qr-manager fixed for both qr-codes

docker-compose.yml

@@ -7,7 +7,7 @@ services:
     restart: always
     environment:
       POSTGRES_USER: rmser
-      POSTGRES_PASSWORD: rmser_password
+      POSTGRES_PASSWORD: mhrcadmin994525
       POSTGRES_DB: rmser_db
     ports:
       - "5455:5432"
@@ -47,11 +47,11 @@ services:
     # Формат: СЕКЦИЯ_КЛЮЧ (Viper AutomaticEnv с заменой точки на _)
     environment:
       # Настройки БД (внутри докера хост 'db')
-      - DB_DSN=host=db user=rmser password=rmser_password dbname=rmser_db port=5455 sslmode=disable TimeZone=Europe/Moscow
+      - DB_DSN=host=db user=rmser password=mhrcadmin994525 dbname=rmser_db port=5432 sslmode=disable TimeZone=Europe/Moscow
       # Настройки Redis (внутри докера хост 'redis')
       - REDIS_ADDR=redis:6379
       # Настройки OCR (внутри докера хост 'ocr')
-      - OCR_SERVICE_URL=http://ocr:5005
+      - OCR_SERVICE_URL=http://ocr:5000
       # Остальные настройки (RMS, Telegram) берутся из config.yaml
 
 volumes:

ocr-service/qr_manager.py

@@ -5,33 +5,67 @@ from pyzbar.pyzbar import decode
 from PIL import Image
 import numpy as np
 
-# Импортируем модель из parser.py, чтобы типы совпадали!
+# Импортируем модель из parser.py
 from parser import ParsedItem 
 
-# В продакшене лучше вынести в конфиг
 API_TOKEN = "36590.yqtiephCvvkYUKM2W"
 API_URL = "https://proverkacheka.com/api/v1/check/get"
 
 logger = logging.getLogger(__name__)
 
+def is_valid_fiscal_qr(qr_string: str) -> bool:
+    """
+    Проверяет, соответствует ли строка формату фискального чека ФНС.
+    Ожидаемый формат: t=...&s=...&fn=...&i=...&fp=...&n=...
+    Мы проверяем наличие хотя бы 3-х ключевых параметров.
+    """
+    if not qr_string:
+        return False
+        
+    # Ключевые параметры, которые обязаны быть в строке чека
+    required_keys = ["t=", "s=", "fn="]
+    
+    # Проверяем, что все ключевые параметры присутствуют
+    # (порядок может отличаться, поэтому проверяем вхождение каждого)
+    matches = [key in qr_string for key in required_keys]
+    
+    return all(matches)
+
 def detect_and_decode_qr(image: np.ndarray) -> Optional[str]:
     """
-    Пытается найти QR-код на изображении и вернуть его сырое содержимое.
+    Ищет ВСЕ QR-коды на изображении и возвращает только тот, 
+    который похож на фискальный чек.
     """
     try:
-        # Pyzbar лучше работает с PIL Image
         pil_img = Image.fromarray(image)
         
-        # Декодируем
+        # Декодируем все коды на картинке
         decoded_objects = decode(pil_img)
         
+        if not decoded_objects:
+            logger.info("No QR codes detected on the image.")
+            return None
+            
+        logger.info(f"Detected {len(decoded_objects)} code(s). Scanning for fiscal data...")
+
         for obj in decoded_objects:
             if obj.type == 'QRCODE':
                 qr_data = obj.data.decode("utf-8")
-                logger.info(f"QR Code detected: {qr_data}")
-                return qr_data
                 
+                # Логируем найденное (для отладки, если вдруг формат хитрый)
+                # Обрезаем длинные строки, чтобы не засорять лог
+                log_preview = (qr_data[:75] + '..') if len(qr_data) > 75 else qr_data
+                logger.info(f"Checking QR content: {log_preview}")
+                
+                if is_valid_fiscal_qr(qr_data):
+                    logger.info("Valid fiscal QR found!")
+                    return qr_data
+                else:
+                    logger.info("QR skipped (not a fiscal receipt pattern).")
+        
+        logger.warning("QR codes were found, but none matched the fiscal receipt format.")
         return None
+
     except Exception as e:
         logger.error(f"Error during QR detection: {e}")
         return None
@@ -55,7 +89,6 @@ def fetch_data_from_api(qr_raw: str) -> List[ParsedItem]:
 
         data = response.json()
         
