"""Örnek (sentetik) Türkçe belgeleri üretir. Belgeler gerçek kurumlara ait DEĞİLDİR; değerler tohumlanmış rastgele sayılarla üretilmiştir. Amaç, gerçek Türkçe rapor/mevzuat/finansal tabloların taşıdığı zorlukları (birleşik hücreler, çok satırlı başlıklar, '1.234,56' sayı biçimi, parantezli negatifler, '%4,5' yüzdeleri, 'Ocak 2024' tarihleri, toplam satırları, İ/ı büyük-küçük harf sorunları) kontrollü biçimde yeniden üretmektir. Her tablo için data/ground_truth/.json altında "doğru" içerik saklanır: çıkarım doğruluğu ve referans veritabanı bu dosyalardan hesaplanır. Çalıştırma: python data/generate_samples.py """ from __future__ import annotations import json import random from pathlib import Path from reportlab.lib import colors from reportlab.lib.pagesizes import A4, landscape from reportlab.lib.styles import ParagraphStyle from reportlab.lib.units import cm from reportlab.pdfbase import pdfmetrics from reportlab.pdfbase.ttfonts import TTFont from reportlab.platypus import (PageBreak, Paragraph, SimpleDocTemplate, Spacer, Table, TableStyle) ROOT = Path(__file__).resolve().parent DOCS = ROOT / "docs" GT = ROOT / "ground_truth" # Türkçe karakterleri (ğ, ş, ı, İ) içeren yazı tipi: önce projeyle gelen DejaVu, sonra sistemdekiler _FONT_CANDIDATES = [ (ROOT.parent / "assets" / "fonts" / "DejaVuSans.ttf", ROOT.parent / "assets" / "fonts" / "DejaVuSans-Bold.ttf"), (Path("/usr/share/fonts/truetype/dejavu/DejaVuSans.ttf"), Path("/usr/share/fonts/truetype/dejavu/DejaVuSans-Bold.ttf")), (Path("C:/Windows/Fonts/arial.ttf"), Path("C:/Windows/Fonts/arialbd.ttf")), (Path("/System/Library/Fonts/Supplemental/Arial.ttf"), Path("/System/Library/Fonts/Supplemental/Arial Bold.ttf")), (Path("/Library/Fonts/Arial.ttf"), Path("/Library/Fonts/Arial Bold.ttf")), ] for _reg, _bold in _FONT_CANDIDATES: if _reg.exists() and _bold.exists(): pdfmetrics.registerFont(TTFont("DejaVu", str(_reg))) pdfmetrics.registerFont(TTFont("DejaVu-Bold", str(_bold))) break else: raise SystemExit("Türkçe karakter destekli yazı tipi bulunamadı (assets/fonts/DejaVuSans.ttf eksik).") rng = random.Random(2026) # ---------------------------------------------------------------- yardımcılar def tr(x: float | int | None, dec: int = 2) -> str: """Sayıyı Türkçe biçimde yazar: 12450000.5 -> '12.450.000,50'.""" if x is None: return "-" neg = x < 0 s = f"{abs(x):,.{dec}f}" # 12,450,000.50 s = s.replace(",", "§").replace(".", ",").replace("§", ".") return ("-" if neg else "") + s def tr_paren(x: float, dec: int = 0) -> str: """Finansal tablo stili: negatifler parantez içinde.""" return f"({tr(abs(x), dec)})" if x < 0 else tr(x, dec) def pct(x: float, dec: int = 1) -> str: return f"%{tr(x, dec)}" if x >= 0 else f"-%{tr(abs(x), dec)}" def save_gt(tid: str, doc: str, fmt: str, caption: str, header_rows, body, page=None): """header_rows: [[(metin, colspan, rowspan), ...], ...] body: [[str,...],...]""" GT.mkdir(parents=True, exist_ok=True) (GT / f"{tid}.json").write_text(json.dumps({ "tablo_id": tid, "belge": doc, "bicim": fmt, "sayfa": page, "baslik": caption, "baslik_satirlari": header_rows, "govde": body, }, ensure_ascii=False, indent=1), encoding="utf-8") # ---------------------------------------------------------------- tablolar def t_butce(): kalemler = [ ("Personel Giderleri", 410e6), ("SGK Devlet Primi Giderleri", 62e6), ("Mal ve Hizmet Alım Giderleri", 538e6), ("Faiz Giderleri", 41e6), ("Cari Transferler", 37e6), ("Sermaye Giderleri", 655e6), ("Sermaye Transferleri", 18e6), ("Borç Verme", 4.5e6), ] body, tot = [], [0, 0, 0, 0] for ad, base in kalemler: b23 = round(base * rng.uniform(0.62, 0.70), -3) + rng.randint(0, 99) * 10 + 0.5 * rng.randint(0, 1) g23 = round(b23 * rng.uniform(0.78, 1.04), 2) b24 = round(base, -3) + rng.randint(0, 999) * 10 + 0.25 * rng.randint(0, 3) g24 = round(b24 * rng.uniform(0.74, 1.06), 2) tot = [tot[0] + b23, tot[1] + g23, tot[2] + b24, tot[3] + g24] body.append([ad, tr(b23), tr(g23), tr(b24), tr(g24), pct(g24 / b24 * 100)]) body.append(["Toplam", tr(tot[0]), tr(tot[1]), tr(tot[2]), tr(tot[3]), pct(tot[3] / tot[2] * 100)]) header = [ [("Gider Türü", 1, 2), ("2023", 2, 1), ("2024", 2, 1), ("Gerçekleşme Oranı 2024 (%)", 1, 2)], [("Bütçe", 1, 1), ("Gerçekleşme", 1, 1), ("Bütçe", 1, 1), ("Gerçekleşme", 1, 1)], ] cap = "Tablo 3: Gider Türlerine Göre Bütçe ve Gerçekleşme Tutarları (TL)" return cap, header, body def t_personel(): body = [] for yil in range(2020, 2025): m = rng.randint(1150, 1400) i = rng.randint(2100, 2600) s = rng.randint(80, 240) body.append([str(yil), tr(m, 0), tr(i, 0), tr(s, 0), tr(m + i + s, 0)]) header = [[("Yıl", 1, 1), ("Memur", 1, 1), ("İşçi", 1, 1), ("Sözleşmeli Personel", 1, 1), ("Toplam", 1, 1)]] cap = "Tablo 5: Yıllara Göre Personel Sayısı (Kişi)" return cap, header, body ILLER = [ ("İstanbul", "Marmara", 41000), ("Ankara", "İç Anadolu", 15500), ("İzmir", "Ege", 19800), ("Bursa", "Marmara", 11200), ("Kocaeli", "Marmara", 14600), ("Antalya", "Akdeniz", 8900), ("Konya", "İç Anadolu", 7400), ("Adana", "Akdeniz", 6200), ("Gaziantep", "Güneydoğu Anadolu", 7900), ("Kayseri", "İç Anadolu", 4300), ("Samsun", "Karadeniz", 3100), ("Trabzon", "Karadeniz", 1900), ("Erzurum", "Doğu Anadolu", 1400), ("Diyarbakır", "Güneydoğu Anadolu", 3600), ("Balıkesir", "Marmara", 3900), ("Isparta", "Akdeniz", 1150), ("Iğdır", "Doğu Anadolu", 420), ] def t_enerji(): body, tot = [], [0.0, 0.0, 0.0] for il, bolge, base in ILLER: v22 = round(base * rng.uniform(0.92, 0.98), 1) v23 = round(v22 * rng.uniform(0.97, 1.06), 1) v24 = round(v23 * rng.uniform(0.96, 1.07), 1) tot = [tot[0] + v22, tot[1] + v23, tot[2] + v24] body.append([il, bolge, tr(v22, 