CATAI/test_hybrid_extraction.html at main · CerberoGS/CATAI · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Test Extracción Híbrida</title>
    <script src="https://cdn.tailwindcss.com"></script>
    <script src="static/js/config-portable.js"></script>
</head>
<body class="bg-gray-100 dark:bg-gray-900 p-8">
    <div class="max-w-6xl mx-auto">
        <h1 class="text-3xl font-bold text-gray-900 dark:text-gray-100 mb-6">
            🚀 Test Extracción Híbrida Mejorada
        </h1>

        <div class="bg-white dark:bg-gray-800 rounded-lg shadow-lg p-6 mb-6">
            <h2 class="text-xl font-semibold text-gray-900 dark:text-gray-100 mb-4">
                Solución Implementada
            </h2>

            <div class="space-y-4 text-gray-700 dark:text-gray-300">
                <div class="bg-green-50 dark:bg-green-900/20 p-4 rounded-lg">
                    <h3 class="font-semibold text-green-800 dark:text-green-200 mb-2">✅ Mejoras Implementadas:</h3>
                    <ul class="list-disc list-inside space-y-1">
                        <li><strong>Rutas corregidas:</strong> Busca archivos en múltiples ubicaciones</li>
                        <li><strong>Extracción real:</strong> Usa solo PHP nativo (sin shell_exec)</li>
                        <li><strong>Múltiples formatos:</strong> PDF, TXT, DOC, DOCX, CSV</li>
                        <li><strong>Metadatos PDF:</strong> Extrae título, autor, páginas</li>
                        <li><strong>Texto visible:</strong> Extrae texto real del PDF</li>
                        <li><strong>Resumen inteligente:</strong> Detecta temas de trading</li>
                    </ul>
                </div>

                <div class="bg-blue-50 dark:bg-blue-900/20 p-4 rounded-lg">
                    <h3 class="font-semibold text-blue-800 dark:text-blue-200 mb-2">🔍 Archivos Disponibles:</h3>
                    <p>Según la foto, tienes estos archivos:</p>
                    <ul class="list-disc list-inside mt-2">
                        <li><strong>ID 19:</strong> 12_claves_analisis_tecnico.pdf (3.28 MB)</li>
                        <li><strong>ID 20:</strong> Patrones_de_Velas.pdf (5.78 MB)</li>
                    </ul>
                </div>
            </div>
        </div>

        <div class="bg-white dark:bg-gray-800 rounded-lg shadow-lg p-6 mb-6">
            <h2 class="text-xl font-semibold text-gray-900 dark:text-gray-100 mb-4">
                Probar Extracción
            </h2>

            <div class="space-y-4">
                <div>
                    <label class="block text-sm font-medium text-gray-700 dark:text-gray-300 mb-2">
                        ID de Conocimiento:
                    </label>
                    <select id="knowledge-id" class="w-full px-3 py-2 border border-gray-300 dark:border-gray-600 rounded-lg bg-white dark:bg-gray-700 text-gray-900 dark:text-gray-100">
                        <option value="19">19 - 12_claves_analisis_tecnico.pdf</option>
                        <option value="20">20 - Patrones_de_Velas.pdf</option>
                    </select>
                </div>

                <div class="flex gap-4">
                    <button onclick="testHybridExtraction()"
                            class="px-6 py-3 bg-green-600 text-white rounded-lg hover:bg-green-700 transition-colors font-semibold">
                        🚀 Probar Extracción Híbrida
                    </button>

                    <button onclick="testOriginalExtraction()"
                            class="px-6 py-3 bg-blue-600 text-white rounded-lg hover:bg-blue-700 transition-colors">
                        📄 Probar Extracción Original
                    </button>

                    <button onclick="diagnoseUserFiles()"
                            class="px-6 py-3 bg-purple-600 text-white rounded-lg hover:bg-purple-700 transition-colors">
                        🔍 Diagnosticar Archivos Usuario
                    </button>

                    <button onclick="clearResults()"
                            class="px-6 py-3 bg-gray-600 text-white rounded-lg hover:bg-gray-700 transition-colors">
                        🗑️ Limpiar
                    </button>
                </div>
            </div>
        </div>

