rmser/ocr-service/python_project_dump.py

# -*- coding: utf-8 -*-
# PYTHON PROJECT DUMP
# GENERATED BY pack_python_project.py

project_tree = '''
ocr-service/
├── .dockerignore
├── .env
├── Dockerfile
├── app
│   ├── main.py
│   ├── schemas
│   │   └── models.py
│   └── services
│       ├── auth.py
│       ├── llm.py
│       ├── ocr.py
│       └── qr.py
├── requirements.txt
└── scripts
    ├── collect_data_raw.py
    └── test_parsing_quality.py
'''

project_files = {
    "app/main.py": "import logging\nimport os\nfrom typing import List\n\nfrom fastapi import FastAPI, File, UploadFile, HTTPException\nfrom pydantic import BaseModel\nimport cv2\nimport numpy as np\n\n# Импортируем модули\nfrom app.schemas.models import ParsedItem, RecognitionResult\nfrom app.services.qr import detect_and_decode_qr, fetch_data_from_api, extract_fiscal_data\n# Импортируем новый модуль\nfrom app.services.ocr import yandex_engine\nfrom app.services.llm import llm_parser\n\nlogging.basicConfig(\n    level=logging.INFO,\n    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s'\n)\nlogger = logging.getLogger(__name__)\n\napp = FastAPI(title=\"RMSER OCR Service (Cloud-only: QR + Yandex + GigaChat)\")\n\n@app.get(\"/health\")\ndef health_check():\n    return {\"status\": \"ok\"}\n\n@app.post(\"/recognize\", response_model=RecognitionResult)\nasync def recognize_receipt(image: UploadFile = File(...)):\n    \"\"\"\n    Стратегия:\n    1. QR Code + FNS API (Приоритет 1 - Идеальная точность)\n    2. Yandex Vision OCR + LLM (Приоритет 2 - Высокая точность, если настроен)\n    Если ничего не найдено, возвращает пустой результат.\n    \"\"\"\n    logger.info(f\"Received file: {image.filename}, content_type: {image.content_type}\")\n\n    if not image.content_type.startswith(\"image/\"):\n        raise HTTPException(status_code=400, detail=\"File must be an image\")\n\n    try:\n        # Читаем сырые байты\n        content = await image.read()\n        \n        # Конвертируем в numpy для QR\n        nparr = np.frombuffer(content, np.uint8)\n        original_cv_image = cv2.imdecode(nparr, cv2.IMREAD_COLOR)\n\n        if original_cv_image is None:\n             raise HTTPException(status_code=400, detail=\"Invalid image data\")\n\n        # --- ЭТАП 1: QR Code Strategy ---\n        logger.info(\"--- Stage 1: QR Code Detection ---\")\n        qr_raw = detect_and_decode_qr(original_cv_image)\n        \n        if qr_raw:\n            logger.info(\"QR found! Fetching data from API...\")\n            api_items = fetch_data_from_api(qr_raw)\n            \n            if api_items:\n                logger.info(f\"Success: Retrieved {len(api_items)} items via QR API.\")\n                return RecognitionResult(\n                    source=\"qr_api\",\n                    items=api_items,\n                    raw_text=f\"QR Content: {qr_raw}\"\n                )\n            else:\n                logger.warning(\"QR found but API failed. Falling back to OCR.\")\n        else:\n            logger.info(\"QR code not found. Proceeding to OCR.\")\n\n        # --- ЭТАП 2: OCR + Virtual QR Strategy ---\n        if yandex_engine.is_configured():\n            logger.info(\"--- Stage 2: Yandex Vision OCR + Virtual QR ---\")\n            yandex_text = yandex_engine.recognize(content)\n\n            if yandex_text and len(yandex_text) > 10:\n                logger.info(f\"OCR success. Raw text length: {len(yandex_text)}\")\n\n                # Попытка собрать виртуальный QR из текста\n                virtual_qr = extract_fiscal_data(yandex_text)\n                if virtual_qr:\n                    logger.info(f\"Virtual QR constructed: {virtual_qr}\")\n                    api_items = fetch_data_from_api(virtual_qr)\n                    if api_items:\n                        logger.info(f\"Success: Retrieved {len(api_items)} items via Virtual QR API.