1), tr(v23, 1), tr(v24, 1), tr((v24 - v23) / v23 * 100, 1)]) body.append(["Toplam (17 İl)", "-", tr(tot[0], 1), tr(tot[1], 1), tr(tot[2], 1), tr((tot[2] - tot[1]) / tot[1] * 100, 1)]) header = [[("İl", 1, 1), ("Bölge", 1, 1), ("2022", 1, 1), ("2023", 1, 1), ("2024", 1, 1), ("Değişim 2023-2024 (%)", 1, 1)]] cap = "Tablo 2: İllere Göre Elektrik Tüketimi (bin MWh)" return cap, header, body def t_gelir(): has24, has23 = 18_452_300, 14_118_750 sm24, sm23 = -13_210_455, -10_402_120 gy24, gy23 = -1_204_330, -985_410 pz24, pz23 = -942_118, -801_207 fin24, fin23 = -1_118_920, -644_310 vg24, vg23 = -412_560, -380_115 rows = [] def add(ad, a, b): rows.append([ad, tr_paren(a), tr_paren(b)]) add("Hasılat", has24, has23) add("Satışların Maliyeti (-)", sm24, sm23) bk24, bk23 = has24 + sm24, has23 + sm23 add("Brüt Kâr", bk24, bk23) add("Genel Yönetim Giderleri (-)", gy24, gy23) add("Pazarlama Giderleri (-)", pz24, pz23) ef24, ef23 = bk24 + gy24 + pz24, bk23 + gy23 + pz23 add("Esas Faaliyet Kârı", ef24, ef23) add("Finansman Giderleri (-)", fin24, fin23) vo24, vo23 = ef24 + fin24, ef23 + fin23 add("Vergi Öncesi Kâr", vo24, vo23) add("Vergi Gideri (-)", vg24, vg23) add("Dönem Net Kârı", vo24 + vg24, vo23 + vg23) header = [[("Kalem", 1, 1), ("Cari Dönem 01.01.2024-31.12.2024", 1, 1), ("Önceki Dönem 01.01.2023-31.12.2023", 1, 1)]] cap = "Tablo 1: Özet Gelir Tablosu (bin TL)" return cap, header, rows def t_tarife(): gruplar = { "İmar Hizmetleri": [("Yapı Ruhsatı İnceleme", "m²", 18.5, "01.01.2025"), ("İskân Belgesi", "adet", 2450.0, "01.01.2025"), ("İmar Durumu Belgesi", "adet", 1275.0, "15.03.2025"), ("Proje Tadilat İncelemesi", "adet", 3150.0, "01.07.2025")], "Zabıta Hizmetleri": [("İşyeri Açma Ruhsatı", "adet", 4800.0, "01.01.2025"), ("Seyyar Satıcı İzin Belgesi", "ay", 650.0, "01.01.2025"), ("Reklam Tabelası İzni", "m²", 420.0, "15.03.2025")], "Sosyal Tesisler": [("Düğün Salonu Kiralama", "gün", 12500.0, "01.01.2025"), ("Toplantı Salonu Kiralama", "saat", 1150.0, "01.01.2025"), ("Spor Salonu Üyeliği", "ay", 875.0, "01.07.2025"), ("Yüzme Havuzu Girişi", "seans", 180.0, "01.07.2025")], "Çevre Hizmetleri": [("Moloz Döküm Bedeli", "ton", 310.0, "01.01.2025"), ("Fosseptik Çekimi", "sefer", 1450.0, "15.03.2025"), ("Ağaç Kesim İzni", "adet", 2250.0, "01.07.2025")], } body, html_rows = [], [] for g, items in gruplar.items(): for k, (h, b, u, t) in enumerate(items): body.append([g, h, b, tr(u), t]) html_rows.append(([(g, len(items))] if k == 0 else []) + [h, b, tr(u), t]) header = [[("Hizmet Grubu", 1, 1), ("Hizmet", 1, 1), ("Birim", 1, 1), ("Ücret (TL)", 1, 1), ("Yürürlük Tarihi", 1, 1)]] cap = "Tablo 1: 2025 Yılı Belediye Hizmet Ücret Tarifesi" return cap, header, body, html_rows AYLAR = ["Ocak", "Şubat", "Mart", "Nisan", "Mayıs", "Haziran", "Temmuz", "Ağustos", "Eylül", "Ekim", "Kasım", "Aralık"] def