rmser/ocr-service/python_project_dump.py

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

project_tree = '''
ocr-service/
├── .dockerignore
├── Dockerfile
├── imgproc.py
├── llm_parser.py
├── main.py
├── ocr.py
├── parser.py
├── qr_manager.py
├── requirements.txt
├── system-prompt.md
└── yandex_ocr.py
'''

project_files = {
    "imgproc.py": "import cv2\nimport numpy as np\nimport logging\n\nlogger = logging.getLogger(__name__)\n\ndef order_points(pts):\n    rect = np.zeros((4, 2), dtype=\"float32\")\n    s = pts.sum(axis=1)\n    rect[0] = pts[np.argmin(s)]\n    rect[2] = pts[np.argmax(s)]\n    diff = np.diff(pts, axis=1)\n    rect[1] = pts[np.argmin(diff)]\n    rect[3] = pts[np.argmax(diff)]\n    return rect\n\ndef four_point_transform(image, pts):\n    rect = order_points(pts)\n    (tl, tr, br, bl) = rect\n\n    widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2))\n    widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2))\n    maxWidth = max(int(widthA), int(widthB))\n\n    heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2))\n    heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2))\n    maxHeight = max(int(heightA), int(heightB))\n\n    dst = np.array([\n        [0, 0],\n        [maxWidth - 1, 0],\n        [maxWidth - 1, maxHeight - 1],\n        [0, maxHeight - 1]], dtype=\"float32\")\n\n    M = cv2.getPerspectiveTransform(rect, dst)\n    warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))\n    return warped\n\ndef preprocess_image(image_bytes: bytes) -> np.ndarray:\n    \"\"\"\n    Возвращает БИНАРНОЕ (Ч/Б) изображение для Tesseract.\n    \"\"\"\n    nparr = np.frombuffer(image_bytes, np.uint8)\n    image = cv2.imdecode(nparr, cv2.IMREAD_COLOR)\n    \n    if image is None:\n        raise ValueError(\"Could not decode image\")\n\n    # Ресайз для поиска контуров\n    ratio = image.shape[0] / 500.0\n    orig = image.copy()\n    image_small = cv2.resize(image, (int(image.shape[1] / ratio), 500))\n\n    gray = cv2.cvtColor(image_small, cv2.COLOR_BGR2GRAY)\n    gray = cv2.GaussianBlur(gray, (5, 5), 0)\n    edged = cv2.Canny(gray, 75, 200)\n\n    cnts, _ = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)\n    cnts = sorted(cnts, key=cv2.contourArea, reverse=True)[:5]\n\n    screenCnt = None\n    found = False\n\n    for c in cnts:\n        peri = cv2.arcLength(c, True)\n        approx = cv2.approxPolyDP(c, 0.02 * peri, True)\n        if len(approx) == 4:\n            screenCnt = approx\n            found = True\n            break\n\n    # Изображение, с которым будем работать дальше\n    target_img = None\n\n    if found:\n        logger.info(\"Receipt contour found (Tesseract mode).\")\n        target_img = four_point_transform(orig, screenCnt.reshape(4, 2) * ratio)\n    else:\n        logger.warning(\"Receipt contour NOT found. Using full image.\")\n        target_img = orig\n\n    # --- Подготовка для Tesseract (Бинаризация) ---\n    # Переводим в Gray\n    gray_final = cv2.cvtColor(target_img, cv2.COLOR_BGR2GRAY)\n    \n    # Адаптивный порог (превращаем в чисто черное и белое)\n    # block_size=11, C=2 - классические параметры для текста\n    thresh = cv2.adaptiveThreshold(\n        gray_final, 255, \n        cv2.ADAPTIVE_THRESH_GAUSSIAN_C, \n        cv2.THRESH_BINARY, 11, 2\n    )\n    \n    # Немного убираем шум\n    # thresh = cv2.medianBlur(thresh, 3) \n    \n    return thresh",
    "llm_parser.py": "import os\nimport requests\nimport logging\nimport json\nfrom typing import List\nfrom parser import ParsedItem\n\nlogger = logging.getLogger(__name__)\n\nYANDEX_GPT_URL = \"https://llm.api.cloud.yandex.net/foundationModels/v1/completion\"\n\nclass YandexGPTParser:\n    def __init__(self):\n        self.folder_id = os.getenv(\"YANDEX_FOLDER_ID\")\n        self.api_key = os.getenv(\"YANDEX_OAUTH_TOKEN\") # Используем тот же доступ\n\n    def parse_with_llm(self, raw_text: str, iam_token: str) -> List[ParsedItem]:\n        \"\"\"\n        Отправляет текст в YandexGPT для структурирования.