\")\n                        return RecognitionResult(\n                            source=\"virtual_qr_api\",\n                            items=api_items,\n                            raw_text=yandex_text\n                        )\n\n                # Вызываем LLM для парсинга текста\n                logger.info(\"Calling LLM Manager to parse text...\")\n                yandex_items = llm_parser.parse_receipt(yandex_text)\n\n                return RecognitionResult(\n                    source=\"yandex_vision_llm\",\n                    items=yandex_items,\n                    raw_text=yandex_text\n                )\n            else:\n                logger.warning(\"Yandex Vision returned empty text or failed. No fallback available.\")\n                return RecognitionResult(\n                    source=\"none\",\n                    items=[],\n                    raw_text=\"\"\n                )\n        else:\n            logger.info(\"Yandex Vision credentials not set. No OCR available.\")\n            return RecognitionResult(\n                source=\"none\",\n                items=[],\n                raw_text=\"\"\n            )\n\n    except Exception as e:\n        logger.error(f\"Error processing request: {e}\", exc_info=True)\n        raise HTTPException(status_code=500, detail=str(e))\n\nif __name__ == \"__main__\":\n    import uvicorn\n    uvicorn.run(app, host=\"0.0.0.0\", port=5000)",
    "app/schemas/models.py": "from typing import List\nfrom pydantic import BaseModel\n\nclass ParsedItem(BaseModel):\n    raw_name: str\n    amount: float\n    price: float\n    sum: float\n\nclass RecognitionResult(BaseModel):\n    source: str  # 'qr_api', 'virtual_qr_api', 'yandex_vision_llm', 'none'\n    items: List[ParsedItem]\n    raw_text: str = \"\"",
    "app/services/auth.py": "import os\nimport time\nimport logging\nimport requests\nfrom typing import Optional\n\nlogger = logging.getLogger(__name__)\n\nIAM_TOKEN_URL = \"https://iam.api.cloud.yandex.net/iam/v1/tokens\"\n\nclass YandexAuthManager:\n    def __init__(self):\n        self.oauth_token = os.getenv(\"YANDEX_OAUTH_TOKEN\")\n        \n        # Кэширование IAM токена\n        self._iam_token = None\n        self._token_expire_time = 0\n\n        if not self.oauth_token:\n            logger.warning(\"YANDEX_OAUTH_TOKEN not set. Yandex services will be unavailable.\")\n\n    def is_configured(self) -> bool:\n        return bool(self.oauth_token)\n\n    def reset_token(self):\n        \"\"\"Сбрасывает кэшированный токен, заставляя получить новый при следующем вызове.\"\"\"\n        self._iam_token = None\n        self._token_expire_time = 0\n\n    def get_iam_token(self) -> Optional[str]:\n        \"\"\"\n        Получает IAM-токен. Если есть живой кэшированный — возвращает его.\n        Если нет — обменивает OAuth на IAM.\n        \"\"\"\n        current_time = time.time()\n        \n        # Если токен есть и он \"свежий\" (с запасом в 5 минут)\n        if self._iam_token and current_time < self._token_expire_time - 300:\n            return self._iam_token\n\n        if not self.oauth_token:\n            logger.error(\"OAuth token not available.\")\n            return None\n\n        logger.info(\"Obtaining new IAM token from Yandex...\")\n        try:\n            response = requests.post(\n                IAM_TOKEN_URL,\n                json={\"yandexPassportOauthToken\": self.oauth_token},\n                timeout=10\n            )\n            response.raise_for_status()\n            data = response.json()\n            \n            self._iam_token = data[\"iamToken\"]\n            \n            # Токен обычно живет 12 часов, но мы будем ориентироваться на поле expiresAt если нужно,\n            # или просто поставим таймер. Для простоты берем 1 час жизни кэша.\n            self._token_expire_time = current_time + 3600 \n            \n            logger.info(\"IAM token received successfully.\")\n            return self._iam_token\n        except Exception as e:\n            logger.error(f\"Failed to get IAM token: {e}\")\n            return None\n\n# Глобальный инстанс\nyandex_auth = YandexAuthManager()",
