#!/usr/bin/env python3 """ Descarga boletines de Tierra del Fuego desde Google Drive. Estructura en Drive: Año → Mes (01 - Enero, 02 - Febrero...) → B.O. XXXX.pdf La fecha se extrae del contenido del PDF con pdfplumber. Uso: python descargar_tierrafuego.py python descargar_tierrafuego.py --anio 2026 python descargar_tierrafuego.py --anio 2026 --mes 6 python descargar_tierrafuego.py --limit 5 python descargar_tierrafuego.py --dry-run """ import argparse import datetime import io import os import re import shutil import sys import tempfile from pathlib import Path sys.path.insert(0, str(Path(__file__).resolve().parent.parent.parent.parent)) from helpers.db_resumen import guardar_dia_faltante try: from google.auth.transport.requests import Request from google.oauth2.credentials import Credentials from google_auth_oauthlib.flow import InstalledAppFlow from googleapiclient.discovery import build from googleapiclient.http import MediaIoBaseDownload except ImportError: print("Faltan dependencias. Ejecutá:") print(" pip install google-auth-oauthlib google-auth-httplib2 google-api-python-client") sys.exit(1) try: import pdfplumber except ImportError: print("Falta pdfplumber. Ejecutá: pip install pdfplumber") sys.exit(1) _ROOT = Path(__file__).resolve().parent.parent.parent.parent CREDENTIALS_PATH = Path(__file__).parent / "credentials.json" TOKEN_PATH = Path(__file__).parent / "tierrafuego_token.json" DIRECTORIO = str(_ROOT / "files" / "boletines" / "tierra_del_fuego" / "sin_procesar") FOLDER_ID = "12GrKybtm4cWyS6Ib_DnbwKAQ6JvQHCU6" SCOPES = ["https://www.googleapis.com/auth/drive.readonly"] PATRON_FECHA_TEXTO = re.compile( r'(\d{1,2})\s+[Dd][Ee]\s+(\w+)\s+[Dd][Ee]\s+(\d{4})', re.IGNORECASE ) PATRON_FECHA_NUM = re.compile(r'(\d{2})[/\-\.](\d{2})[/\-\.](\d{4})') MESES_ES = { 'enero': '01', 'febrero': '02', 'marzo': '03', 'abril': '04', 'mayo': '05', 'junio': '06', 'julio': '07', 'agosto': '08', 'septiembre': '09', 'octubre': '10', 'noviembre': '11', 'diciembre': '12', } def autenticar(): creds = None if TOKEN_PATH.exists(): creds = Credentials.from_authorized_user_file(str(TOKEN_PATH), SCOPES) if not creds or not creds.valid: if creds and creds.expired and creds.refresh_token: creds.refresh(Request()) else: if not CREDENTIALS_PATH.exists(): print(f"ERROR: No se encontró {CREDENTIALS_PATH}") sys.exit(1) flow = InstalledAppFlow.from_client_secrets_file(str(CREDENTIALS_PATH), SCOPES) creds = flow.run_local_server(port=0) with open(TOKEN_PATH, "w") as f: f.write(creds.to_json()) print(f"Token guardado en {TOKEN_PATH}") return creds def listar_carpetas(drive, parent_id): items = [] page_token = None while True: resp = drive.files().list( q=f"'{parent_id}' in parents and trashed=false and mimeType='application/vnd.google-apps.folder'", fields="nextPageToken, files(id, name)", pageSize=500, pageToken=page_token, ).execute() items.extend(resp.get("files", [])) page_token = resp.get("nextPageToken") if not page_token: break return items def listar_pdfs(drive, parent_id): items = [] page_token = None while True: resp = drive.files().list( q=f"'{parent_id}' in parents and trashed=false and mimeType='application/pdf'", fields="nextPageToken, files(id, name)", pageSize=500, pageToken=page_token, ).execute() items.extend(resp.get("files", [])) page_token = resp.get("nextPageToken") if not page_token: break return items def extraer_fecha_pdf(ruta_pdf): try: with pdfplumber.open(ruta_pdf) as pdf: for page in pdf.pages[:3]: texto = page.extract_text() or "" m = PATRON_FECHA_TEXTO.search(texto) if m: dia, mes_nombre, anio = m.groups() mes = MESES_ES.get(mes_nombre.lower()) if mes: return f"{anio}-{mes}-{dia.zfill(2)}" m = PATRON_FECHA_NUM.search(texto) if m: dia, mes, anio = m.groups() return f"{anio}-{mes}-{dia}" except Exception as e: print(f" [PDF] Error leyendo: {e}") return None def descargar_archivo(drive, file_id, ruta_destino): request = drive.files().get_media(fileId=file_id) buffer = io.BytesIO() downloader = MediaIoBaseDownload(buffer, request) done = False while not done: _, done = downloader.next_chunk() with open(ruta_destino, "wb") as f: f.write(buffer.getvalue()) def ya_existe(fecha_iso, directorio): provincia_dir = Path(directorio).parent nombre = f"boletin_{fecha_iso}.pdf" return any(f.name == nombre for f in provincia_dir.rglob("*.pdf")) def main(): parser = argparse.ArgumentParser(description="Descarga boletines de Tierra del Fuego desde Google Drive") parser.add_argument("--anio", type=int, default=None) parser.add_argument("--mes", type=int, default=None) parser.add_argument("--limit", type=int, default=None) parser.add_argument("--dry-run", action="store_true") parser.add_argument("--directorio", type=str, default=DIRECTORIO) args = parser.parse_args() directorio = args.directorio os.makedirs(directorio, exist_ok=True) print("Autenticando con Google Drive...") creds = autenticar() drive = build("drive", "v3", credentials=creds) hoy = datetime.date.today() anio_filtro = args.anio or hoy.year mes_filtro = args.mes or hoy.month # Listar carpetas de año carpetas_anio = listar_carpetas(drive, FOLDER_ID) carpetas_anio = [c for c in carpetas_anio if c["name"].strip() == str(anio_filtro)] print(f"Años encontrados: {[c['name'] for c in carpetas_anio]}") descargados = 0 errores = 0 omitidos = 0 for carpeta_anio in sorted(carpetas_anio, key=lambda x: x["name"]): print(f"\n── {carpeta_anio['name']} ──") carpetas_mes = listar_carpetas(drive, carpeta_anio["id"]) prefijo = f"{mes_filtro:02d}" carpetas_mes = [c for c in carpetas_mes if c["name"].startswith(prefijo)] for carpeta_mes in sorted(carpetas_mes, key=lambda x: x["name"]): print(f" {carpeta_mes['name']}") pdfs = listar_pdfs(drive, carpeta_mes["id"]) for f in sorted(pdfs, key=lambda x: x["name"]): nombre = f["name"] if args.dry_run: print(f" [DRY-RUN] {nombre}") continue with tempfile.NamedTemporaryFile(suffix=".pdf", delete=False) as tmp: tmp_path = tmp.name fecha_iso = None try: descargar_archivo(drive, f["id"], tmp_path) fecha_iso = extraer_fecha_pdf(tmp_path) if not fecha_iso: print(f" [AVISO] No se pudo extraer fecha de '{nombre}' — omitido") errores += 1 continue if ya_existe(fecha_iso, directorio): print(f" Ya existe: boletin_{fecha_iso}.pdf — saltando") omitidos += 1 continue nombre_final = f"boletin_{fecha_iso}.pdf" ruta_final = os.path.join(directorio, nombre_final) shutil.move(tmp_path, ruta_final) print(f" Guardado: {nombre_final} (fuente: {nombre})") descargados += 1 if args.limit and descargados >= args.limit: print(f"\nLímite alcanzado ({args.limit})") print(f"\nRESUMEN | TIERRA DEL FUEGO | descargados={descargados} omitidos={omitidos} errores={errores}") return except Exception as e: print(f" [ERROR] {nombre}: {e}") errores += 1 if fecha_iso: guardar_dia_faltante("TIERRA DEL FUEGO", fecha_iso, 'error_descarga') finally: if os.path.exists(tmp_path): os.unlink(tmp_path) print(f"\nRESUMEN | TIERRA DEL FUEGO | descargados={descargados} omitidos={omitidos} errores={errores}") if __name__ == "__main__": main()