rmser/ocr-service/parser.py

import re
from typing import List, Optional
from pydantic import BaseModel
from datetime import datetime

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."""
    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
    return float(val.replace(',', '.').replace(' ', ''))

def extract_fiscal_data(text: str) -> Optional[str]:
    """
    Ищет в тексте:
    - Дата и время (t): 19.12.25 12:16 -> 20251219T1216
    - Сумма (s): ИТОГ: 770.00
    - ФН (fn): 16 цифр, начинается на 73
    - ФД (i): до 8 цифр (ищем после Д: или ФД:)
    - ФП (fp): 10 цифр (ищем после П: или ФП:)
    
    Возвращает строку формата: t=20251219T1216&s=770.00&fn=7384440800514469&i=11194&fp=3334166168&n=1
    """
    # 1. Поиск даты и времени
    # Ищем форматы DD.MM.YY HH:MM или DD.MM.YYYY HH:MM
    date_match = re.search(r'(\d{2})\.(\d{2})\.(\d{2,4})\s+(\d{2}):(\d{2})', text)
    t_param = ""
    if date_match:
        d, m, y, hh, mm = date_match.groups()
        if len(y) == 2: y = "20" + y
        t_param = f"{y}{m}{d}T{hh}{mm}"

    # 2. Поиск суммы (Итог)
    # Ищем слово ИТОГ и число после него
    sum_match = re.search(r'(?:ИТОГ|СУММА|СУММА:)\s*[:]*\s*(\d+[.,]\d{2})', text, re.IGNORECASE)
    s_param = ""
    if sum_match:
        s_param = sum_match.group(1).replace(',', '.')

    # 3. Поиск ФН (16 цифр, начинается с 73)
    fn_match = re.search(r'\b(73\d{14})\b', text)
    fn_param = fn_match.group(1) if fn_match else ""

    # 4. Поиск ФД (i) - ищем после маркеров Д: или ФД:
    # Берем набор цифр до 8 знаков
    fd_match = re.search(r'(?:ФД|Д)[:\s]+(\d{1,8})\b', text)
    i_param = fd_match.group(1) if fd_match else ""

    # 5. Поиск ФП (fp) - ищем после маркеров П: или ФП:
    # Строго 10 цифр
    fp_match = re.search(r'(?:ФП|П)[:\s]+(\d{10})\b', text)
    fp_param = fp_match.group(1) if fp_match else ""

    # Валидация: для формирования запроса к API нам критически важны все параметры
    if all([t_param, s_param, fn_param, i_param, fp_param]):
        return f"t={t_param}&s={s_param}&fn={fn_param}&i={i_param}&fp={fp_param}&n=1"
    
    return None

def parse_receipt_text(text: str) -> List[ParsedItem]:
    """
    Парсит текст чека построчно (Regex-метод).
    """
    lines = text.split('\n')
    items = []
    name_buffer = []

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

        floats = re.findall(FLOAT_RE, line)
        is_price_line = False
        
        if len(floats) >= 2:
            is_price_line = True
            vals = [parse_float(f) for f in floats]
            
            price = 0.0
            amount = 1.0
            total = vals[-1]
            
            if len(vals) == 2:
                price = vals[0]
                amount = 1.0
                if total > price and price > 0:
                     calc_amount = total / price
                     if abs(round(calc_amount) - calc_amount) < 0.05:
                         amount = float(round(calc_amount))
            elif len(vals) >= 3:
                v1, v2 = vals[-3], vals[-2]
                if abs(v1 * v2 - total) < 0.5:
                    price, amount = v1, v2
                elif abs(v2 * v1 - total) < 0.5:
                    price, amount = v2, v1
                else:
                    price, amount = vals[-2], 1.0

            full_name = " ".join(name_buffer).strip()
            if not full_name:
                text_without_floats = re.sub(FLOAT_RE, '', line)
                full_name = clean_text(text_without_floats)

            if len(full_name) > 2 and total > 0:
                items.append(ParsedItem(
                    raw_name=full_name,
                    amount=amount,
                    price=price,
                    sum=total
                ))
            name_buffer = []
        else:
            upper_line = line.upper()
            if any(stop in upper_line for stop in ["ИТОГ", "СУММА", "ПРИХОД"]):
                name_buffer = [] 
                continue
            name_buffer.append(line)

    return items