    "app/services/llm.py": "import os\nimport requests\nfrom requests.exceptions import SSLError\nimport logging\nimport json\nimport uuid\nimport time\nimport re\nfrom abc import ABC, abstractmethod\nfrom typing import List, Optional\n\nfrom app.schemas.models import ParsedItem\nfrom app.services.auth import yandex_auth\n\nlogger = logging.getLogger(__name__)\n\nYANDEX_GPT_URL = \"https://llm.api.cloud.yandex.net/foundationModels/v1/completion\"\nGIGACHAT_OAUTH_URL = \"https://ngw.devices.sberbank.ru:9443/api/v2/oauth\"\nGIGACHAT_COMPLETION_URL = \"https://gigachat.devices.sberbank.ru/api/v1/chat/completions\"\n\nclass LLMProvider(ABC):\n    @abstractmethod\n    def generate(self, system_prompt: str, user_text: str) -> str:\n        pass\n\nclass YandexGPTProvider(LLMProvider):\n    def __init__(self):\n        self.folder_id = os.getenv(\"YANDEX_FOLDER_ID\")\n\n    def generate(self, system_prompt: str, user_text: str) -> str:\n        iam_token = yandex_auth.get_iam_token()\n        if not iam_token:\n            raise Exception(\"Failed to get IAM token\")\n\n        prompt = {\n            \"modelUri\": f\"gpt://{self.folder_id}/yandexgpt/latest\",\n            \"completionOptions\": {\"stream\": False, \"temperature\": 0.1, \"maxTokens\": \"2000\"},\n            \"messages\": [\n                {\"role\": \"system\", \"text\": system_prompt},\n                {\"role\": \"user\", \"text\": user_text}\n            ]\n        }\n\n        headers = {\n            \"Content-Type\": \"application/json\",\n            \"Authorization\": f\"Bearer {iam_token}\",\n            \"x-folder-id\": self.folder_id\n        }\n\n        response = requests.post(YANDEX_GPT_URL, headers=headers, json=prompt, timeout=30)\n        response.raise_for_status()\n        content = response.json()['result']['alternatives'][0]['message']['text']\n        return content\n\nclass GigaChatProvider(LLMProvider):\n    def __init__(self):\n        self.auth_key = os.getenv(\"GIGACHAT_AUTH_KEY\")\n        self._access_token = None\n        self._expires_at = 0\n\n    def _get_token(self) -> Optional[str]:\n        if self._access_token and time.time() < self._expires_at:\n            return self._access_token\n\n        logger.info(\"Obtaining GigaChat access token...\")\n        headers = {\n            'Content-Type': 'application/x-www-form-urlencoded',\n            'Accept': 'application/json',\n            'RqUID': str(uuid.uuid4()),\n            'Authorization': f'Basic {self.auth_key}'\n        }\n        payload = {'scope': 'GIGACHAT_API_PERS'}\n\n        response = requests.post(GIGACHAT_OAUTH_URL, headers=headers, data=payload, timeout=10)\n        response.raise_for_status()\n        data = response.json()\n        self._access_token = data['access_token']\n        self._expires_at = data['expires_at'] / 1000  # Переводим мс в сек\n        return self._access_token\n\n    def generate(self, system_prompt: str, user_text: str) -> str:\n        token = self._get_token()\n        if not token:\n            raise Exception(\"Failed to get GigaChat token\")\n\n        headers = {\n            'Content-Type': 'application/json',\n            'Accept': 'application/json',\n            'Authorization': f'Bearer {token}'\n        }\n\n        payload = {\n            \"model\": \"GigaChat\",\n            \"messages\": [\n                {\"role\": \"system\", \"content\": system_prompt},\n                {\"role\": \"user\", \"content\": user_text}\n            ],\n            \"temperature\": 0.1\n        }\n\n        try:\n            response = requests.post(GIGACHAT_COMPLETION_URL, headers=headers, json=payload, timeout=30)\n            response.raise_for_status()\n            content = response.json()['choices'][0]['message']['content']\n            return content\n        except SSLError as e:\n            logger.error(\"SSL Error with GigaChat. Check certificates\")\n            raise e\n\nclass LLMManager:\n    def __init__(self):\n        engine = os.getenv(\"LLM_ENGINE\", \"yandex\").lower()\n        self.engine = engine\n        if engine == \"gigachat\":\n            self.provider = GigaChatProvider()\n        else:\n            self.provider = YandexGPTProvider()\n        logger.info(f\"LLM Engine initialized: {self.engine}\")\n\n    def parse_receipt(self, raw_text: str) -> List[ParsedItem]:\n        system_prompt = \"\"\"\nТы — профессиональный бухгалтер. Твоя задача — извлечь из \"сырого\" текста (OCR) структурированные данные о товарах.\n\nВХОДНЫЕ ДАННЫЕ:\nТекст чека или накладной. Может содержать мусор, заголовки, итоги, служебную информацию.\n\nФОРМАТ ОТВЕТА:\nТолько валидный JSON массив.\n[\n  {\n    \"raw_name\": \"Название товара\",\n    \"amount\": 1.0,   // Количество\n    \"price\": 100.0,  // Цена за единицу (с учетом скидок)\n    \"sum\": 100.0     // Стоимость позиции\n  }\n]\n\nПРАВИЛА:\n1. Игнорируй строки: \"ИТОГ\", \"СУММА\", \"НДС\", \"Кассир\", \"Сдача\", \"Безналичными\", телефоны, адреса, ссылки.\n2. Очищай числа от пробелов (например, \"1 630,00\" -> 1630.0).\n3. Если количество (amount) явно не указано, считай его равным 1.\n4. **КРИТИЧНО:** Один товар ЧАСТО занимает НЕСКОЛЬКО СТРОК. Название товара в первой строке, цифры (цена, количество, сумма) в последующих. **НИКОГДА НЕ ОБЪЕДИНЯЙ РАЗНЫЕ ТОВАРЫ В ОДНУ ЗАПИСЬ.** Анализируй блоки строк внимательно.\n    **КРИТИЧНО:** Если в тексте есть строки вида `66.99 66.99 3шт. 200.97`, это значит: Цена=66.99, Кол-во=3, Сумма=200.97. Название товара находится СТРОГО В ПРЕДЫДУЩЕЙ СТРОКЕ.\n5. Название товара (raw_name) должно быть полным, но без цены и количества.\n\nВАЖНОЕ ПРАВИЛО ДЛЯ ЧЕКОВ ТИПА \"МАГНИТ\":\nЧасто информация о товаре разбита на две строки:\n1. Строка с названием: \"Яйцо столовое СО 10шт бокс:20\"\n2. Строка с цифрами: \"66.99 66.99 3шт. 200.97\"\n\nЕсли ты видишь строку с цифрами, ищи название в ПРЕДЫДУЩЕЙ строке. Объединяй их в один объект.\nНе создавай отдельный товар из строки с цифрами.\n\nПРИМЕР 1 (Простой):\nВход:\nХЛЕБ БОРОДИН 1 Х 45.00 45.00\nМОЛОКО 3.2% 2 Х 80.00 160.00\nВыход:\n[\n  {\"raw_name\": \"ХЛЕБ БОРОДИН\", \"amount\": 1.0, \"price\": 45.0, \"sum\": 45.0},\n  {\"raw_name\": \"МОЛОКО 3.2%\", \"amount\": 2.0, \"price\": 80.0, \"sum\": 160.0}\n]\n\nПРИМЕР 2 (Сложный, многострочный):\nВход:\nЯйцо столовое СО 10шт бокс:20\n66.99\n66.99\n3шт.\n200.97\nМАГНИТ Пакет-майка большой 15кг\n9.99\n9.99\n1шт.\n9.99\nСВЕКЛА 1кг\n32.99 32.99 1.292кг 42.62\nВыход:\n[\n  {\"raw_name\": \"Яйцо столовое СО 10шт бокс:20\", \"amount\": 3.0, \"price\": 66.99, \"sum\": 200.97},\n  {\"raw_name\": \"МАГНИТ Пакет-майка большой 15кг\", \"amount\": 1.0, \"price\": 9.99, \"sum\": 9.99},\n  {\"raw_name\": \"СВЕКЛА 1кг\", \"amount\": 1.292, \"price\": 32.99, \"sum\": 42.62}\n]\n\"\"\"\n\n        try:\n            logger.info(f\"Parsing receipt using engine: {self.engine}\")\n            response = self.provider.generate(system_prompt, raw_text)\n            # Очистка от Markdown\n            clean_json = response.replace(\"```json\", \"\").replace(\"```\", \"\").strip()\n            # Парсинг JSON\n            data = json.loads(clean_json)\n            # Пост-обработка: исправление чисел\n            for item in data:\n                for key in ['amount', 'price', 'sum']:\n                    if isinstance(item[key], str):\n                        # Удаляем пробелы внутри чисел\n                        item[key] = float(re.sub(r'\\s+', '', item[key]).replace(',', '.'))\n                    elif isinstance(item[key], (int, float)):\n                        item[key] = float(item[key])\n            return [ParsedItem(**item) for item in data]\n        except Exception as e:\n            logger.error(f\"LLM Parsing error: {e}\")\n            return []\n\nllm_parser = LLMManager()",