        <div id="results" class="bg-white dark:bg-gray-800 rounded-lg shadow-lg p-6">
            <h2 class="text-xl font-semibold text-gray-900 dark:text-gray-100 mb-4">
                Resultados
            </h2>
            <div id="results-content" class="text-gray-700 dark:text-gray-300">
                Selecciona un archivo y haz clic en "Probar Extracción Híbrida"...
            </div>
        </div>
    </div>

    <script>
        // Función para mostrar resultados
        function showResult(title, data, success = true) {
            const resultsContent = document.getElementById('results-content');
            const timestamp = new Date().toLocaleString();

            const resultHtml = `
                <div class="mb-6 p-4 rounded-lg ${success ? 'bg-green-50 dark:bg-green-900/20' : 'bg-red-50 dark:bg-red-900/20'}">
                    <h3 class="font-semibold ${success ? 'text-green-800 dark:text-green-200' : 'text-red-800 dark:text-red-200'} mb-2">
                        ${success ? '✅' : '❌'} ${title}
                    </h3>
                    <p class="text-sm text-gray-600 dark:text-gray-400 mb-3">${timestamp}</p>
                    <pre class="text-sm bg-white dark:bg-gray-800 p-4 rounded border overflow-x-auto max-h-96">${JSON.stringify(data, null, 2)}</pre>
                </div>
            `;

            resultsContent.innerHTML = resultHtml + resultsContent.innerHTML;
        }

        // Función para mostrar contenido extraído
        function showExtractedContent(title, content, fileInfo, extractionInfo) {
            const resultsContent = document.getElementById('results-content');
            const timestamp = new Date().toLocaleString();

            const resultHtml = `
                <div class="mb-6 p-4 rounded-lg bg-green-50 dark:bg-green-900/20">
                    <h3 class="font-semibold text-green-800 dark:text-green-200 mb-2">
                        ✅ ${title}
                    </h3>
                    <p class="text-sm text-gray-600 dark:text-gray-400 mb-3">${timestamp}</p>

                    <div class="space-y-4">
                        <div class="bg-white dark:bg-gray-800 p-3 rounded border">
                            <h4 class="font-medium text-gray-800 dark:text-gray-200 mb-2">📄 Información del Archivo:</h4>
                            <p class="text-sm text-gray-700 dark:text-gray-300">
                                <strong>Archivo:</strong> ${fileInfo.original_filename}<br>
                                <strong>Tipo:</strong> ${fileInfo.file_type.toUpperCase()}<br>
                                <strong>Tamaño:</strong> ${fileInfo.file_size_mb} MB<br>
                                <strong>Método:</strong> ${extractionInfo.extraction_method}<br>
                                <strong>Palabras:</strong> ${extractionInfo.word_count}<br>
                                <strong>Éxito:</strong> ${extractionInfo.extraction_success ? '✅ Sí' : '❌ No'}
                            </p>
                        </div>

                        <div class="bg-white dark:bg-gray-800 p-3 rounded border">
                            <h4 class="font-medium text-gray-800 dark:text-gray-200 mb-2">📋 Contenido Extraído:</h4>
                            <pre class="text-sm text-gray-700 dark:text-gray-300 whitespace-pre-wrap max-h-64 overflow-y-auto">${content}</pre>
                        </div>

                        <div class="flex gap-2">
                            <button onclick="copyToClipboard(\`${content.replace(/`/g, '\\`')}\`)"
                                    class="px-4 py-2 bg-blue-600 text-white rounded-lg hover:bg-blue-700 transition-colors">
                                📋 Copiar Contenido
                            </button>
                        </div>
                    </div>
                </div>
            `;

            resultsContent.innerHTML = resultHtml + resultsContent.innerHTML;
        }

        // Función para limpiar resultados
        function clearResults() {
            document.getElementById('results-content').innerHTML = 'Resultados limpiados...';
        }

        // Función para copiar al portapapeles
        function copyToClipboard(text) {
            navigator.clipboard.writeText(text).then(() => {
                alert('✅ Contenido copiado al portapapeles');
            }).catch(() => {
                alert('❌ Error copiando al portapapeles');
            });
        }