t_endeks(): endeks = 1984.02 body, by_month = [], {} yillik24 = [64.8, 67.1, 68.5, 69.8, 71.6, 71.6, 61.8, 52.0, 49.4, 48.6, 47.1, 44.4] for yil in (2024, 2025): for m in range(12 if yil == 2024 else 6): aylik = round(rng.uniform(1.4, 4.6), 2) endeks = round(endeks * (1 + aylik / 100), 2) by_month[(yil, m)] = endeks if yil == 2024: yillik = yillik24[m] else: yillik = round((endeks / by_month[(2024, m)] - 1) * 100, 2) body.append([f"{AYLAR[m]} {yil}", tr(endeks), tr(aylik), tr(yillik)]) header = [ [("Dönem", 1, 2), ("Endeks (2003=100)", 1, 2), ("Değişim (%)", 2, 1)], [("Aylık", 1, 1), ("Yıllık", 1, 1)], ] cap = "Tablo 4: Örnek Tüketici Fiyat Endeksi ve Değişim Oranları" return cap, header, body def t_su(): mahalleler = ["Cumhuriyet", "Atatürk", "Yenimahalle", "Merkez", "İstiklal", "Fatih", "Bahçelievler", "Yıldırım Beyazıt", "Kurtuluş", "Gazi"] body, ta, tt = [], 0, 0 for m in mahalleler: abone = rng.randint(900, 6800) tuk = round(abone * rng.uniform(9.5, 14.5) * 12, 0) ta, tt = ta + abone, tt + tuk body.append([m, tr(abone, 0), tr(tuk, 0), tr(tuk / abone, 1)]) body.append(["Genel Toplam", tr(ta, 0), tr(tt, 0), tr(tt / ta, 1)]) header = [[("Mahalle", 1, 1), ("Abone Sayısı", 1, 1), ("Yıllık Tüketim (m³)", 1, 1), ("Abone Başına Tüketim (m³)", 1, 1)]] cap = "Tablo 6: Mahallelere Göre Su Abone Sayısı ve Tüketimi (2024)" return cap, header, body # ---------------------------------------------------------------- PDF yazımı STY = ParagraphStyle("p", fontName="DejaVu", fontSize=9.5, leading=13) H1 = ParagraphStyle("h", fontName="DejaVu-Bold", fontSize=14, leading=18, spaceAfter=8) CAP = ParagraphStyle("c", fontName="DejaVu-Bold", fontSize=9.5, leading=12, spaceAfter=4) NOTE = ParagraphStyle("n", fontName="DejaVu", fontSize=7.5, leading=10, textColor=colors.grey) def rl_table(header_rows, body, col_widths, num_from_col=1): """Başlık satırlarını (colspan/rowspan) reportlab ızgarasına çevirir.""" ncols = len(col_widths) nh = len(header_rows) grid = [["" for _ in range(ncols)] for _ in range(nh)] spans, occupied = [], set() for r, row in enumerate(header_rows): c = 0 for text, cs, rs in row: while (r, c) in occupied: c += 1 grid[r][c] = text for dr in range(rs): for dc in range(cs): occupied.add((r + dr, c + dc)) if cs > 1 or rs > 1: spans.append(("SPAN", (c, r), (c + cs - 1, r + rs - 1))) c += cs hstyle = ParagraphStyle("th", fontName="DejaVu-Bold", fontSize=8, leading=10, alignment=1) grid = [[Paragraph(x, hstyle) if x else "" for x in row] for row in grid] data = grid + body t = Table(data, colWidths=col_widths, repeatRows=nh) st = [ ("FONT", (0, 0), (-1, -1), "DejaVu", 8), ("FONT", (0, 0), (-1, nh - 1), "DejaVu-Bold", 8), ("GRID", (0, 0), (-1, -1), 0.5, colors.black), ("BACKGROUND", (0, 0), (-1, nh - 