    "app/services/ocr.py": "from abc import ABC, abstractmethod\nfrom typing import Optional\nimport os\nimport json\nimport base64\nimport logging\nimport requests\n\nfrom app.services.auth import yandex_auth\n\nlogger = logging.getLogger(__name__)\n\nVISION_URL = \"https://ocr.api.cloud.yandex.net/ocr/v1/recognizeText\"\n\nclass OCREngine(ABC):\n    @abstractmethod\n    def recognize(self, image_bytes: bytes) -> str:\n        \"\"\"Распознает текст из изображения и возвращает строку.\"\"\"\n        pass\n\n    @abstractmethod\n    def is_configured(self) -> bool:\n        \"\"\"Проверяет, настроен ли движок (наличие ключей/настроек).\"\"\"\n        pass\n\nclass YandexOCREngine(OCREngine):\n    def __init__(self):\n        self.folder_id = os.getenv(\"YANDEX_FOLDER_ID\")\n\n        if not yandex_auth.is_configured() or not self.folder_id:\n            logger.warning(\"Yandex OCR credentials (YANDEX_OAUTH_TOKEN, YANDEX_FOLDER_ID) not set. Yandex OCR will be unavailable.\")\n\n    def is_configured(self) -> bool:\n        return yandex_auth.is_configured() and bool(self.folder_id)\n\n    def recognize(self, image_bytes: bytes) -> str:\n        \"\"\"\n        Отправляет изображение в Yandex Vision и возвращает полный текст.\n        \"\"\"\n        if not self.is_configured():\n            logger.error(\"Yandex credentials missing.\")\n            return \"\"\n\n        iam_token = yandex_auth.get_iam_token()\n        if not iam_token:\n            return \"\"\n\n        # 1. Кодируем в Base64\n        b64_image = base64.b64encode(image_bytes).decode(\"utf-8\")\n\n        # 2. Формируем тело запроса\n        # Используем модель 'page' (для документов) и '*' для автоопределения языка\n        payload = {\n            \"mimeType\": \"JPEG\", # Yandex переваривает и PNG под видом JPEG часто, но лучше быть аккуратным.\n                                # В идеале определять mime-type из файла, но JPEG - безопасный дефолт для фото.\n            \"languageCodes\": [\"*\"],\n            \"model\": \"page\",\n            \"content\": b64_image\n        }\n\n        headers = {\n            \"Content-Type\": \"application/json\",\n            \"Authorization\": f\"Bearer {iam_token}\",\n            \"x-folder-id\": self.folder_id,\n            \"x-data-logging-enabled\": \"true\"\n        }\n\n        # 3. Отправляем запрос\n        try:\n            logger.info(\"Sending request to Yandex Vision OCR...\")\n            response = requests.post(VISION_URL, headers=headers, json=payload, timeout=20)\n            \n            # Если 401 Unauthorized, возможно токен протух раньше времени (редко, но бывает)\n            if response.status_code == 401:\n                logger.warning(\"Got 401 from Yandex. Retrying with fresh token...\")\n                yandex_auth.reset_token() # сброс кэша\n                iam_token = yandex_auth.get_iam_token()\n                if iam_token:\n                    headers[\"Authorization\"] = f\"Bearer {iam_token}\"\n                    response = requests.post(VISION_URL, headers=headers, json=payload, timeout=20)\n            \n            response.raise_for_status()\n            result_json = response.json()\n            \n            # 4. Парсим ответ\n            # Структура: result -> textAnnotation -> fullText\n            # Или (если fullText нет) blocks -> lines -> text\n            \n            text_annotation = result_json.get(\"result\", {}).get(\"textAnnotation\", {})\n            \n            if not text_annotation:\n                logger.warning(\"Yandex returned success but no textAnnotation found.