Este projeto demonstra um pipeline completo de Web Scraping, Análise de Sentimento e Geração de Relatórios para monitorar a percepção dos usuários sobre um serviço ou produto.

O objetivo principal é capturar comentários de um website de reclamações (ou similar), analisar o sentimento (positivo, negativo, neutro) expresso e, em seguida, gerar um relatório detalhado em PDF com resumos e uma visão gráfica da distribuição dos sentimentos.

• Web Scraping Automático: Captura dados de comentários (descrição e autor) de uma página web específica (https://projas.onrender.com/complaints) utilizando a biblioteca BeautifulSoup.
• Análise de Sentimento Híbrida: Utiliza o poder da biblioteca Hugging Face Transformers com dois modelos de Processamento de Linguagem Natural (PLN) de última geração para classificação de sentimento:
  • Modelo de Texto (nlptown/bert-base-multilingual-uncased-sentiment): O modelo principal, ideal para textos mais longos.
  • Modelo de Emoji (cardiffnlp/twitter-roberta-base-sentiment-latest): Usado como fallback em casos de comentários muito curtos (ex: "👍") ou puramente emoji, onde a análise textual é limitada.
• Geração de Relatório em PDF: Emite um relatório profissional utilizando ReportLab, contendo:
  • Título, Logomarca e informações do projeto.
  • Um Gráfico de Setores (Pizza) que exibe a distribuição percentual dos sentimentos (Positivo, Negativo, Neutro).
  • Uma Tabela de Resumo com contagens e percentuais.
  • Uma Tabela Detalhada com cada comentário original, o sentimento predito e o score de confiança.

• Python: Linguagem de programação principal.
• Web Scraping: requests, BeautifulSoup (para extração dos dados).
• Análise de Dados: pandas (para manipulação e processamento de dados).
• PLN/Análise de Sentimento: Hugging Face Transformers (para carregamento e uso dos modelos pré-treinados).
• Geração de PDF/Gráficos: ReportLab (para criação do relatório e visualização de dados).
• Web Framework: Flask (Usado para a aplicação que hospeda os comentários e o frontend do relatório).

├── app.py # Aplicação Flask (Frontend/Backend do site de reclamações) ├── Web Scraping.py # Script para Web Scraping ├── entrada_saida_grafico_.py # Script principal de Análise de Sentimento e Geração de PDF ├── complaints.json # Arquivo de armazenamento dos comentários (usado pelo Flask) ├── analise_sentimento_alimentos.csv # Exemplo de arquivo de entrada (se usado localmente) ├── logo_soulcare.png # Logomarca para o relatório ├── DejaVuSans.ttf # Fonte com suporte a Emojis para o PDF (necessária para ReportLab) ├── quotes.csv # CSV gerado pelo Web Scraping └── README.md # Este arquivo

1. Python 3.x instalado.
2. Crie um ambiente virtual (recomendado):

   python -m venv venv
   source venv/bin/activate  # Linux/macOS
   .\venv\Scripts\activate   # Windows

Instale todas as bibliotecas necessárias. Pacote completo pip install -r requirements.txt

Ou manualmente:

pip install pandas transformers requests beautifulsoup4 reportlab pillow zoneinfo-py flask