\n        \"\"\"\n        if not iam_token:\n            return []\n\n        prompt = {\n            \"modelUri\": f\"gpt://{self.folder_id}/yandexgpt/latest\",\n            \"completionOptions\": {\n                \"stream\": False,\n                \"temperature\": 0.1, # Низкая температура для точности\n                \"maxTokens\": \"2000\"\n            },\n            \"messages\": [\n                {\n                    \"role\": \"system\",\n                    \"text\": (\n                        \"Ты — помощник по бухгалтерии. Извлеки список товаров из текста документа. \"\n                        \"Верни ответ строго в формате JSON: \"\n                        '[{\"raw_name\": string, \"amount\": float, \"price\": float, \"sum\": float}]. '\n                        \"Если количество не указано, считай 1.0. Не пиши ничего, кроме JSON.\"\n                    )\n                },\n                {\n                    \"role\": \"user\",\n                    \"text\": raw_text\n                }\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        try:\n            response = requests.post(YANDEX_GPT_URL, headers=headers, json=prompt, timeout=30)\n            response.raise_for_status()\n            result = response.json()\n            \n            # Извлекаем текст ответа\n            content = result['result']['alternatives'][0]['message']['text']\n            \n            # Очищаем от возможных markdown-оберток ```json ... ```\n            clean_json = content.replace(\"```json\", \"\").replace(\"```\", \"\").strip()\n            \n            items_raw = json.loads(clean_json)\n            \n            parsed_items = [ParsedItem(**item) for item in items_raw]\n            return parsed_items\n            \n        except Exception as e:\n            logger.error(f\"LLM Parsing error: {e}\")\n            return []\n\nllm_parser = YandexGPTParser()",
    "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 imgproc import preprocess_image\nfrom parser import parse_receipt_text, ParsedItem\nfrom ocr import ocr_engine\nfrom qr_manager import detect_and_decode_qr, fetch_data_from_api\n# Импортируем новый модуль\nfrom yandex_ocr import yandex_engine\nfrom llm_parser 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 (Hybrid: QR + Yandex + Tesseract)\")\n\nclass RecognitionResult(BaseModel):\n    source: str # 'qr_api', 'yandex_vision', 'tesseract_ocr'\n    items: List[ParsedItem]\n    raw_text: str = \"\"\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 (Приоритет 2 - Высокая точность, если настроен)\n    3. Tesseract OCR (Приоритет 3 - Локальный фолбэк)\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 и локального препроцессинга\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: Yandex Vision Strategy (Cloud OCR) ---\n        # Проверяем, настроен ли Яндекс\n        if yandex_engine.oauth_token and yandex_engine.folder_id:\n            logger.info(\"--- Stage 2: Yandex Vision OCR ---\")\n            \n            # Яндекс принимает сырые байты картинки (Base64), ему не нужен наш препроцессинг\n            yandex_text = yandex_engine.recognize(content)\n            \n            if yandex_text and len(yandex_text) > 10:\n                logger.info(f\"Yandex OCR success. Text length: {len(yandex_text)}\")\n                logger.info(f\"Yandex RAW OUTPUT:\\n{yandex_text}\") \n                yandex_items = parse_receipt_text(yandex_text)\n                logger.info(f\"Parsed items preview: {yandex_items[:3]}...\") \n                # Если Regex не нашел позиций (как в нашем случае со счетом)\n                if not yandex_items:\n                    logger.info(\"Regex found nothing. Calling YandexGPT for semantic parsing...\")\n                    iam_token = yandex_engine._get_iam_token()\n                    yandex_items = llm_parser.parse_with_llm(yandex_text, iam_token)\n                    logger.info(f\"Semantic parsed items preview: {yandex_items[:3]}...\")\n                \n                return RecognitionResult(\n                    source=\"yandex_vision\",\n                    items=yandex_items,\n                    raw_text=yandex_text\n                )\n            else:\n                logger.warning(\"Yandex Vision returned empty text or failed. Falling back to Tesseract.\")\n        else:\n            logger.info(\"Yandex Vision credentials not set. Skipping Stage 2.\")\n\n        # --- ЭТАП 3: Tesseract Strategy (Local Fallback) ---\n        logger.info(\"--- Stage 3: Tesseract OCR (Local) ---\")\n        \n        # 1. Image Processing (бинаризация, выравнивание)\n        processed_img = preprocess_image(content)\n        \n        # 2. OCR\n        tesseract_text = ocr_engine.recognize(processed_img)\n        \n        # 3. Parsing\n        ocr_items = parse_receipt_text(tesseract_text)\n        \n        return RecognitionResult(\n            source=\"tesseract_ocr\",\n            items=ocr_items,\n            raw_text=tesseract_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)",