\")\n                return \"\"\n            \n            # Самый простой способ - взять fullText, он обычно склеен с \\n\n            full_text = text_annotation.get(\"fullText\", \"\")\n            \n            if not full_text:\n                # Фолбэк: если fullText пуст, собираем вручную по блокам\n                logger.info(\"fullText empty, assembling from blocks...\")\n                lines_text = []\n                for block in text_annotation.get(\"blocks\", []):\n                    for line in block.get(\"lines\", []):\n                        lines_text.append(line.get(\"text\", \"\"))\n                full_text = \"\\n\".join(lines_text)\n\n            return full_text\n\n        except Exception as e:\n            logger.error(f\"Error during Yandex Vision request: {e}\")\n            return \"\"\n\n# Глобальный инстанс\nyandex_engine = YandexOCREngine()",
    "app/services/qr.py": "import logging\nimport requests\nimport re\nfrom typing import Optional, List\nfrom pyzbar.pyzbar import decode\nfrom PIL import Image\nimport numpy as np\n\nfrom app.schemas.models import ParsedItem\n\nAPI_TOKEN = \"36590.yqtiephCvvkYUKM2W\"\nAPI_URL = \"https://proverkacheka.com/api/v1/check/get\"\n\nlogger = logging.getLogger(__name__)\n\ndef extract_fiscal_data(text: str) -> Optional[str]:\n    \"\"\"\n    Ищет в тексте:\n    - Дата и время (t): 19.12.25 12:16 -> 20251219T1216\n    - Сумма (s): ИТОГ: 770.00\n    - ФН (fn): 16 цифр, начинается на 73\n    - ФД (i): до 8 цифр (ищем после Д: или ФД:)\n    - ФП (fp): 10 цифр (ищем после П: или ФП:)\n    \n    Возвращает строку формата: t=20251219T1216&s=770.00&fn=7384440800514469&i=11194&fp=3334166168&n=1\n    \"\"\"\n    # 1. Поиск даты и времени\n    # Ищем форматы DD.MM.YY HH:MM или DD.MM.YYYY HH:MM\n    date_match = re.search(r'(\\d{2})\\.(\\d{2})\\.(\\d{2,4})\\s+(\\d{2}):(\\d{2})', text)\n    t_param = \"\"\n    if date_match:\n        d, m, y, hh, mm = date_match.groups()\n        if len(y) == 2: y = \"20\" + y\n        t_param = f\"{y}{m}{d}T{hh}{mm}\"\n\n    # 2. Поиск суммы (Итог)\n    # Ищем слово ИТОГ и число после него\n    sum_match = re.search(r'(?:ИТОГ|СУММА|СУММА:)\\s*[:]*\\s*(\\d+[.,]\\d{2})', text, re.IGNORECASE)\n    s_param = \"\"\n    if sum_match:\n        s_param = sum_match.group(1).replace(',', '.')\n\n    # 3. Поиск ФН (16 цифр, начинается с 73)\n    fn_match = re.search(r'\\b(73\\d{14})\\b', text)\n    fn_param = fn_match.group(1) if fn_match else \"\"\n\n    # 4. Поиск ФД (i) - ищем после маркеров Д: или ФД:\n    # Берем набор цифр до 8 знаков\n    fd_match = re.search(r'(?:ФД|Д)[:\\s]+(\\d{1,8})\\b', text)\n    i_param = fd_match.group(1) if fd_match else \"\"\n\n    # 5. Поиск ФП (fp) - ищем после маркеров П: или ФП:\n    # Строго 10 цифр\n    fp_match = re.search(r'(?:ФП|П)[:\\s]+(\\d{10})\\b', text)\n    fp_param = fp_match.group(1) if fp_match else \"\"\n\n    # Валидация: для формирования запроса к API нам критически важны все параметры\n    if all([t_param, s_param, fn_param, i_param, fp_param]):\n        return f\"t={t_param}&s={s_param}&fn={fn_param}&i={i_param}&fp={fp_param}&n=1\"\n    \n    return None\n\ndef is_valid_fiscal_qr(qr_string: str) -> bool:\n    \"\"\"\n    Проверяет, соответствует ли строка формату фискального чека ФНС.\n    Ожидаемый формат: t=...&s=...&fn=...&i=...&fp=...&n=...\n    Мы проверяем наличие хотя бы 3-х ключевых параметров.