# MODULE_CONTRACT: # PURPOSE: Предоставляет универсальный инструмент для парсинга оборотно-сальдовых ведомостей (ОСВ) # из Excel-файлов с разнообразной структурой. Модуль интеллектуально находит # таблицу с данными и извлекает их в структурированный JSON-формат. # SCOPE: Парсинг Excel, эвристический анализ данных, очистка данных, преобразование форматов. # INPUT: Путь к файлу Excel (.xls, .xlsx). # OUTPUT: Класс OcvParser, предоставляющий метод parse() для выполнения парсинга. # Исключение OcvParsingError в случае ошибок. # KEYWORDS_MODULE: [ocv, accounting, parser, excel, pandas, heuristic_analysis, data_extraction] # LINKS_TO_MODULE: [pandas, openpyxl, xlrd] # MODULE_MAP: # CLASS [Исключение, возникающее при ошибках парсинга ОСВ] => OcvParsingError # CLASS [Основной класс-парсер для обработки ОСВ] => OcvParser # METHOD [Главный публичный метод для парсинга файла] => parse # METHOD [Загружает лист Excel в DataFrame] => _load_workbook_sheet # METHOD [Извлекает метаданные из шапки документа] => _extract_metadata # METHOD [Находит блок данных с помощью скользящего окна] => _find_data_block # METHOD [Идентифицирует типы колонок в окне] => _identify_columns_by_type # METHOD [Обрабатывает строки данных из найденного блока] => _process_data_rows # METHOD [Проверяет, является ли строка валидной строкой данных] => _is_valid_data_row # METHOD [Парсит одну строку DataFrame в целевой словарь] => _parse_row # METHOD [Проверяет, является ли колонка денежной] => _is_money_column # METHOD [Проверяет, является ли колонка наименованием счета] => _is_account_name_column # METHOD [Проверяет, является ли колонка номером счета] => _is_account_number_column # FUNC [Утилита для парсинга денежного значения] => _parse_money_value # FUNC [Утилита для парсинга строки с периодом] => _parse_period_string # KEY_USE_CASES: ## Освещает наиболее важные сценарии, в которых участвует этот модуль или его ключевые компоненты ## Для Use Case использовать AAG-нотацию: Actor (Context) -> Action (Module's/Component's Role) -> Goal # - [OcvParser.parse]: [Analyst (Data Processing)] -> [Provide Excel file path to parser] -> [Get structured OCV data as list of dicts] # - [_find_data_block]: [Parser (Internal Logic)] -> [Scan DataFrame using a sliding window for a specific data pattern] -> [Locate data table's start row and column map] # - [_parse_row]: [Parser (Internal Logic)] -> [Transform a raw DataFrame row based on the found column map] -> [Get a clean, structured dictionary for a single account entry] import logging import re from datetime import date from typing import Any, Dict, List, Optional, Tuple import pandas as pd from openpyxl import load_workbook # Get logger for this module logger = logging.getLogger(__name__) # START_CLASS_OcvParsingError # CONTRACT: # PURPOSE: Определяет пользовательское исключение для явного указания ошибок, возникших в процессе парсинга ОСВ. # Предоставляет расширенную информацию об ошибке, включая оригинальное исключение и его трассировку. # ATTRIBUTES: # - message: str - Основное сообщение об ошибке # - error: Exception - Оригинальное исключение, вызвавшее ошибку (опционально) # - traceback: str - Полная трассировка стека оригинального исключения (опционально) # KEY_METHODS: # - __init__(message: str, error: Exception = None) - Инициализирует исключение с сообщением и опциональным оригинальным исключением # - __str__() -> str - Возвращает форматированное сообщение об ошибке с полной информацией # KEYWORDS: [exception, error_handling, custom_exception, traceback, debugging] # LINKS: [OcvParser, traceback] class OcvParsingError(Exception): """Кастомное исключение для ошибок в процессе парсинга ОСВ. Предоставляет расширенную информацию об ошибке, включая: - Основное сообщение об ошибке - Оригинальное исключение (если есть) - Полную трассировку стека (если есть оригинальное исключение) """ def __init__(self, message: str, error: Exception = None): import traceback self.message = message self.error = error self.traceback = traceback.format_exc() super().