    "ocr.py": "import logging\nimport pytesseract\nfrom PIL import Image\nimport numpy as np\n\nlogger = logging.getLogger(__name__)\n\n# Если tesseract не в PATH, раскомментируй и укажи путь:\n# pytesseract.pytesseract.tesseract_cmd = r'/usr/bin/tesseract'\n\nclass OCREngine:\n    def __init__(self):\n        logger.info(\"Initializing Tesseract OCR wrapper...\")\n        # Tesseract не требует загрузки моделей в память, \n        # проверка версии просто чтобы убедиться, что он установлен\n        try:\n            version = pytesseract.get_tesseract_version()\n            logger.info(f\"Tesseract version found: {version}\")\n        except Exception as e:\n            logger.error(\"Tesseract not found! Make sure it is installed (apt install tesseract-ocr).\")\n            raise e\n\n    def recognize(self, image: np.ndarray) -> str:\n        \"\"\"\n        Принимает бинарное изображение (numpy array).\n        \"\"\"\n        # Tesseract работает лучше с PIL Image\n        pil_img = Image.fromarray(image)\n        \n        # Конфигурация:\n        # -l rus+eng: русский и английский\n        # --psm 6: Assume a single uniform block of text (хорошо для чеков)\n        custom_config = r'--oem 3 --psm 6'\n        \n        text = pytesseract.image_to_string(pil_img, lang='rus+eng', config=custom_config)\n        return text\n\nocr_engine = OCREngine()",
    "parser.py": "import re\nfrom 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\n# Регулярка для поиска чисел с плавающей точкой: 123.00, 123,00, 10.5\nFLOAT_RE = r'\\d+[.,]\\d{2}'\n\ndef clean_text(text: str) -> str:\n    \"\"\"Удаляет лишние символы из названия товара.\"\"\"\n    # Оставляем буквы, цифры, пробелы и базовые знаки\n    return re.sub(r'[^\\w\\s.,%/-]', '', text).strip()\n\ndef parse_float(val: str) -> float:\n    \"\"\"Преобразует строку '123,45' или '123.45' в float.\"\"\"\n    if not val:\n        return 0.0\n    # Заменяем запятую на точку и убираем возможные пробелы\n    return float(val.replace(',', '.').replace(' ', ''))\n\ndef parse_receipt_text(text: str) -> List[ParsedItem]:\n    \"\"\"\n    Парсит текст чека построчно.\n    Логика: накапливаем строки названия, пока не встретим строку с математикой (цена/сумма).\n    \"\"\"\n    lines = text.split('\\n')\n    items = []\n    name_buffer = []\n\n    for line in lines:\n        line = line.strip()\n        if not line:\n            continue\n\n        # Ищем все числа, похожие на цену (с двумя знаками после запятой/точки)\n        # Пример: 129.99\n        floats = re.findall(FLOAT_RE, line)\n        \n        # Эвристика: строка считается \"товарной позицией с ценой\", если в ней есть минимум 2 числа\n        # (обычно Цена и Сумма, или Кол-во и Сумма)\n        # ИЛИ одно число, если это итоговая сумма, но мы ищем товары.\n        \n        is_price_line = False\n        \n        if len(floats) >= 2:\n            is_price_line = True\n            \n            vals = [parse_float(f) for f in floats]\n            \n            # Попытка определить структуру: Цена x Кол-во = Сумма\n            price = 0.0\n            amount = 1.0\n            total = 0.0\n            \n            # Обычно последнее число - это сумма (итог по строке)\n            total = vals[-1]\n            \n            if len(vals) == 2:\n                # Скорее всего: Цена ... Сумма (кол-во = 1)\n                # Или: Кол-во ... Сумма (если цена не распозналась)\n                # Предположим amount=1, тогда первое число - цена\n                price = vals[0]\n                amount = 1.0\n                \n                # Проверка на адекватность: сумма обычно >= цены\n                # Если total < price, возможно порядок перепутан или это