saas_api/actions/data/process_document_action.py

import os
import subprocess
from pathlib import Path
import uuid

from fastapi import HTTPException, status

from actions.data.text import Text
from schemas.process_document_schema import ProcessDocumentSchema


# Caminho absoluto do executável do LibreOffice no Windows.
# Usar caminho fixo evita problemas de PATH em serviços, venv e produção.
SOFFICE_PATH = r"C:\Program Files\LibreOffice\program\soffice.exe"


class ProcessDocumentAction:
    """
    Action responsável por processar documentos editáveis.

    REGRAS IMPORTANTES:
    - TODO texto recebido vem COMPRIMIDO (RTF ou DOCX)
    - A descompressão acontece SEMPRE
    - Após descompressão:
        - DOCX → salvo diretamente
        - RTF  → convertido para DOCX via LibreOffice

    A saída final é SEMPRE um arquivo DOCX em disco.
    """

    # ======================================================
    # MÉTODO PÚBLICO (ENTRYPOINT DA ACTION)
    # ======================================================
    def execute(self, data: ProcessDocumentSchema) -> str:
        """
        Orquestra todo o fluxo de processamento do documento.
        """

        # 1) Prepara diretório e caminhos únicos
        diretorio = self._prepare_directory()
        rtf_path, docx_path = self._generate_paths(diretorio, data.id)

        # 2) Descompacta obrigatoriamente o conteúdo
        conteudo = self._decompress_content(data.texto)

        # Remove apenas espaços iniciais para detecção segura
        conteudo_strip = conteudo.lstrip()

        # 3) Se após descompressão for DOCX, salva direto
        if self._is_docx(conteudo_strip):
            self._save_docx(docx_path, conteudo)
            return docx_path.name

        # 4) Caso contrário, valida se é RTF
        self._validate_rtf(conteudo_strip)

        # 5) Normaliza e salva RTF (simples ou complexo)
        texto_rtf = conteudo_strip.strip()
        self._save_rtf(rtf_path, texto_rtf)

        # 6) Converte RTF → DOCX via LibreOffice
        self._convert_rtf_to_docx(diretorio, rtf_path)

        # 7) Valida resultado final
        self._validate_docx(docx_path)

        # 8) Retorno final
        return docx_path.name

    # ======================================================
    # MÉTODOS PRIVADOS — PREPARAÇÃO
    # ======================================================
    def _prepare_directory(self) -> Path:
        """
        Garante que o diretório temporário exista.
        """
        diretorio = Path("./storage/temp").resolve()
        diretorio.mkdir(parents=True, exist_ok=True)
        return diretorio

    def _generate_paths(self, diretorio: Path, document_id) -> tuple[Path, Path]:
        """
        Gera nomes de arquivos únicos por execução,
        evitando conflitos e lock de arquivos no Windows.
        """
        base_name = f"{document_id}_{uuid.uuid4().hex}"
        return (
            diretorio / f"{base_name}.rtf",
            diretorio / f"{base_name}.docx",
        )

    # ======================================================
    # MÉTODOS PRIVADOS — CONTEÚDO
    # ======================================================
    def _decompress_content(self, texto: bytes | None) -> str:
        """
        Descompacta obrigatoriamente o conteúdo recebido.
        Caso não exista texto, cria um RTF vazio válido.
        """
        if not texto:
            return r"{\rtf1\ansi\deff0\pard\par}"

        return Text.decompress(texto) or ""

    def _is_docx(self, conteudo: str) -> bool:
        """
        DOCX é um arquivo ZIP e sempre inicia com PK\\x03\\x04.
        """
        return conteudo.startswith("PK\x03\x04")

    def _validate_rtf(self, conteudo: str) -> None:
        """
        Garante que o conteúdo seja um RTF válido.
        """
        if not conteudo.startswith("{\\rtf"):
            raise HTTPException(
                status_code=status.HTTP_500_INTERNAL_SERVER_ERROR,
                detail="Conteúdo descompactado não é RTF nem DOCX válido",
            )

    # ======================================================
    # MÉTODOS PRIVADOS — ESCRITA DE ARQUIVOS
    # ======================================================
    def _save_docx(self, path: Path, conteudo: str) -> None:
        """
        Salva DOCX diretamente em disco.
        """
        with open(path, "wb") as f:
            # DOCX descompactado ainda está em latin1
            f.write(conteudo.encode("latin1"))

    def _save_rtf(self, path: Path, texto_rtf: str) -> None:
        """
        Salva RTF em disco.
        Detecta automaticamente RTFs complexos (WPTools, tabelas, bookmarks, unicode)
        para escolher a forma correta de escrita.
        """
        rtf_complexo = self._is_complex_rtf(texto_rtf)

        if rtf_complexo:
            # Escrita binária preserva estruturas complexas
            rtf_bytes = texto_rtf.encode("cp1252", errors="ignore")
            with open(path, "wb") as f:
                f.write(rtf_bytes)
        else:
            # Escrita textual para RTFs simples
            with open(path, "w", encoding="cp1252", errors="replace") as f:
                f.write(texto_rtf)

    def _is_complex_rtf(self, texto_rtf: str) -> bool:
        """
        Detecta padrões comuns de RTFs complexos gerados por WPTools,
        OnlyOffice, Word, etc.
        """
        return any(
            token in texto_rtf
            for token in (
                "\\u",
                "{\\*\\bkmkstart",
                "\\trowd",
                "\\cellx",
                "\\wppr",
            )
        )

    # ======================================================
    # MÉTODOS PRIVADOS — CONVERSÃO
    # ======================================================
    def _convert_rtf_to_docx(self, diretorio: Path, rtf_path: Path) -> None:
        """
        Executa o LibreOffice em modo headless para conversão RTF → DOCX.
        """
        cmd = [
            SOFFICE_PATH,
            "--headless",
            "--nologo",
            "--nolockcheck",
            "--nodefault",
            "--nofirststartwizard",
            "--convert-to",
            "docx",
            "--outdir",
            str(diretorio),
            str(rtf_path),
        ]

        clean_env = {
            "SYSTEMROOT": os.environ.get("SYSTEMROOT", ""),
            "WINDIR": os.environ.get("WINDIR", ""),
            "PATH": os.environ.get("PATH", ""),
            "TEMP": os.environ.get("TEMP", ""),
            "TMP": os.environ.get("TMP", ""),
        }

        result = subprocess.run(
            cmd,
            stdout=subprocess.PIPE,
            stderr=subprocess.PIPE,
            text=True,
            timeout=180,
            env=clean_env,
        )

        if result.returncode != 0:
            raise HTTPException(
                status_code=status.HTTP_500_INTERNAL_SERVER_ERROR,
                detail="Erro ao converter RTF para DOCX via LibreOffice",
            )

    # ======================================================
    # MÉTODOS PRIVADOS — VALIDAÇÃO FINAL
    # ======================================================
    def _validate_docx(self, docx_path: Path) -> None:
        """
        Garante que o DOCX final realmente foi gerado.
        """
        if not docx_path.exists():
            raise HTTPException(
                status_code=status.HTTP_500_INTERNAL_SERVER_ERROR,
                detail="DOCX não foi gerado pelo LibreOffice",
            )