\n    \"\"\"\n    if not qr_string:\n        return False\n        \n    # Ключевые параметры, которые обязаны быть в строке чека\n    required_keys = [\"t=\", \"s=\", \"fn=\"]\n    \n    # Проверяем, что все ключевые параметры присутствуют\n    # (порядок может отличаться, поэтому проверяем вхождение каждого)\n    matches = [key in qr_string for key in required_keys]\n    \n    return all(matches)\n\ndef detect_and_decode_qr(image: np.ndarray) -> Optional[str]:\n    \"\"\"\n    Ищет ВСЕ QR-коды на изображении и возвращает только тот, \n    который похож на фискальный чек.\n    \"\"\"\n    try:\n        pil_img = Image.fromarray(image)\n        \n        # Декодируем все коды на картинке\n        decoded_objects = decode(pil_img)\n        \n        if not decoded_objects:\n            logger.info(\"No QR codes detected on the image.\")\n            return None\n            \n        logger.info(f\"Detected {len(decoded_objects)} code(s). Scanning for fiscal data...\")\n\n        for obj in decoded_objects:\n            if obj.type == 'QRCODE':\n                qr_data = obj.data.decode(\"utf-8\")\n                \n                # Логируем найденное (для отладки, если вдруг формат хитрый)\n                # Обрезаем длинные строки, чтобы не засорять лог\n                log_preview = (qr_data[:75] + '..') if len(qr_data) > 75 else qr_data\n                logger.info(f\"Checking QR content: {log_preview}\")\n                \n                if is_valid_fiscal_qr(qr_data):\n                    logger.info(\"Valid fiscal QR found!\")\n                    return qr_data\n                else:\n                    logger.info(\"QR skipped (not a fiscal receipt pattern).\")\n        \n        logger.warning(\"QR codes were found, but none matched the fiscal receipt format.\")\n        return None\n\n    except Exception as e:\n        logger.error(f\"Error during QR detection: {e}\")\n        return None\n\ndef fetch_data_from_api(qr_raw: str) -> List[ParsedItem]:\n    \"\"\"\n    Отправляет данные QR-кода в API proverkacheka.com и парсит JSON-ответ.\n    \"\"\"\n    try:\n        payload = {\n            'qrraw': qr_raw,\n            'token': API_TOKEN\n        }\n        \n        logger.info(\"Sending request to Check API...\")\n        response = requests.post(API_URL, data=payload, timeout=10)\n        \n        if response.status_code != 200:\n            logger.error(f\"API Error: Status {response.status_code}\")\n            return []\n\n        data = response.json()\n        \n        if data.get('code') != 1:\n            logger.warning(f\"API returned non-success code: {data.get('code')}\")\n            return []\n            \n        json_data = data.get('data', {}).get('json', {})\n        items_data = json_data.get('items', [])\n        \n        parsed_items = []\n        \n        for item in items_data:\n            price = float(item.get('price', 0)) / 100.0\n            total_sum = float(item.get('sum', 0)) / 100.0\n            quantity = float(item.get('quantity', 0))\n            name = item.get('name', 'Unknown')\n            \n            parsed_items.append(ParsedItem(\n                raw_name=name,\n                amount=quantity,\n                price=price,\n                sum=total_sum\n            ))\n            \n        return parsed_items\n\n    except Exception as e:\n        logger.error(f\"Error fetching/parsing API data: {e}\")\n        return []",
    "requirements.txt": "fastapi\nuvicorn\npython-multipart\npydantic\nnumpy\nopencv-python-headless\nrequests\npyzbar\npillow\ncertifi",