__init__(self.message) def __str__(self): result = f"Ошибка парсинга ОСВ: {self.message}" if self.error: result += f"\nПричина: {str(self.error)}" result += f"\n\nTraceback:\n{self.traceback}" return result # END_CLASS_OcvParsingError # START_FUNCTION__parse_money_value # CONTRACT: # PURPOSE: Преобразует значение из ячейки (строку или число) в числовой формат float. # INPUTS: # - value: Any - Значение из ячейки, которое может быть строкой, числом или None. # OUTPUTS: # - float - Очищенное числовое значение. Возвращает 0.0, если значение некорректно или пусто. # SIDE_EFFECTS: Нет. # TEST_CONDITIONS_SUCCESS_CRITERIA: # - Корректно парсит строку "1 234 567,89" в 1234567.89. # - Возвращает 0.0 для пустых (None) или нечисловых строковых значений. # KEYWORDS: [utility, data_cleaning, type_conversion] # LINKS: [_parse_row] def _parse_money_value(value: Any) -> float: """Преобразует строковое/числовое представление денег в float.""" #START_HANDLE_NONE_OR_ZERO: Обработка пустых или нулевых значений. if pd.isna(value) or value == 0: return 0.0 #END_HANDLE_NONE_OR_ZERO #START_HANDLE_NUMERIC: Обработка уже числовых значений. if isinstance(value, (int, float)): return float(value) #END_HANDLE_NUMERIC #START_HANDLE_STRING: Обработка строковых значений. if isinstance(value, str): #START_CLEAN_STRING: Очистка строки от пробелов и замена запятой. cleaned_value = value.replace(' ', '').replace(',', '.') #END_CLEAN_STRING try: #START_CONVERT_TO_FLOAT: Попытка конвертации очищенной строки в float. return float(cleaned_value) #END_CONVERT_TO_FLOAT except (ValueError, TypeError): logger.warning(f"[WARNING][_parse_money_value][HANDLE_STRING][ExceptionCaught] Не удалось конвертировать '{value}' в число. Возвращено 0.0. [FAIL]") return 0.0 #END_HANDLE_STRING logger.warning(f"[WARNING][_parse_money_value][UNKNOWN_TYPE][Fallthrough] Неизвестный тип данных '{type(value)}' для значения '{value}'. Возвращено 0.0. [FAIL]") return 0.0 # END_FUNCTION__parse_money_value # START_FUNCTION__parse_period_string # CONTRACT: # PURPOSE: Извлекает даты начала и конца отчетного периода из текстовой строки. # INPUTS: # - period_str: str - Строка, содержащая описание периода (например, "за 1 полугодие 2023 г."). # OUTPUTS: # - Optional[Dict[str, str]] - Словарь с ключами 'start_date' и 'end_date' в формате 'YYYY-MM-DD' или None. # SIDE_EFFECTS: Нет. # TEST_CONDITIONS_SUCCESS_CRITERIA: # - Корректно парсит "1 полугодие 2023" в '2023-01-01' и '2023-06-30'. # - Корректно парсит "январь - июнь 2023" в '2023-01-01' и '2023-06-30'. # KEYWORDS: [utility, date_conversion, regex, text_processing] # LINKS: [_extract_metadata] def _parse_period_string(period_str: str) -> Optional[Dict[str, str]]: """Извлекает из текстовой строки даты начала и конца периода.""" #START_EXTRACT_YEAR: Извлечение года из строки. year_match = re.search(r'(20\d{2})', period_str) if not year_match: return None year = int(year_match.group(1)) #END_EXTRACT_YEAR #START_PARSE_SEMESTER_QUARTER: Парсинг полугодий и кварталов. period_str_lower = period_str.lower() if '1 полугодие' in period_str_lower or '6 месяцев' in period_str_lower: return {'start_date': f'{year}-01-01', 'end_date': f'{year}-06-30'} if '2 полугодие' in period_str_lower: return {'start_date': f'{year}-07-01', 'end_date': f'{year}-12-31'} if '1 квартал' in period_str_lower: return {'start_date': f'{year}-01-01', 'end_date': f'{year}-03-31'} if '2 квартал' in period_str_lower: return {'start_date': f'{year}-04-01', 'end_date': f'{year}-06-30'} if '3 квартал' in period_str_lower: return {'start_date': f'{year}-07-01', 'end_date': f'{year}-09-30'} if '4 квартал' in period_str_lower: return {'start_date': f'{year}-10-01', 'end_date': f'{year}-12-31'} if '9 месяцев' in period_str_lower: return {'start_date': f'{year}-01-01', 'end_date': f'{year}-09-30'} if 'год' in period_str_lower and 'полугодие' not in period_str_lower: return {'start_date': f'{year}-01-01', 'end_date': f'{year}-12-31'} #END_PARSE_SEMESTER_QUARTER #START_PARSE_MONTH_RANGE: Парсинг диапазона месяцев. months = { 'январ': 1, 'феврал': 2, 'март': 3, 'апрел': 4, 'ма': 5, 'июн': 6, 'июл': 7, 'август': 8, 'сентябр': 9, 'октябр': 10, 'ноябр': 11, 'декабр': 12 } month_keys = '|'.join(months.keys()) month_range_match = re.search(f'({month_keys}).