        // Test de extracción híbrida
        async function testHybridExtraction() {
            const knowledgeId = document.getElementById('knowledge-id').value;

            try {
                showResult('Probando extracción híbrida...', {knowledgeId}, true);

                const response = await fetch(ConfigPortable.getApiUrl('extract_content_hybrid_safe.php'), {
                    method: 'POST',
                    headers: {
                        'Content-Type': 'application/json',
                        'Authorization': 'Bearer ' + (localStorage.getItem('auth_token') || 'test-token')
                    },
                    body: JSON.stringify({
                        knowledge_id: parseInt(knowledgeId)
                    })
                });

                if (!response.ok) {
                    throw new Error(`HTTP ${response.status}: ${response.statusText}`);
                }

                const data = await response.json();

                if (data.ok) {
                    showExtractedContent(
                        'Extracción Híbrida Exitosa',
                        data.content,
                        data.file_info,
                        data.extraction_info
                    );
                } else {
                    showResult('Error en Extracción Híbrida', data, false);
                }

            } catch (error) {
                showResult('Error de Conexión', {error: error.message}, false);
            }
        }

        // Test de extracción original (para comparar)
        async function testOriginalExtraction() {
            const knowledgeId = document.getElementById('knowledge-id').value;

            try {
                showResult('Probando extracción original...', {knowledgeId}, true);

                const response = await fetch(ConfigPortable.getApiUrl('extract_pdf_content.php'), {
                    method: 'POST',
                    headers: {
                        'Content-Type': 'application/json',
                        'Authorization': 'Bearer ' + (localStorage.getItem('auth_token') || 'test-token')
                    },
                    body: JSON.stringify({
                        knowledge_id: parseInt(knowledgeId)
                    })
                });

                if (!response.ok) {
                    throw new Error(`HTTP ${response.status}: ${response.statusText}`);
                }

                const data = await response.json();

                if (data.ok) {
                    showExtractedContent(
                        'Extracción Original',
                        data.content,
                        data.file_info,
                        data.extraction_info
                    );
                } else {
                    showResult('Error en Extracción Original', data, false);
                }

            } catch (error) {
                showResult('Error de Conexión', {error: error.message}, false);
            }
        }

        // Diagnóstico de archivos del usuario
        async function diagnoseUserFiles() {
            try {
                showResult('🔍 Iniciando diagnóstico de archivos...', {}, true);

                // 1. Verificar usuario logueado
                const token = localStorage.getItem('auth_token');
                if (!token) {
                    showResult('❌ No hay token de autenticación', {error: 'Usuario no logueado'}, false);
                    return;
                }

                // 2. Obtener información del usuario
                const userResponse = await fetch(ConfigPortable.getApiUrl('auth_me.php'), {
                    headers: {
                        'Authorization': 'Bearer ' + token
                    }
                });

                if (!userResponse.ok) {
                    throw new Error(`Error obteniendo usuario: HTTP ${userResponse.status}`);
                }

                const userData = await userResponse.json();
                const userId = userData.id;

                showResult('✅ Usuario identificado', {
                    user_id: userId,
                    email: userData.email,
                    name: userData.name
                }, true);

                // 3. Obtener lista de archivos del usuario
                const filesResponse = await fetch(ConfigPortable.getApiUrl('ai_knowledge_list_safe.php'), {
                    headers: {
                        'Authorization': 'Bearer ' + token
                    }
                });

                if (!filesResponse.ok) {
                    throw new Error(`Error obteniendo archivos: HTTP ${filesResponse.status}`);
                }

                const filesData = await filesResponse.json();

                if (filesData.ok && filesData.knowledge) {
                    showResult('📁 Archivos encontrados en Knowledge Base', {
                        total_files: filesData.knowledge.length,
                        files: filesData.knowledge.map(k => ({
                            id: k.id,
                            filename: k.original_filename,
                            stored_filename: k.stored_filename,
                            file_type: k.file_type,
                            file_size: k.file_size,
                            upload_status: k.upload_status,
                            extraction_status: k.extraction_status,
                            user_id: userId
                        }))
                    }, true);

                    // 4. Verificar rutas de archivos
                    const filePaths = filesData.knowledge.map(k => ({
                        id: k.id,
                        expected_path: `api/uploads/knowledge/${userId}/${k.stored_filename}`,
                        user_id: userId,
                        stored_filename: k.stored_filename
                    }));

                    showResult('🗂️ Rutas esperadas de archivos', {
                        user_id: userId,
                        expected_directory: `api/uploads/knowledge/${userId}/`,
                        file_paths: filePaths
                    }, true);

                } else {
                    showResult('❌ No se encontraron archivos', filesData, false);
                }

            } catch (error) {
                showResult('❌ Error en diagnóstico', {error: error.message}, false);
            }
        }
    </script>
</body>
</html>