    "scripts/collect_data_raw.py": "import os\nimport requests\nimport json\nimport mimetypes\n\n# Папка, куда вы положите фото чеков для теста\nINPUT_DIR = \"./test_receipts\"\n# Папка, куда сохраним сырой текст\nOUTPUT_DIR = \"./raw_outputs\"\n# Адрес запущенного OCR сервиса\nAPI_URL = \"http://10.25.100.250:5006/recognize\"\n\ndef process_images():\n    if not os.path.exists(OUTPUT_DIR):\n        os.makedirs(OUTPUT_DIR)\n\n    if not os.path.exists(INPUT_DIR):\n        os.makedirs(INPUT_DIR)\n        print(f\"Папка {INPUT_DIR} создана. Положите туда фото чеков и перезапустите скрипт.\")\n        return\n\n    files = [f for f in os.listdir(INPUT_DIR) if f.lower().endswith(('.jpg', '.jpeg', '.png'))]\n    \n    if not files:\n        print(f\"В папке {INPUT_DIR} нет изображений.\")\n        return\n\n    print(f\"Найдено {len(files)} файлов. Начинаю обработку...\")\n\n    for filename in files:\n        file_path = os.path.join(INPUT_DIR, filename)\n        mime_type, _ = mimetypes.guess_type(file_path)\n        \n        print(f\"Processing {filename}...\", end=\" \")\n        \n        try:\n            with open(file_path, 'rb') as f:\n                files = {'image': (filename, f, mime_type or 'image/jpeg')}\n                response = requests.post(API_URL, files=files, timeout=30)\n            \n            if response.status_code == 200:\n                data = response.json()\n                raw_text = data.get(\"raw_text\", \"\")\n                source = data.get(\"source\", \"unknown\")\n                \n                # Сохраняем RAW текст\n                out_name = f\"{filename}_RAW.txt\"\n                with open(os.path.join(OUTPUT_DIR, out_name), \"w\", encoding=\"utf-8\") as out:\n                    out.write(f\"Source: {source}\\n\")\n                    out.write(\"=\"*20 + \"\\n\")\n                    out.write(raw_text)\n                \n                print(f\"OK ({source}) -> {out_name}\")\n            else:\n                print(f\"FAIL: {response.status_code} - {response.text}\")\n                \n        except Exception as e:\n            print(f\"ERROR: {e}\")\n\nif __name__ == \"__main__\":\n    process_images()",
    "scripts/test_parsing_quality.py": "import os\nimport requests\nimport json\nimport mimetypes\n\n# Папка с фото\nINPUT_DIR = \"./test_receipts\"\n# Папка для результатов\nOUTPUT_DIR = \"./json_results\"\n# Адрес сервиса\nAPI_URL = \"http://10.25.100.250:5006/recognize\"\n\ndef test_parsing():\n    if not os.path.exists(OUTPUT_DIR):\n        os.makedirs(OUTPUT_DIR)\n\n    if not os.path.exists(INPUT_DIR):\n        print(f\"Папка {INPUT_DIR} не найдена.\")\n        return\n\n    files = [f for f in os.listdir(INPUT_DIR) if f.lower().endswith(('.jpg', '.jpeg', '.png'))]\n    \n    print(f\"Найдено {len(files)} файлов. Тестируем парсинг...\")\n\n    for filename in files:\n        file_path = os.path.join(INPUT_DIR, filename)\n        mime_type, _ = mimetypes.guess_type(file_path)\n        \n        print(f\"Processing {filename}...\", end=\" \")\n        \n        try:\n            with open(file_path, 'rb') as f:\n                files = {'image': (filename, f, mime_type or 'image/jpeg')}\n                response = requests.post(API_URL, files=files, timeout=60) # Увеличили таймаут для LLM\n            \n            if response.status_code == 200:\n                data = response.json()\n                items = data.get(\"items\", [])\n                source = data.get(\"source\", \"unknown\")\n                \n                # Сохраняем JSON\n                out_name = f\"{filename}_RESULT.json\"\n                with open(os.path.join(OUTPUT_DIR, out_name), \"w\", encoding=\"utf-8\") as out:\n                    json.dump(data, out, ensure_ascii=False, indent=2)\n                \n                print(f\"OK ({source}) -> Found {len(items)} items\")\n            else:\n                print(f\"FAIL: {response.status_code} - {response.text}\")\n                \n        except Exception as e:\n            print(f\"ERROR: {e}\")\n\nif __name__ == \"__main__\":\n    test_parsing()",
}