*?-.*?({month_keys})', period_str_lower) if month_range_match: start_month_str, end_month_str = month_range_match.groups() start_month = months.get(start_month_str[:5]) end_month = months.get(end_month_str[:5]) if start_month and end_month: start_day = date(year, start_month, 1) # Вычисляем последний день месяца next_month = date(year, end_month, 1).replace(day=28) + pd.DateOffset(days=4) end_day = next_month - pd.DateOffset(days=next_month.day) return {'start_date': start_day.strftime('%Y-%m-%d'), 'end_date': end_day.strftime('%Y-%m-%d')} #END_PARSE_MONTH_RANGE return None # END_FUNCTION__parse_period_string # START_CLASS_OcvParser # CONTRACT: # PURPOSE: Реализует логику универсального парсинга ОСВ из файлов Excel. # ATTRIBUTES: # - _df: pd.DataFrame - DataFrame с сырыми данными из листа Excel. # - _metadata: Dict - Словарь с извлеченными метаданными (название компании, период). # - HEADERS_SCAN_ROWS: int - Количество строк для сканирования метаданных в шапке. # - WINDOW_SIZE: int - Размер скользящего окна для поиска блока с данными. # - COLUMN_MATCH_THRESHOLD: float - Минимальная доля ячеек в колонке, которые должны соответствовать типу для его определения. # KEY_METHODS: # - __init__(): Инициализирует парсер с настраиваемыми параметрами. # - parse(): Главный публичный метод, запускающий весь процесс парсинга. # KEYWORDS: [parser, facade, orchestrator, pandas] # LINKS: [OcvParsingError] class OcvParser: """Универсальный парсер для Оборотно-Сальдовых Ведомостей из Excel.""" # START_FUNCTION___init__ # CONTRACT: # PURPOSE: Инициализирует парсер и устанавливает настраиваемые параметры для анализа. # INPUTS: # - headers_scan_rows: int - Количество верхних строк для сканирования на предмет метаданных. # - window_size: int - Размер (в строках) "скользящего окна" для поиска основного блока данных. # - column_match_threshold: float - Доля (от 0.0 до 1.0) ячеек в столбце, которые должны соответствовать определенному типу (например, 'денежный'), чтобы столбец был классифицирован как таковой. # OUTPUTS: Нет. # SIDE_EFFECTS: Устанавливает атрибуты экземпляра. # TEST_CONDITIONS_SUCCESS_CRITERIA: # - Экземпляр успешно создается со значениями по умолчанию. # - Экземпляр успешно создается с пользовательскими значениями. # KEYWORDS: [constructor, initialization, configuration, settings] # LINKS: [] def __init__(self, headers_scan_rows: int = 15, window_size: int = 100, column_match_threshold: float = 0.05): """Инициализирует парсер с опциональными настройками.""" self._df: Optional[pd.DataFrame] = None self._metadata: Dict[str, Any] = {} # Константы для парсинга self.HEADERS_SCAN_ROWS = headers_scan_rows self.WINDOW_SIZE = window_size self.COLUMN_MATCH_THRESHOLD = column_match_threshold # Константы для поиска self.COMPANY_KEYWORDS = [ 'организация', 'филиал ао', 'компания', 'предприятие', 'ооо', 'зао', 'пао', 'ип', 'наименование', 'полное наименование', 'юридическое лицо', 'юридическое наименование', 'обособленное подразделение', 'обособленное структурное подразделение', 'филиал', 'представительство', 'ао', 'нао', 'пao', 'нко', 'ано', 'фонд', 'союз', 'ассоциация', 'корпорация', 'холдинг', 'группа компаний', 'группа', 'концерн', 'трест', 'синдикат', 'общество', 'товарищество', 'кооператив', 'унитарное предприятие', 'казенное предприятие', 'муниципальное