# analise-artigo

Projeto de análise de artigos acadêmicos escritos em **LaTeX (ABNT/abntex2)**.
É 100% Python puro (biblioteca padrão), sem dependências externas — roda em
qualquer máquina com Python ≥ 3.10.

## O que ele analisa

- **Estrutura e conformidade ABNT** (NBR 10520 / 6022 / 14724)
  - título, autores, local/data, resumo (150–500 palavras), palavras-chave
  - presença de seções: Introdução, Metodologia, Revisão de Literatura, Conclusão
- **Citações e referências**
  - citações no corpo vs. entradas do `.bib` (detecta órfãs e não citadas)
  - referências mais citadas e distribuição por ano
- **Métricas textuais**
  - palavras, frases, média de tamanho de frase, vocabulário único
  - legibilidade (Flesch adaptado ao português)
  - distribuição de palavras por seção
- **Qualidade de prosa (heurísticas)**
  - palavras repetidas / redundâncias (`de de`, `que que`, `mas mas` …)
  - frases > 60 palavras e parágrafos > 160 palavras
  - expressões mais repetidas no corpo do artigo

## Como usar

```bash
# a partir da raiz do projeto
python -m analise_artigo artigos/rumo-a-eficiencia

# ou apontando direto para o .tex (o .bib é descoberto automaticamente)
python -m analise_artigo artigos/rumo-a-eficiencia/main.tex

# saída em outro diretório
python -m analise_artigo caminho/do/artigo --out relatorios/
```

Saídas geradas no diretório de saída (padrão `relatorios/`):

| Arquivo         | Conteúdo                                          |
|-----------------|---------------------------------------------------|
| `relatorio.md`  | relatório legível em Markdown                     |
| `relatorio.json`| dados estruturados (para plotar/automatizar)      |

Código de saída do processo: `0` quando não há verificações em `fail`,
`2` quando há, `1` em erro de uso/entrada.

## Estrutura do projeto

```
analise-artigo/
├── analise_artigo/
│   ├── __init__.py      # API pública do pacote
│   ├── texparse.py      # LaTeX → texto (seções, resumo, citações)
│   ├── bib.py           # parser .bib (BibTeX), sem dependências
│   ├── analyze.py       # métricas + checklist ABNT + heurísticas
│   ├── report.py        # geração do .md e do .json
│   └── __main__.py      # CLI
├── artigos/
│   └── rumo-a-eficiencia/   # o artigo analisado (main.tex + referencias.bib)
├── relatorios/              # saída gerada
├── requirements.txt
└── README.md
```

## Usando como biblioteca

```python
from analise_artigo import parse_article, parse_bib, analyze, write_reports
from pathlib import Path

artigo = parse_article("artigos/rumo-a-eficiencia/main.tex")
refs   = parse_bib("artigos/rumo-a-eficiencia/referencias.bib")
an     = analyze(artigo, refs)

print(an.metrics["flesch"], an.metrics["flesch_faixa"])
for c in an.checks:
    print(c.icon, c.code, c.detail)
```

## Limitações conhecidas

- O parser é orientado a abntex2/ABNT; documentos em outras classes
  (`article`, `report` com nomenclatura própria) exigem pequenas adaptações
  em `texparse.py`.
- **Uma frase/parágrafo por linha**: as heurísticas de sentença/travessão
  e de "parágrafo extenso" presumem que cada parágrafo do .tex ocupe uma
  linha (convenção verificada nas fontes analisadas). Textos com parágrafos
  múltiplos de linha tendem a ser fragmentados.
- **Flesch adaptado (pt-BR)**: usa a fórmula 206,835 − 1,015·MPF − 84,6·VMP
  com sílabas estimadas por grupos de vogais (resultado clamped em 0–100).
  Texto acadêmico técnico costuma pontuar baixo (p. ex. 0–15) — o índice
  reflete vocabulário denso, não um "erro".
- **"se se" excluído** da detecção de palavras repetidas: é uso pronominal
  legítimo ("avaliou-se se cada estudo…").
- **Simplificação de `.bib`**: nomes com escapes LaTeX recebem diacríticos
  removidos para exibição (`Ki\vs\vs\, M.` → `Kiss`), apenas na apresentação
  — o arquivo original não é modificado.
- Heurísticas de prosa não substituem revisão humana ou ferramentas como
  LanguageTool.

## Ideias de evolução

- [ ] Exportar relatório em HTML com gráficos (referências por ano,
      palavras por seção) a partir do `relatorio.json`
- [ ] Suporte a bibliografia biblatex (`.bbx`) e listas de referências
      manualmente digitadas no corpo do .tex
- [ ] Detecção de consistência terminológica (ex.: "agentes pedagógicos"
      vs. "agente pedagógico")
- [ ] Integração com LanguageTool via CLI para correção gramatical completa