main.py

import logging import sys from pathlib import Path import importlib.util from typing import Any

RAIZ_PROYECTO = Path(file).parent sys.path.append(str(RAIZ_PROYECTO)) sys.path.append(str(RAIZ_PROYECTO / "src"))

Importamos tu pipeline optimizado por densidad NumPy

from core.pipeline import ETLDocumentPipeline

Configuración limpia de logs en consola

logging.basicConfig( level=logging.INFO, format="%(asctime)s [%(levelname)s] %(name)s: %(message)s", handlers=[logging.StreamHandler(sys.stdout)] ) logger = logging.getLogger("Main")

def cargar_clase_contrato_judicial(ruta_contrato: Path) -> Any: """ Carga dinámicamente el archivo contrato.py desde el disco D: y extrae la clase decorada lista para ser procesada por el Core. """ if not ruta_contrato.exists(): raise FileNotFoundError(f"No se encontró el archivo de contrato en: {ruta_contrato}")

# Proceso oficial de importación dinámica en tiempo de ejecución
spec = importlib.util.spec_from_file_location("contrato_modulo", str(ruta_contrato))
modulo = importlib.util.module_from_spec(spec)
spec.loader.exec_module(modulo)

# 1. Intento de carga directa por el nombre explícito definido
if hasattr(modulo, "MiContratoRemate"):
    clase_contrato = getattr(modulo, "MiContratoRemate")
    logger.info("[Contrato] Clase 'MiContratoRemate' localizada e importada con éxito.")
    return clase_contrato
    
# 2. Fallback de barrido reflexivo en caso de que cambies el nombre de la clase
for atributo_nombre in dir(modulo):
    atributo = getattr(modulo, atributo_nombre)
    # Buscamos clases que tengan el atributo inyectado por tu decorador @contract
    if isinstance(atributo, type) and hasattr(atributo, "_extraction_contract"):
        logger.info(f"[Contrato] Detectada clase con contrato declarativo válido: '{atributo_nombre}'")
        return atributo
            
raise AttributeError("No se localizó ninguna clase decorada con @contract en contrato.py")

def main(): # Parámetros e infraestructura de rutas fijas solicitadas ruta_pdf = Path(r"d:\betl\testpdf.pdf") ruta_contrato = Path(r"d:\betl\contrato.py")

logger.info("=== INICIANDO ENTORNO DE PRUEBAS DE INFRAESTRUCTURA ETL ===")

try:
    # 1. Extraer la Clase del Contrato (sin instanciar con paréntesis)
    contrato_clase = cargar_clase_contrato_judicial(ruta_contrato)
    
    # 2. Inicializar el Pipeline Persistente (Carga pesada de memoria en caché una única vez)
    pipeline = ETLDocumentPipeline(
        modelo_llm="qwen3:8b", 
        timeout_llm=250, 
        chunk_size=8000,
        ocr_lang="es"
    )
    
    # 3. Lanzar procesamiento automático (OCR Regional + Densidad Vectorizada por NumPy)
    logger.info(f"[Pipeline] Enviando documento {ruta_pdf.name} al motor analítico...")
    resultado_final = pipeline.ejecutar(
        pdf_path=ruta_pdf,
        contrato=contrato_clase,  # Pasamos la clase directamente al orquestador
        captcha_path=None,
        modo_pdf="auto"           # Automatización por análisis de píxeles activa
    )
    
    # 4. Impresión estructurada del DTO procesado
    if resultado_final:
        logger.info("¡Pipeline ETL procesado y consolidado con éxito!")
        print("\n================ DTO ESTRUCTURADO FINAL (FUSIÓN) ================")
        import json
        print(json.dumps(resultado_final, indent=4, ensure_ascii=False))
        print("=================================================================\n")
    else:
        logger.error("[Pipeline] El flujo terminó pero el MergerService o el OCR devolvieron vacío.")
        
except Exception as e:
    logger.error(f"Error crítico abortivo en el punto de entrada principal: {e}", exc_info=True)

if name == "main": main()