предприятие', 'государственное предприятие', 'бюджетное учреждение', 'автономное учреждение', 'казенное учреждение', 'муниципальное учреждение', 'государственное учреждение', 'некоммерческая организация', 'коммерческая организация' ] self.PERIOD_KEYWORDS = [ 'период', ' за ', 'отчетный период', 'отчетный', 'отчет', 'отчетность', 'за период', 'за отчетный период', 'за отчетный', 'за отчет', 'отчетный год', 'за год', 'за квартал', 'за полугодие', 'отчетная дата', 'на дату', 'по состоянию на', 'с', 'по', 'с начала', 'с начала года', 'с начала периода', 'январь', 'февраль', 'март', 'апрель', 'май', 'июнь', 'июль', 'август', 'сентябрь', 'октябрь', 'ноябрь', 'декабрь', '1 квартал', '2 квартал', '3 квартал', '4 квартал', 'первый квартал', 'второй квартал', 'третий квартал', 'четвертый квартал', '1 полугодие', '2 полугодие', 'первое полугодие', 'второе полугодие', '9 месяцев', 'шесть месяцев', 'три месяца', 'годовой отчет', 'годовая отчетность', 'годовая ведомость', 'квартальная отчетность', 'квартальная ведомость', 'месячная отчетность', 'месячная ведомость', 'отчетный интервал', 'отчетный срок', 'отчетная дата', 'нарастающим итогом', 'нарастающим', 'итогом', 'с начала года по', 'с начала периода по', 'за период с', 'за период по', 'отчетный период с', 'отчетный период по' ] # START_FUNCTION_parse # CONTRACT: # PURPOSE: Оркестрирует полный цикл парсинга файла ОСВ. # INPUTS: # - file_path: str - Путь к файлу Excel для парсинга. # OUTPUTS: # - List[Dict] - Список словарей, где каждый словарь представляет одну строку ОСВ. # SIDE_EFFECTS: # - Читает файл с диска. Может выбрасывать OcvParsingError. # TEST_CONDITIONS_SUCCESS_CRITERIA: # - Успешный парсинг файла со структурой из примера 1. # - Успешный парсинг файла со структурой из примера 2. # KEYWORDS: [facade, orchestrator, entrypoint] # LINKS: [_load_workbook_sheet, _extract_metadata, _find_data_block, _process_data_rows] def parse(self, file_path: str) -> List[Dict]: """Запускает полный процесс парсинга файла ОСВ.""" logger.info(f"[INFO][parse][START][StepComplete] Начало парсинга файла: {file_path} [SUCCESS]") #START_LOAD_DATA: Загрузка данных из Excel. self._df = self._load_workbook_sheet(file_path) logger.info(f"[INFO][parse][LOAD_DATA][StepComplete] Файл успешно загружен в DataFrame. [SUCCESS]") #END_LOAD_DATA #START_EXTRACT_METADATA: Извлечение метаданных из шапки. self._metadata = self._extract_metadata(self._df) logger.info(f"[INFO][parse][EXTRACT_METADATA][StepComplete] Метаданные извлечены: {self._metadata} [SUCCESS]") #END_EXTRACT_METADATA #START_FIND_DATA_BLOCK: Поиск основного блока данных. start_row, column_map = self._find_data_block(self._df) logger.info(f"[INFO][parse][FIND_DATA_BLOCK][StepComplete] Блок данных найден. Начало: строка {start_row}, карта колонок: {column_map} [SUCCESS]") #END_FIND_DATA_BLOCK #START_PROCESS_ROWS: Обработка строк данных. result = self._process_data_rows(self._df, start_row, column_map, self._metadata) logger.info(f"[INFO][parse][PROCESS_ROWS][StepComplete] Обработано {len(result)} строк. Парсинг завершен. [SUCCESS]") #END_PROCESS_ROWS return result # END_FUNCTION_parse # START_FUNCTION__load_workbook_sheet def _load_workbook_sheet(self, file_path: str) -> pd.DataFrame: """Считывает лист Excel, сохраняя форматирование числовых ячеек как строки, и возвращает pandas DataFrame.""" #START_LOAD_WORKBOOK: Загрузка книги Excel с использованием openpyxl. try: wb = load_workbook(file_path, data_only=True) ws = wb.active except Exception as e: logger.error(f"[ERROR][_load_workbook_sheet][LOAD_WORKBOOK][ExceptionCaught] Не удалось загрузить книгу Excel: {file_path}. Ошибка: {e} [FAIL]") raise OcvParsingError(f"Ошибка при загрузке файла Excel: {e}", e) #END_LOAD_WORKBOOK data = [] #START_ITERATE_ROWS: Итерация по строкам и ячейкам листа для сбора данных. for row in ws.iter_rows(): row_data = [] for cell in row: value = cell.value #START_PROCESS_CELL: Обработка значения одной ячейки с сохранением формата. if value is None: #START_HANDLE_EMPTY_CELL: Обработка пустых ячеек (None) для корректной обработки NaN в DataFrame. row_data.append(None) #END_HANDLE_EMPTY_CELL elif cell.data_type == 'n': #START_HANDLE_NUMERIC: Обработка числовых ячеек, преобразуя их в строки. fmt = cell.number_format if isinstance(value, (int, float)): if '0.00' in fmt: row_data.append(f"{value:.2f}".replace('.', ',')) else: row_data.append(str(value).replace('.', ',')) else: row_data.append(str(value)) #END_HANDLE_NUMERIC else: #START_HANDLE_OTHER: Обработка нечисловых ячеек. row_data.append(str(value)) #END_HANDLE_OTHER #END_PROCESS_CELL data.append(row_data) #END_ITERATE_ROWS #START_CREATE_DATAFRAME: Создание DataFrame из собранных данных. return pd.DataFrame(data) #END_CREATE_DATAFRAME # END_FUNCTION__load_workbook_sheet # START_FUNCTION__extract_metadata def _extract_metadata(self, df: pd.DataFrame) -> Dict[str, Any]: """Сканирует верхние строки DataFrame в поиске метаданных.""" metadata = {'company_name': None, 'period': None} header_df = df.head(self.HEADERS_SCAN_ROWS) #START_SCAN_ROWS_FOR_METADATA: Итерация по ячейкам шапки для поиска ключевых слов. for _, row in header_df.iterrows(): for cell_value in row.dropna(): if not isinstance(cell_value, str): continue cell_lower = cell_value.lower() #START_FIND_COMPANY: Поиск названия компании. if not metadata['company_name']: if any(keyword in cell_lower for keyword in self.COMPANY_KEYWORDS): metadata['company_name'] = cell_value.strip() logger.debug(f"[DEBUG][_extract_metadata][FIND_COMPANY][VALUE] Найдено название компании: {metadata['company_name']}") continue # Переход к следующей ячейке #END_FIND_COMPANY #START_FIND_PERIOD: Поиск периода. if not metadata['period']: if any(keyword in cell_lower for keyword in self.PERIOD_KEYWORDS): period_data = _parse_period_string(cell_lower) if period_data: metadata['period'] = period_data logger.debug(f"[DEBUG][_extract_metadata][FIND_PERIOD][VALUE] Найден и распознан период: {metadata['period']}") #END_FIND_PERIOD #END_SCAN_ROWS_FOR_METADATA #START_VALIDATE_METADATA: Проверка, что обязательные метаданные были найдены. if not metadata['company_name']: raise OcvParsingError("Не удалось найти название организации в шапке документа.") if not metadata['period']: raise OcvParsingError("Не удалось найти период в шапке документа.") #END_VALIDATE_METADATA return metadata # END_FUNCTION__extract_metadata # START_FUNCTION__find_data_block def _find_data_block(self, df: pd.DataFrame) -> Tuple[int, Dict[str, Any]]: """Реализует алгоритм 'скользящего окна' для поиска таблицы данных.""" #START_SLIDING_WINDOW_ITERATION: Итерация по DataFrame с помощью скользящего окна. for i in range(0, len(df) - self.WINDOW_SIZE + 1, self.WINDOW_SIZE): window_df = df.iloc[i : i + self.WINDOW_SIZE] #START_IDENTIFY_COLUMNS: Попытка идентификации колонок в текущем окне. column_map = self._identify_columns_by_type(window_df) #END_IDENTIFY_COLUMNS #START_CHECK_IDENTIFICATION_RESULT: Проверка результата идентификации. if column_map: #START_FIND_ACTUAL_START: Поиск реального начала таблицы путем сканирования вверх от конца окна. logger.debug(f"[DEBUG][_find_data_block][FIND_ACTUAL_START][ATTEMPT] Окно с данными найдено, начиная с {i}. Поиск фактической верхней границы.") # По умолчанию, если все строки до верха похожи на данные, считаем, что таблица начинается с 0. start_row = 0 # Сканируем вверх от конца найденного окна (i + self.WINDOW_SIZE - 1) до самого начала файла. for scan_row_idx in range(i + self.WINDOW_SIZE - 1, -1, -1): row = df.iloc[scan_row_idx] # Проверяем, содержит ли строка хотя бы одно значение, похожее на денежное, в ожидаемых колонках. # Это эвристика, чтобы отличить строки данных от заголовков/пустых строк. has_money_value = any( (self._get_money_like_count(pd.Series([row[col]])) > 