1), colors.HexColor("#e6ecf2")), ("VALIGN", (0, 0), (-1, -1), "MIDDLE"), ("ALIGN", (0, 0), (-1, nh - 1), "CENTER"), ("ALIGN", (num_from_col, nh), (-1, -1), "RIGHT"), ] + spans if body and str(body[-1][0]).lower().startswith("toplam"): st.append(("FONT", (0, len(data) - 1), (-1, len(data) - 1), "DejaVu-Bold", 8)) t.setStyle(TableStyle(st)) return t def build_pdfs(): # 1) Belediye faaliyet raporu: 2 tablo, 2 sayfa c1, h1, b1 = t_butce() c2, h2, b2 = t_personel() doc = SimpleDocTemplate(str(DOCS / "belediye_faaliyet_raporu_2024.pdf"), pagesize=landscape(A4), leftMargin=1.5 * cm, rightMargin=1.5 * cm, topMargin=1.5 * cm) story = [ Paragraph("Örnek Belediyesi 2024 Yılı Faaliyet Raporu", H1), Paragraph("3.2 Mali Bilgiler", CAP), Paragraph("5018 sayılı Kamu Mali Yönetimi ve Kontrol Kanunu uyarınca hazırlanan bu bölümde, " "belediyemizin ekonomik sınıflandırmaya göre bütçe ödenekleri ve gerçekleşmeleri " "sunulmaktadır. Tutarlar Türk Lirası cinsindendir.", STY), Spacer(1, 10), Paragraph(c1, CAP), rl_table(h1, b1, [6.2 * cm, 3.4 * cm, 3.4 * cm, 3.4 * cm, 3.4 * cm, 3.6 * cm]), Spacer(1, 6), Paragraph("Not: Bu belge sentetik örnek veridir; gerçek bir kuruma ait değildir.", NOTE), PageBreak(), Paragraph("3.4 İnsan Kaynakları", CAP), Paragraph("Belediyemizde istihdam edilen personelin kadro türlerine göre dağılımı aşağıda " "verilmiştir.", STY), Spacer(1, 10), Paragraph(c2, CAP), rl_table(h2, b2, [3 * cm, 3.5 * cm, 3.5 * cm, 4.5 * cm, 3.5 * cm]), ] doc.build(story) save_gt("butce_gerceklesme", "belediye_faaliyet_raporu_2024.pdf", "pdf", c1, h1, b1, page=1) save_gt("personel_sayisi", "belediye_faaliyet_raporu_2024.pdf", "pdf", c2, h2, b2, page=2) # 2) Enerji raporu c3, h3, b3 = t_enerji() doc = SimpleDocTemplate(str(DOCS / "il_enerji_tuketimi_raporu.pdf"), pagesize=A4, leftMargin=1.5 * cm, rightMargin=1.5 * cm) story = [ Paragraph("Örnek Enerji Piyasası Gözlem Raporu", H1), Paragraph("Bu raporda seçili 17 ilin son üç yıldaki elektrik tüketimleri karşılaştırılmaktadır. " "Değerler bin MWh cinsindendir; değişim oranları 2023 yılına göredir.", STY), Spacer(1, 10), Paragraph(c3, CAP), rl_table(h3, b3, [3.6 * cm, 3.9 * cm, 2.4 * cm, 2.4 * cm, 2.4 * cm, 3.3 * cm], num_from_col=2), Spacer(1, 6), Paragraph("Kaynak: Sentetik örnek veri.", NOTE), ] doc.build(story) save_gt("il_elektrik_tuketimi", "il_enerji_tuketimi_raporu.pdf", "pdf", c3, h3, b3, page=1) # 3) Finansal rapor c4, h4, b4 = t_gelir() doc = SimpleDocTemplate(str(DOCS / "ornek_as_finansal_rapor_2024.pdf"), pagesize=A4) story = [ Paragraph("ÖRNEK SANAYİ VE TİCARET A.