rmser/ocr-service/parser.py

import re
from typing import List
from pydantic import BaseModel

class ParsedItem(BaseModel):
    raw_name: str
    amount: float
    price: float
    sum: float

# Регулярка для поиска чисел с плавающей точкой: 123.00, 123,00, 10.5
FLOAT_RE = r'\d+[.,]\d{2}'

def clean_text(text: str) -> str:
    """Удаляет лишние символы из названия товара."""
    # Оставляем буквы, цифры, пробелы и базовые знаки
    return re.sub(r'[^\w\s.,%/-]', '', text).strip()

def parse_float(val: str) -> float:
    """Преобразует строку '123,45' или '123.45' в float."""
    if not val:
        return 0.0
    # Заменяем запятую на точку и убираем возможные пробелы
    return float(val.replace(',', '.').replace(' ', ''))

def parse_receipt_text(text: str) -> List[ParsedItem]:
    """
    Парсит текст чека построчно.
    Логика: накапливаем строки названия, пока не встретим строку с математикой (цена/сумма).
    """
    lines = text.split('\n')
    items = []
    name_buffer = []

    for line in lines:
        line = line.strip()
        if not line:
            continue

        # Ищем все числа, похожие на цену (с двумя знаками после запятой/точки)
        # Пример: 129.99
        floats = re.findall(FLOAT_RE, line)
        
        # Эвристика: строка считается "товарной позицией с ценой", если в ней есть минимум 2 числа
        # (обычно Цена и Сумма, или Кол-во и Сумма)
        # ИЛИ одно число, если это итоговая сумма, но мы ищем товары.
        
        is_price_line = False
        
        if len(floats) >= 2:
            is_price_line = True
            
            vals = [parse_float(f) for f in floats]
            
            # Попытка определить структуру: Цена x Кол-во = Сумма
            price = 0.0
            amount = 1.0
            total = 0.0
            
            # Обычно последнее число - это сумма (итог по строке)
            total = vals[-1]
            
            if len(vals) == 2:
                # Скорее всего: Цена ... Сумма (кол-во = 1)
                # Или: Кол-во ... Сумма (если цена не распозналась)
                # Предположим amount=1, тогда первое число - цена
                price = vals[0]
                amount = 1.0
                
                # Проверка на адекватность: сумма обычно >= цены
                # Если total < price, возможно порядок перепутан или это скидка
                if total < price and total != 0:
                     # Если total сильно меньше, возможно это не сумма
                     pass 
                elif total > price and price > 0:
                     # Пытаемся вычислить кол-во
                     calc_amount = total / price
                     # Если результат близок к целому (например 1.999 -> 2), то ок
                     if abs(round(calc_amount) - calc_amount) < 0.05:
                         amount = float(round(calc_amount))

            elif len(vals) >= 3:
                # Варианты: [Цена, Кол-во, Сумма] или [Кол-во, Цена, Сумма]
                # Проверяем математику: A * B = C
                v1, v2 = vals[-3], vals[-2]
                
                if abs(v1 * v2 - total) < 0.5: # Допуск 0.5 руб
                    price = v1
                    amount = v2
                elif abs(v2 * v1 - total) < 0.5:
                    price = v2
                    amount = v1
                else:
                    # Если математика не сходится, берем предпоследнее как цену
                    price = vals[-2]
                    amount = 1.0

            # Сборка названия
            full_name = " ".join(name_buffer).strip()
            
            # Если буфер пуст, возможно название в этой же строке слева
            if not full_name:
                # Удаляем найденные числа из строки, остаток считаем названием
                text_without_floats = re.sub(FLOAT_RE, '', line)
                full_name = clean_text(text_without_floats)

            # Фильтрация мусора (слишком короткие названия или нулевые суммы)
            if len(full_name) > 2 and total > 0:
                items.append(ParsedItem(
                    raw_name=full_name,
                    amount=amount,
                    price=price,
                    sum=total
                ))
            
            # Очищаем буфер, так как позиция закрыта
            name_buffer = []
        
        else:
            # Строка не похожа на цену.
            # Проверяем на стоп-слова (конец чека)
            upper_line = line.upper()
            if "ИТОГ" in upper_line or "СУММА" in upper_line or "ПРИХОД" in upper_line:
                # Считаем, что товары закончились
                name_buffer = [] 
                # Можно здесь сделать break, если уверены, что ниже товаров нет
                continue
            
            # Добавляем в буфер названия
            name_buffer.append(line)

    return items