скидка\n                if total < price and total != 0:\n                     # Если total сильно меньше, возможно это не сумма\n                     pass \n                elif total > price and price > 0:\n                     # Пытаемся вычислить кол-во\n                     calc_amount = total / price\n                     # Если результат близок к целому (например 1.999 -> 2), то ок\n                     if abs(round(calc_amount) - calc_amount) < 0.05:\n                         amount = float(round(calc_amount))\n\n            elif len(vals) >= 3:\n                # Варианты: [Цена, Кол-во, Сумма] или [Кол-во, Цена, Сумма]\n                # Проверяем математику: A * B = C\n                v1, v2 = vals[-3], vals[-2]\n                \n                if abs(v1 * v2 - total) < 0.5: # Допуск 0.5 руб\n                    price = v1\n                    amount = v2\n                elif abs(v2 * v1 - total) < 0.5:\n                    price = v2\n                    amount = v1\n                else:\n                    # Если математика не сходится, берем предпоследнее как цену\n                    price = vals[-2]\n                    amount = 1.0\n\n            # Сборка названия\n            full_name = \" \".join(name_buffer).strip()\n            \n            # Если буфер пуст, возможно название в этой же строке слева\n            if not full_name:\n                # Удаляем найденные числа из строки, остаток считаем названием\n                text_without_floats = re.sub(FLOAT_RE, '', line)\n                full_name = clean_text(text_without_floats)\n\n            # Фильтрация мусора (слишком короткие названия или нулевые суммы)\n            if len(full_name) > 2 and total > 0:\n                items.append(ParsedItem(\n                    raw_name=full_name,\n                    amount=amount,\n                    price=price,\n                    sum=total\n                ))\n            \n            # Очищаем буфер, так как позиция закрыта\n            name_buffer = []\n        \n        else:\n            # Строка не похожа на цену.\n            # Проверяем на стоп-слова (конец чека)\n            upper_line = line.upper()\n            if \"ИТОГ\" in upper_line or \"СУММА\" in upper_line or \"ПРИХОД\" in upper_line:\n                # Считаем, что товары закончились\n                name_buffer = [] \n                # Можно здесь сделать break, если уверены, что ниже товаров нет\n                continue\n            \n            # Добавляем в буфер названия\n            name_buffer.append(line)\n\n    return items",
    "qr_manager.py": "import logging\nimport requests\nfrom typing import Optional, List\nfrom pyzbar.pyzbar import decode\nfrom PIL import Image\nimport numpy as np\n\n# Импортируем модель из parser.py\nfrom parser import ParsedItem \n\nAPI_TOKEN = \"36590.yqtiephCvvkYUKM2W\"\nAPI_URL = \"https://proverkacheka.com/api/v1/check/get\"\n\nlogger = logging.getLogger(__name__)\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\npytesseract\nrequests\npyzbar\npillow",
    "yandex_ocr.py": "import os\nimport time\nimport json\nimport base64\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\"\nVISION_URL = \"https://ocr.api.cloud.yandex.net/ocr/v1/recognizeText\"\n\nclass YandexOCREngine:\n    def __init__(self):\n        self.oauth_token = os.getenv(\"YANDEX_OAUTH_TOKEN\")\n        self.folder_id = os.getenv(\"YANDEX_FOLDER_ID\")\n        \n        # Кэширование IAM токена\n        self._iam_token = None\n        self._token_expire_time = 0\n\n        if not self.oauth_token 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 _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        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    def recognize(self, image_bytes: bytes) -> str:\n        \"\"\"\n        Отправляет изображение в Yandex Vision и возвращает полный текст.\n        \"\"\"\n        if not self.oauth_token or not self.folder_id:\n            logger.error(\"Yandex credentials missing.\")\n            return \"\"\n\n        iam_token = self._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                self._iam_token = None # сброс кэша\n                iam_token = self._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()",
}