Ş.", H1), Paragraph("31 Aralık 2024 Tarihinde Sona Eren Hesap Dönemine Ait Konsolide Finansal Tablolar. " "Aksi belirtilmedikçe tutarlar bin Türk Lirası (bin TL) olarak gösterilmiştir.", STY), Spacer(1, 10), Paragraph(c4, CAP), rl_table(h4, b4, [6.5 * cm, 4.8 * cm, 4.8 * cm]), ] doc.build(story) # 4) Çizgisiz (borderless) tablo: pdfplumber'ın çizgi stratejisi bulamaz, Camelot-stream bulur c7, h7, b7 = t_su() doc = SimpleDocTemplate(str(DOCS / "su_istatistikleri_2024.pdf"), pagesize=A4) t7 = Table([[x[0] for x in h7[0]]] + b7, colWidths=[5 * cm, 3.4 * cm, 4.2 * cm, 4.4 * cm]) t7.setStyle(TableStyle([("FONT", (0, 0), (-1, -1), "DejaVu", 8), ("FONT", (0, 0), (-1, 0), "DejaVu-Bold", 8), ("ALIGN", (1, 1), (-1, -1), "RIGHT")])) # hiç çizgi yok doc.build([Paragraph("Örnek Su ve Kanalizasyon İdaresi — 2024 İstatistikleri", H1), Paragraph("Abone ve tüketim verileri mahalle bazında derlenmiştir.", STY), Spacer(1, 10), Paragraph(c7, CAP), t7]) save_gt("su_abone_tuketim", "su_istatistikleri_2024.pdf", "pdf", c7, h7, b7, page=1) save_gt("gelir_tablosu", "ornek_as_finansal_rapor_2024.pdf", "pdf", c4, h4, b4, page=1) # ---------------------------------------------------------------- HTML yazımı def html_header(header_rows): out = [] for row in header_rows: cells = "" for t, cs, rs in row: attrs = (' colspan="%d"' % cs if cs > 1 else "") + (' rowspan="%d"' % rs if rs > 1 else "") cells += "%s" % (attrs, t) out.append(f"{cells}") return "\n".join(out) HTML_TMPL = """ {title}

{title}

{intro} {thead} {tbody}
{caption}

Sentetik örnek veridir.

""" def build_htmls(): c5, h5, b5, rows5 = t_tarife() tb = [] for r in rows5: cells = [] for v in r: if isinstance(v, tuple): cells.append(f'{v[0]}') else: cls = ' class="n"' if v[:1].isdigit() else "" cells.append(f"{v}") tb.append("" + "".join(cells) + "") intro = ("

ÖRNEK BELEDİYESİ ÜCRET TARİFESİ YÖNETMELİĞİ

" "

MADDE 4 – (1) 2464 sayılı Belediye Gelirleri Kanunu kapsamında belediyece " "sunulan hizmetlere ilişkin ücretler aşağıdaki tabloda gösterilmiştir. Ücretlere KDV " "dahildir.

") (DOCS / "ucret_tarifesi_yonetmeligi.html").write_text(HTML_TMPL.format( title="Örnek Belediyesi Ücret Tarifesi", intro=intro, caption=c5, thead=html_header(h5), tbody="\n".join(tb)), encoding="utf-8") save_gt("hizmet_ucret_tarifesi", "ucret_tarifesi_yonetmeligi.html", "html", c5, h5, b5) c6, h6, b6 = t_endeks() tb = ["" + "".join(("%s" if i else "%s") % v for i, v in enumerate(r)) + "" for r in b6] intro = ("

Örnek İstatistik Bülteni — Fiyat endeksleri aylık olarak yayımlanır. " "Değişim oranları yüzde olarak verilmiştir.

") (DOCS / "fiyat_endeksi_bulteni.html").write_text(HTML_TMPL.format( title="Örnek Fiyat Endeksi Bülteni", intro=intro, caption=c6, thead=html_header(h6), tbody="\n".join(tb)), encoding="utf-8") save_gt("fiyat_endeksi", "fiyat_endeksi_bulteni.html", "html", c6, h6, b6) if __name__ == "__main__": DOCS.mkdir(parents=True, exist_ok=True) build_pdfs() build_htmls() print("Belgeler:", sorted(p.name for p in DOCS.iterdir())) print("Doğru içerik:", sorted(p.name for p in GT.iterdir()))