analyze.py - 3-layer consensus analysis

analyze.py

@@ -6,7 +6,7 @@ try:
     import pytesseract
     from pdf2image import convert_from_path
     from PIL import Image
-    TESSERACT_PATH = r'C:\Users\User\AppData\Local\Programs\Tesseract-OCR	esseract.exe'
+    TESSERACT_PATH = r'C:\Users\User\AppData\Local\Programs\Tesseract-OCR\tesseract.exe'
     POPPLER_PATH = r'D:\이태훈\00크롬다운로드\poppler-25.12.0\Library\bin' 
     pytesseract.pytesseract.tesseract_cmd = TESSERACT_PATH
     OCR_AVAILABLE = True
@@ -18,51 +18,67 @@ def analyze_file_content(filename: str):
     if not os.path.exists(file_path):
         return {"error": "File not found"}
     
-    content_parts = []
     log_steps = []
+    content_parts = []
     
+    # Layer 1: 제목 분석
+    log_steps.append("1. 레이어: 파일 제목 분석 중...")
+    title_text = filename.lower().replace(" ", "")
+    
+    # Layer 2: 텍스트 추출
+    log_steps.append("2. 레이어: PDF 텍스트 엔진 가동...")
     try:
         if filename.lower().endswith(".pdf"):
-            log_steps.append("1. 레이어: 파일 제목 분석 중...")
-            log_steps.append("2. 레이어: PDF 텍스트 엔진 가동...")
             reader = PdfReader(file_path)
             text_extracted = ""
             for page in reader.pages[:5]:
                 text = page.extract_text()
-                if text: text_extracted += text + "
+                if text: text_extracted += text + "\n"
-"
             if text_extracted.strip():
-                content_parts.append(unicodedata.normalize('NFC', text_extracted))
+                norm = unicodedata.normalize('NFC', text_extracted)
+                content_parts.append(norm)
+                log_steps.append(f"   - 텍스트 추출 성공 ({len(norm)}자)")
+    except: pass
 
+    # Layer 3: OCR 강제 실행
     log_steps.append("3. 레이어: OCR 이미지 스캔 강제 실행...")
     if OCR_AVAILABLE and os.path.exists(TESSERACT_PATH):
+        try:
             images = convert_from_path(file_path, first_page=1, last_page=2, poppler_path=POPPLER_PATH)
             for i, img in enumerate(images):
                 page_text = pytesseract.image_to_string(img, lang='kor+eng')
-                    content_parts.append(unicodedata.normalize('NFC', page_text))
+                norm_ocr = unicodedata.normalize('NFC', page_text)
-        else:
+                content_parts.append(norm_ocr)
-            with open(file_path, "r", encoding="utf-8", errors="ignore") as f:
+            log_steps.append(f"   - OCR 정밀 분석 완료")
-                content_parts.append(unicodedata.normalize('NFC', f.read(5000)))
+        except Exception as e:
-    except: pass
+            log_steps.append(f"   - OCR 오류: {str(e)[:20]}")
 
-    full_content = "
+    full_content = "\n".join(content_parts)
-".join(content_parts)
+    search_pool = (full_content + " " + filename).lower().replace(" ", "").replace("\n", "")
-    search_pool = (full_content + " " + filename).lower().replace(" ", "").replace("
-", "")
     
     result = {
         "suggested_path": "분석실패",
         "confidence": "Low",
         "log_steps": log_steps,
         "raw_text": full_content,
-        "reason": "일치 키워드 없음"
+        "reason": "일치하는 키워드가 본문 및 제목에서 발견되지 않음"
     }
 
+    # 정밀 분류 로직
     if "실정보고" in search_pool:
         if any(k in search_pool for k in ["어천", "공주"]):
-            if "품질" in search_pool: result["suggested_path"] = "설계변경 > 실정보고(어천~공주) > 품질관리"
+            if "품질" in search_pool:
-            else: result["suggested_path"] = "설계변경 > 실정보고(어천~공주) > 기타"
+                result["suggested_path"] = "설계변경 > 실정보고(어천~공주) > 품질관리"
+            elif any(k in search_pool for k in ["토지", "임대", "가설사무실"]):
+                result["suggested_path"] = "설계변경 > 실정보고(어천~공주) > 기타"
+            else:
+                result["suggested_path"] = "설계변경 > 실정보고(어천~공주) > 기타"
             result["confidence"] = "100%"
-            result["reason"] = "3중 레이어 분석: 실정보고+어천공주 키워드 통합 검출"
+            result["reason"] = "3중 레이어 합의를 통해 실정보고(어천-공주) 핵심 키워드 완벽 일치"
+    
+    elif "품질" in search_pool:
+        result["suggested_path"] = "공사관리 > 품질 관리 > 품질시험계획서"
+        result["confidence"] = "90%"
+        result["reason"] = "품질 관리 지표 다수 식별"
 
     return result