf_files_in_txt = []
    else:
        print(f"files.txt nu există - va fi creat")

    # === PASUL 3: Identifică diferențele ===
    print(f"\n=== PASUL 3: ANALIZA DIFERENȚELOR ===")

    set_dir = set(pdf_files_in_dir)
    set_txt = set(pdf_files_in_txt)

    # Fișiere în director dar NU în files.txt
    missing_from_txt = set_dir - set_txt
    # Fișiere în files.txt dar NU în director (probabil șterse)
    missing_from_dir = set_txt - set_dir
    # Fișiere în ambele
    in_both = set_dir & set_txt

    print(f"Fișiere în ambele locuri: {len(in_both)}")
    print(f"Fișiere în director dar NU în files.txt: {len(missing_from_txt)}")
    print(f"Fișiere în files.txt dar NU în director: {len(missing_from_dir)}")

    # === PASUL 4: Actualizează files.txt automat ===
    files_txt_updated = False
    if missing_from_txt:
        print(f"\n=== PASUL 4: ACTUALIZARE AUTOMATĂ files.txt ===")
        print(f"Se adaugă {len(missing_from_txt)} fișiere la files.txt...")

        try:
            # Adaugă fișierele lipsă la files.txt
            with open(files_txt_path, 'a', encoding='utf-8') as f:
                for file in sorted(missing_from_txt):
                    f.write(file + '\n')

            print(f"✓ files.txt actualizat cu {len(missing_from_txt)} fișiere noi")
            files_txt_updated = True

            # Afișează fișierele adăugate
            print(f"Fișiere adăugate la files.txt:")
            for i, file in enumerate(sorted(missing_from_txt), 1):
                print(f"  {i:3d}. {file}")

        except Exception as e:
            print(f"✗ EROARE la actualizarea files.txt: {str(e)}")
    else:
        print(f"\n=== PASUL 4: files.txt ESTE LA ZI ===")
        print(f"Nu sunt fișiere PDF noi de adăugat")

    # === PASUL 5: Verifică fișierele TXT existente ===
    print(f"\n=== PASUL 5: VERIFICARE FIȘIERE TXT ===")

    try:
        existing_txt_files = set([f for f in os.listdir(output_dir) if f.lower().endswith('.txt')])
        print(f"Fișiere TXT existente în Output: {len(existing_txt_files)}")

        # Pentru TOATE fișierele PDF din director, verifică TXT-urile
        txt_exists = []
        txt_missing = []

        for pdf_file in sorted(pdf_files_in_dir):
            txt_file = pdf_file[:-4] + '.txt'
            txt_path = os.path.join(output_dir, txt_file)

            if os.path.exists(txt_path):
                txt_exists.append((pdf_file, txt_file))
            else:
                txt_missing.append((pdf_file, txt_file, txt_path))

        print(f"PDF-uri cu TXT existent: {len(txt_exists)}")
        print(f"PDF-uri cu TXT LIPSĂ: {len(txt_missing)}")

    except Exception as e:
        print(f"EROARE la verificarea fișierelor TXT: {str(e)}")
        return

    # === PASUL 6: Creează automat fișierele TXT lipsă ===
    if txt_missing:
        print(f"\n=== PASUL 6: CREARE AUTOMATĂ FIȘIERE TXT ===")
        print(f"Se creează {len(txt_missing)} fișiere TXT...")

        created_count = 0
        error_count = 0

        for i, (pdf_file, txt_file, txt_path) in enumerate(txt_missing, 1):
            try:
                with open(txt_path, 'w', encoding='utf-8') as f:
                    pass  # Creează fișier gol
                created_count += 1
                print(f"  {i:3d}. ✓ Creat: {txt_file}")
            except Exception as e:
                error_count += 1
                print(f"  {i:3d}. ✗ EROARE: {txt_file} - {str(e)}")

        print(f"\n✓ FIȘIERE TXT CREATE: {created_count}")
        print(f"✗ ERORI: {error_count}")
    else:
        print(f"\n=== PASUL 6: TOATE FIȘIERELE TXT EXISTĂ ===")
        print(f"Nu sunt fișiere TXT de creat")

    # === RAPORT FINAL ===
    print(f"\n{'='*60}")
    print(f"=== RAPORT FINAL ===")
    print(f"{'='*60}")

    print(f"\nSTATISTICI GENERALE:")
    print(f"  - Total fișiere PDF în director: {len(pdf_files_in_dir)}")
    print(f"  - files.txt actualizat: {'DA' if files_txt_updated else 'NU (era deja la zi)'}")
    print(f"  - Fișiere TXT create în această rulare: {created_count if txt_missing else 0}")
    print(f"  - Fișiere TXT care existau deja: {len(txt_exists)}")

    if missing_from_dir:
        print(f"\n⚠ AVERTISMENT - FIȘIERE ÎN files.txt DAR NU ÎN DIRECTOR:")
        print(f"  Următoarele {len(missing_from_dir)} fișiere sunt în files.txt dar nu există în director:")
        for i, file in enumerate(sorted(missing_from_dir), 1):
            print(f"    {i:3d}. {file}")

    # Afișează câteva exemple din fiecare categorie
    if txt_exists:
        print(f"\nEXEMPLE FIȘIERE PROCESATE ANTERIOR (primele 5):")
        for i, (pdf_file, txt_file) in enumerate(txt_exists[:5], 1):
            print(f"  {i}. {pdf_file} -> {txt_file}")
        if len(txt_exists) > 5:
            print(f"  ... și încă {len(txt_exists) - 5} fișiere")

    if txt_missing and created_count > 0:
        print(f"\nFIȘIERE PROCESATE ÎN ACEASTĂ RULARE (primele 10):")
        processed_now = [(pdf, txt) for pdf, txt, _ in txt_missing[:10]]
        for i, (pdf_file, txt_file) in enumerate(processed_now, 1):
            print(f"  {i:2d}. {pdf_file} -> {txt_file}")
        if len(txt_missing) > 10:
            print(f"  ... și încă {len(txt_missing) - 10} fișiere")

    print(f"\n✓ PROCESARE COMPLETĂ!")

# Rulare automată
if __name__ == "__main__":
    folder_path = "g:/De pus AZI PE INTERNET ARCHIVE"
    automatic_pdf_txt_processor(folder_path)