convert 0 bytes pdf.py

convert 0 bytes pdf.py

import os

def comprehensive_pdf_txt_analysis(folder_path):
    """
    Analiză completă: compară fișierele PDF din directorul fizic cu cele din files.txt
    și cu fișierele TXT existente
    """
    folder_path = folder_path.replace("\\", "/")
    print(f"=== ANALIZĂ COMPREHENSIVĂ PDF->TXT ===")
    print(f"Folder path: {folder_path}")

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

    print(f"Output directory: {output_dir}")
    print(f"Files.txt path: {files_txt_path}")

    # === PASUL 1: Scanează directorul fizic pentru PDF-uri ===
    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 în director fizic: {len(pdf_files_in_dir)}")

        # Verifică specific fișierul menționat
        target_file = "Auster, Paul - Sunset Park.pdf"
        if target_file in pdf_files_in_dir:
            print(f"✓ GĂSIT în director fizic: {target_file}")
        else:
            print(f"✗ NU GĂSIT în director fizic: {target_file}")
            # Caută variante similare
            print(f"Căutare variante similare pentru 'Auster':")
            for f in pdf_files_in_dir:
                if 'auster' in f.lower():
                    print(f"  Găsit: {repr(f)}")

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

    # === PASUL 2: Citește files.txt ===
    print(f"\n=== PASUL 2: CITIRE files.txt ===")
    pdf_files_in_txt = []
    if os.path.exists(files_txt_path):
        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"Total linii în files.txt: {len(lines)}")
            print(f"Fișiere PDF în files.txt: {len(pdf_files_in_txt)}")

            # Verifică fișierul target în files.txt
            if target_file in pdf_files_in_txt:
                print(f"✓ GĂSIT în files.txt: {target_file}")
            else:
                print(f"✗ NU GĂSIT în files.txt: {target_file}")
                print(f"Căutare variante similare pentru 'Auster' în files.txt:")
                for f in pdf_files_in_txt:
                    if 'auster' in f.lower():
                        print(f"  Găsit: {repr(f)}")

        except Exception as e:
            print(f"EROARE la citirea files.txt: {str(e)}")
            return
    else:
        print(f"✗ files.txt NU EXISTĂ!")
        return

    # === PASUL 3: Comparație între director fizic și files.txt ===
    print(f"\n=== PASUL 3: COMPARAȚIE DIRECTOR vs files.txt ===")

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

    # Fișiere în director dar NU în files.txt
    in_dir_not_in_txt = set_dir - set_txt
    # Fișiere în files.txt dar NU în director
    in_txt_not_in_dir = set_txt - set_dir
    # Fișiere în ambele
    in_both = set_dir & set_txt

    print(f"Fișiere în AMBELE (director și files.txt): {len(in_both)}")
    print(f"Fișiere în DIRECTOR dar NU în files.txt: {len(in_dir_not_in_txt)}")
    print(f"Fișiere în files.txt dar NU în DIRECTOR: {len(in_txt_not_in_dir)}")

    if in_dir_not_in_txt:
        print(f"\n--- FIȘIERE ÎN DIRECTOR DAR NU ÎN files.txt ---")
        for i, f in enumerate(sorted(in_dir_not_in_txt), 1):
            print(f"{i:3d}. {f}")
            if f == target_file:
                print(f"     ^^^ ACESTA ESTE FIȘIERUL CĂUTAT!")

    if in_txt_not_in_dir:
        print(f"\n--- FIȘIERE ÎN files.txt DAR NU ÎN DIRECTOR ---")
        for i, f in enumerate(sorted(in_txt_not_in_dir), 1):
            print(f"{i:3d}. {f}")

    # === PASUL 4: Verifică fișierele TXT existente ===
    print(f"\n=== PASUL 4: VERIFICARE FIȘIERE TXT ===")

    os.makedirs(output_dir, exist_ok=True)

    try:
        existing_txt_files = [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 fișierele din director fizic, verifică care au TXT
        txt_missing_for_dir_files = []
        txt_existing_for_dir_files = []

        for pdf_file in 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_existing_for_dir_files.append((pdf_file, txt_file))
            else:
                txt_missing_for_dir_files.append((pdf_file, txt_file, txt_path))

        print(f"PDF-uri din director cu TXT existent: {len(txt_existing_for_dir_files)}")
        print(f"PDF-uri din director cu TXT LIPSĂ: {len(txt_missing_for_dir_files)}")

        # Verifică specific fișierul target
        target_txt = target_file[:-4] + '.txt'
        target_txt_path = os.path.join(output_dir, target_txt)
        print(f"\nVerificare {target_file}:")
        print(f"  PDF în director fizic: {target_file in pdf_files_in_dir}")
        print(f"  PDF în files.txt: {target_file in pdf_files_in_txt}")
        print(f"  TXT path: {target_txt_path}")
        print(f"  TXT exists: {os.path.exists(target_txt_path)}")

        if txt_missing_for_dir_files:
            print(f"\n--- FIȘIERE PDF DIN DIRECTOR CARE NU AU TXT ---")
            for i, (pdf_file, txt_file, txt_path) in enumerate(txt_missing_for_dir_files, 1):
                marker = " ← TARGET FILE!" if pdf_file == target_file else ""
                print(f"{i:3d}. {pdf_file} -> {txt_file}{marker}")

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

    # === PASUL 5: Oferă opțiuni de remediere ===
    print(f"\n=== PASUL 5: OPȚIUNI DE REMEDIERE ===")

    if in_dir_not_in_txt:
        print(f"\n1. ACTUALIZARE files.txt")
        print(f"   Sunt {len(in_dir_not_in_txt)} fișiere PDF în director care nu sunt în files.txt")
        response = input(f"   Vrei să adaugi aceste fișiere la files.txt? (y/n): ")
        if response.lower() in ['y', 'yes', 'da']:
            update_files_txt(folder_path, in_dir_not_in_txt)

    if txt_missing_for_dir_files:
        print(f"\n2. CREARE FIȘIERE TXT LIPSĂ")
        print(f"   Sunt {len(txt_missing_for_dir_files)} fișiere PDF care nu au TXT corespunzător")
        response = input(f"   Vrei să creezi aceste fișiere TXT? (y/n): ")
        if response.lower() in ['y', 'yes', 'da']:
            create_missing_txt_files(txt_missing_for_dir_files)

def update_files_txt(folder_path, new_files):
    """Adaugă fișierele lipsă la files.txt"""
    files_txt_path = os.path.join(folder_path, 'files.txt')

    try:
        print(f"Adaugare {len(new_files)} fișiere la files.txt...")
        with open(files_txt_path, 'a', encoding='utf-8') as f:
            for file in sorted(new_files):
                f.write(file + '\n')
                print(f"  + Adăugat: {file}")
        print(f"✓ files.txt actualizat cu succes!")
    except Exception as e:
        print(f"✗ EROARE la actualizarea files.txt: {str(e)}")

def create_missing_txt_files(missing_files):
    """Creează fișierele TXT lipsă"""
    created = 0
    errors = 0

    print(f"Creare {len(missing_files)} fișiere TXT...")
    for i, (pdf_file, txt_file, txt_path) in enumerate(missing_files, 1):
        try:
            with open(txt_path, 'w', encoding='utf-8') as f:
                pass  # Fișier gol
            print(f"{i:3d}. ✓ Creat: {txt_file}")
            created += 1
        except Exception as e:
            print(f"{i:3d}. ✗ EROARE la {txt_file}: {str(e)}")
            errors += 1

    print(f"\n✓ REZULTAT: {created} create, {errors} erori")

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