jania 0.3.0

Multipurpose python utils

JANIA LIB

Librería multipropósito en Python: utilidades para procesamiento de configuración, extracción de datos de PDF usando LLM y limpieza avanzada de JSON.

Instalación

Requiere Python 3.7 o superior.

pip install jania

O bien, clona el repositorio:

git clone https://github.com/julianin/JANIALIB.git
cd JANIALIB
pip install .

Dependencias

• toml
• PyYAML
• python-dotenv
• pdf2image
• Pillow
• openai (opcional, solo si usas funciones LLM)

Funcionalidades principales

1. Limpieza y formateo de JSON: cleanJSON

Función para extraer, limpiar y formatear el primer bloque JSON válido de un texto (útil para outputs de LLM o APIs poco estrictas).

Uso básico:

from jania import cleanJSON
json_str = cleanJSON(raw_text)

Parámetros:

• text: (str) Texto de entrada donde buscar JSON.
• indent: (int, opcional) Espacios de indentación para el JSON de salida. Default: 2.
• debug: (bool, opcional) Si es True, también devuelve el fragmento corregido que se intentó parsear. Default: False.

Devuelve:

• Un string con el JSON limpio y formateado, o None si no se encuentra JSON válido.

Ejemplo:

json_str = cleanJSON('output: {a:1, b:2, c:true}')
print(json_str)
# {
#   "a": 1,
#   "b": 2,
#   "c": true
# }

2. Gestión de configuración: env y env_config

Utilidades para leer configuración multi-formato y variables de entorno, con prioridad flexible.

env_config(filename)

Carga un archivo de configuración extra (acepta .py, .toml, .yaml/.yml, .json, .txt). El archivo se usará como fuente prioritaria tras el entorno.

Uso:

from jania import env, env_config
env_config('settings.toml')

Parámetro:

• filename: Ruta al archivo de configuración.

env(key, fallback=None)

Busca el valor de una clave de configuración (str) siguiendo este orden:

1. Variable de entorno
2. Config cargado por env_config()
3. config.py
4. settings.toml
5. settings.yaml
6. fallback (valor por defecto)

Uso:

valor = env('API_KEY', fallback='1234')

Devuelve:

• Valor de la clave (str) o fallback si no se encuentra.

3. Extracción y análisis de PDF con LLM: extractPDF

Convierte cada página de un PDF a imagen y consulta un modelo LLM Vision (por defecto: gpt-4-vision-preview) para analizarlo.

Uso típico:

from jania import extractPDF
with open('documento.pdf', 'rb') as f:
    respuesta = extractPDF(
        prompt='Resume el documento:',
        archivo=f,
        nombre_archivo='documento.pdf',
        model='gpt-4-vision-preview',  # opcional
        max_images=10,                 # opcional
        openai_api_key=None            # opcional
    )

Parámetros:

• prompt: (str) Instrucción para el LLM.
• archivo: (BinaryIO) Archivo PDF abierto en modo binario.
• nombre_archivo: (str) Nombre del archivo (para almacenamiento temporal).
• model: (str, opcional) Modelo de OpenAI Vision a usar. Default: "gpt-4-vision-preview".
• max_images: (int, opcional) Número máximo de páginas/imágenes a procesar. Default: 10.
• openai_api_key: (str, opcional) API Key de OpenAI. Si no se da, se busca en configuración/env.

Devuelve:

• Diccionario con la respuesta del LLM bajo la clave respuesta_llm.

Notas:

• Requiere la librería openai y una API Key válida.
• Si no tienes la clave, colócala en una variable de entorno OPENAI_API_KEY o config compatible.

---

Ejemplo de uso general

from jania import env, env_config
from jania import cleanJSON
from jania import extractPDF

# Configuración
env_config('settings.toml')
clave = env('OPENAI_API_KEY')

# Limpieza de JSON
json_str = cleanJSON('Responde en json: {"x":1, "y":true, "z":null}')

# Análisis de PDF
with open('ejemplo.pdf', 'rb') as f:
    resultado = extractPDF('Describe cada página', f, 'ejemplo.pdf', openai_api_key=clave)
    print(resultado['respuesta_llm'])

---

Licencia

MIT

Autor

Julian Ania