Spaces:
Sleeping
Sleeping
File size: 3,382 Bytes
2f64469 |
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 |
import pandas as pd
import os
import sys
import traceback
# --- ETAPA 1: DEFINIR CAMINHOS DINAMICAMENTE ---
try:
script_dir = os.path.dirname(os.path.abspath(__file__))
except NameError:
# Fallback para ambientes interativos
script_dir = os.getcwd()
excel_file_path = os.path.join(script_dir, 'TUSSxRolxSinônimosvs2.xlsx')
csv_file_path = os.path.join(script_dir, 'rol_procedures_database.csv')
print(f"Diretório de trabalho: {script_dir}")
print(f"Arquivo de entrada (Excel): {excel_file_path}")
print(f"Arquivo de saída (CSV): {csv_file_path}")
# --- ETAPA 2: VERIFICAR E PROCESSAR OS ARQUIVOS ---
if not os.path.exists(excel_file_path):
print(f"\nERRO: Arquivo de entrada não encontrado!")
print(
f"Por favor, certifique-se de que o arquivo '{os.path.basename(excel_file_path)}' está na mesma pasta que este script.")
sys.exit(1)
try:
print(f"\nLendo o arquivo Excel (forçando TODAS as colunas como texto)...")
df = pd.read_excel(excel_file_path, dtype=str)
print("Mapeando colunas e limpando dados...")
df_mapped = pd.DataFrame()
column_mapping = {
'Codigo_TUSS': 'Código',
'Descricao_TUSS': 'Terminologia de Procedimentos e Eventos em Saúde (Tab. 22.202503)',
'Correlacao_Rol': 'Correlação\n(Sim/Não)',
'Procedimento_Rol': 'PROCEDIMENTO',
'Resolucao_Normativa': 'Resolução\nNormativa (alteração)',
'Vigencia': 'VIGÊNCIA',
'OD': 'OD', 'AMB': 'AMB', 'HCO': 'HCO', 'HSO': 'HSO', 'PAC': 'PAC', 'DUT': 'DUT',
'SUBGRUPO': 'SUBGRUPO', 'GRUPO': 'GRUPO', 'CAPITULO': 'CAPÍTULO',
'Sinonimo_1': 'Sinônimo 1 (Popular/Explicativo)',
'Sinonimo_2': 'Sinônimo 2 (Abreviação/Técnico)',
'Sinonimo_3': 'Sinônimo 3 (Entre Tabelas AMB/CBHPM)',
'Sinonimo_4': 'Sinônimo 4 (Outros)',
'Semantico': 'Síntese semântica do procedimento'}
for new_col, old_col in column_mapping.items():
if old_col in df.columns:
# --- ALTERAÇÃO PRINCIPAL AQUI ---
# 1. Substituímos qualquer quebra de linha (\n ou \r) por um espaço.
# 2. Depois, limpamos os espaços em branco do início e do fim.
# Usamos uma expressão regular (regex) para pegar todas as variações de quebra de linha.
cleaned_series = df[old_col].str.replace(r'[\r\n]+', ' ', regex=True).str.strip()
df_mapped[new_col] = cleaned_series
# ------------------------------------
else:
print(f"AVISO: Coluna '{old_col}' não encontrada. A coluna '{new_col}' será criada vazia.")
df_mapped[new_col] = pd.Series(dtype='object')
# Preencher valores nulos (NaN) com uma string vazia para garantir consistência
df_mapped = df_mapped.fillna('')
print(f"\nSalvando o arquivo CSV mapeado e limpo...")
# Usando quoting=csv.QUOTE_MINIMAL pode ser uma boa prática, mas o padrão já é bom.
df_mapped.to_csv(csv_file_path, index=False, encoding='utf-8-sig')
print("\n--- Informações do arquivo CSV gerado ---")
print(f"Número de linhas: {len(df_mapped)}")
print(f"Número de colunas: {len(df_mapped.columns)}")
print(f"\nSUCESSO! Arquivo CSV salvo em: {csv_file_path}")
except Exception as e:
print(f"\nERRO CRÍTICO ao processar o arquivo Excel: {e}")
traceback.print_exc()
sys.exit(1) |