-        # Проверяем успешность ответа (code: 1 - успех)
         if data.get('code') != 1:
             logger.warning(f"API returned non-success code: {data.get('code')}")
             return []
@@ -66,7 +99,6 @@ def fetch_data_from_api(qr_raw: str) -> List[ParsedItem]:
         parsed_items = []
         
         for item in items_data:
-            # API возвращает цены в копейках (int), нужно делить на 100
             price = float(item.get('price', 0)) / 100.0
             total_sum = float(item.get('sum', 0)) / 100.0
             quantity = float(item.get('quantity', 0))

ocr-service/system-prompt.md

@@ -0,0 +1,87 @@
+Вот подробный системный промпт (System Definition), который описывает архитектуру, логику и контракт работы твоего OCR-сервиса.
+
+Сохрани этот текст как **`SYSTEM_PROMPT.md`** или в документацию проекта (Confluence/Wiki). К нему стоит обращаться при разработке API-клиентов, тестировании или доработке логики.
+
+---
+
+# System Definition: RMSER OCR Service
+
+## 1. Роль и Назначение
+**RMSER OCR Service** — это специализированный микросервис на базе FastAPI, предназначенный для извлечения структурированных данных (товарных позиций) из изображений кассовых чеков РФ.
+
+Сервис реализует **Гибридную Стратегию Распознавания**, отдавая приоритет получению верифицированных данных через ФНС, и используя оптическое распознавание (OCR) только как запасной вариант (fallback).
+
+## 2. Логика Обработки (Workflow)
+
+При получении `POST /recognize` с изображением, сервис выполняет действия в строгой последовательности:
+
+### Этап А: Поиск QR-кода (Priority 1)
+1.  **Детекция:** Сервис сканирует изображение на наличие QR-кода (библиотека `pyzbar`).
+2.  **Декодирование:** Извлекает сырую строку чека (формат: `t=YYYYMMDD...&s=SUM...&fn=...`).
+3.  **Запрос к API:** Отправляет сырые данные в API `proverkacheka.com` (или аналог).
+4.  **Результат:**
+    *   Если API возвращает успех: Возвращает идеальный список товаров.
+    *   **Метаданные ответа:** `source: "qr_api"`.
+
+### Этап Б: Оптическое Распознавание (Fallback Strategy)
+*Запускается только если QR-код не найден или API вернул ошибку.*
+
+1.  **Препроцессинг (OpenCV):**
+    *   Поиск контуров документа.
+    *   Выравнивание перспективы (Perspective Warp).
+    *   Бинаризация (Adaptive Threshold) для подготовки к Tesseract.
+2.  **OCR (Tesseract):** Извлечение сырого текста (rus+eng).
+3.  **Парсинг (Regex):**
+    *   Поиск строк, содержащих паттерны цен (например, `120.00 * 2 = 240.00`).
+    *   Привязка текстового описания (названия товара) к найденным ценам.
+4.  **Результат:** Возвращает список товаров, найденных эвристическим путем.
+    *   **Метаданные ответа:** `source: "ocr"`.
+
+## 3. Контракт API (Interface)
+
+### Входные данные
+*   **Endpoint:** `POST /recognize`
+*   **Format:** `multipart/form-data`
+*   **Field:** `image` (binary file: jpg, png, heic, etc.)
+
+### Выходные данные (JSON)
+Сервис всегда возвращает объект `RecognitionResult`:
+
+```json
+{
+  "source": "qr_api",  // или "ocr"
+  "items": [
+    {
+      "raw_name": "Молоко Домик в Деревне 3.2%",  // Название товара
+      "amount": 2.0,                              // Количество
+      "price": 89.99,                             // Цена за единицу
+      "sum": 179.98                               // Общая сумма позиции
+    },
+    {
+      "raw_name": "Пакет-майка",
+      "amount": 1.0,
+      "price": 5.00,
+      "sum": 5.00
+    }
+  ],
+  "raw_text": "..." // Сырой текст (для отладки) или содержимое QR
+}
+```
+
+## 4. Технический Стек и Зависимости
+*   **Runtime:** Python 3.10+
+*   **Web Framework:** FastAPI + Uvicorn
+*   **Computer Vision:** OpenCV (`cv2`) — обработка изображений.
+*   **OCR Engine:** Tesseract OCR 5 (`pytesseract`) — движок распознавания текста.
+*   **QR Decoding:** `pyzbar` + `libzbar0`.
+*   **External API:** `proverkacheka.com` (требует валидный токен).
+
+## 5. Ограничения и Известные Проблемы
+1.  **Качество OCR:** В режиме `ocr` точность зависит от качества фото (освещение, помятость). Возможны ошибки в символах `3/8`, `1/7`, `З/3`.
+2.  **Зависимость от API:** Для работы режима `qr_api` необходим доступ в интернет и оплаченный токен провайдера.
+3.  **Скорость:** Режим `qr_api` работает быстрее (0.5-1.5 сек). Режим `ocr` может занимать 2-4 сек в зависимости от разрешения фото.
+
+## 6. Инструкции для Интеграции
+При встраивании сервиса в общую систему (например, Telegram-бот или Backend приложения):
+1.  Всегда проверяйте поле `source`. Если `source == "ocr"`, помечайте данные для пользователя как "Требующие проверки" (Draft). Если `source == "qr_api"`, данные можно считать верифицированными.
+2.  Если массив `items` пустой, значит сервис не смог распознать чек (ни QR, ни текст не прочитался). Предложите пользователю переснять фото.