0) for col in column_map['money'] ) if not has_money_value: # Найдена строка, не похожая на строку с данными (вероятно, часть шапки). # Реальные данные начинаются со следующей строки. start_row = scan_row_idx + 1 logger.debug(f"[DEBUG][_find_data_block][FIND_ACTUAL_START][VALUE] Найдена неденежная строка на {scan_row_idx}. Начало таблицы определено как {start_row}.") break # Граница найдена, прерываем цикл. logger.info(f"[INFO][_find_data_block][FIND_ACTUAL_START][StepComplete] Фактическое начало таблицы найдено: строка {start_row}. [SUCCESS]") #END_FIND_ACTUAL_START return start_row, column_map # Возвращаем найденное начало и карту колонок #END_CHECK_IDENTIFICATION_RESULT #END_SLIDING_WINDOW_ITERATION raise OcvParsingError("Не удалось найти блок данных с ожидаемой структурой в файле.") # END_FUNCTION__find_data_block # START_FUNCTION__identify_columns_by_type def _identify_columns_by_type(self, window_df: pd.DataFrame) -> Optional[Dict[str, Any]]: """Анализирует окно DataFrame и пытается идентифицировать столбцы по их содержимому.""" col_types = {} #START_DETERMINE_COLUMN_TYPES: Определение типа для каждой колонки в окне. for col_idx in window_df.columns: column = window_df[col_idx] money_like_count = self._get_money_like_count(column) account_name_like_count = self._get_account_name_like_count(column) account_number_like_count = self._get_account_number_like_count(column) if max(money_like_count, account_name_like_count, account_number_like_count) / len(column) > self.COLUMN_MATCH_THRESHOLD: if money_like_count > account_name_like_count and money_like_count > account_number_like_count: col_types[col_idx] = 'money' elif account_name_like_count > money_like_count and account_name_like_count > account_number_like_count: col_types[col_idx] = 'name' elif account_number_like_count > money_like_count and account_number_like_count > account_name_like_count: col_types[col_idx] = 'number' #END_DETERMINE_COLUMN_TYPES #START_FIND_REQUIRED_PATTERN: Поиск обязательного паттерна (имя + 6 денежных колонок). money_cols = sorted([k for k, v in col_types.items() if v == 'money']) name_cols = [k for k, v in col_types.items() if v == 'name'] number_cols = [k for k, v in col_types.items() if v == 'number'] if not name_cols or not money_cols: return None # Столбцы с наименованием и денежными значениями обязательны #START_FIND_CONSECUTIVE_MONEY_BLOCK: Поиск блока из 6 последовательных денежных колонок. for i in range(len(money_cols) - 5): money_block = money_cols[i:i+6] is_consecutive = (money_block[-1] - money_block[0] == 5) if is_consecutive: # Паттерн найден result_map = { 'name': name_cols[0], 'money': money_block } if number_cols: result_map['number'] = number_cols[0] return result_map #END_FIND_CONSECUTIVE_MONEY_BLOCK #END_FIND_REQUIRED_PATTERN return None # END_FUNCTION__identify_columns_by_type # START_FUNCTION__process_data_rows def _process_data_rows(self, df: pd.DataFrame, start_row: int, column_map: Dict, metadata: Dict) -> List[Dict]: """Итерирует по строкам DataFrame, парсит их и собирает результат.""" results = [] #START_ROW_ITERATION_LOOP: Цикл по строкам, начиная с найденной. for i in range(start_row, len(df)): row = df.iloc[i] #START_VALIDATE_ROW: Проверка валидности строки для определения конца таблицы. if not self._is_valid_data_row(row, column_map): logger.info(f"[INFO][_process_data_rows][VALIDATE_ROW][StepComplete] Найдена невалидная строка на индексе {i}. Завершение обработки. [SUCCESS]") break #END_VALIDATE_ROW #START_PARSE_SINGLE_ROW: Парсинг одной валидной строки. parsed_row = self._parse_row(row, column_map, metadata) if parsed_row: results.append(parsed_row) #END_PARSE_SINGLE_ROW #END_ROW_ITERATION_LOOP return results # END_FUNCTION__process_data_rows # START_FUNCTION__is_valid_data_row def _is_valid_data_row(self, row: pd.Series, column_map: Dict) -> bool: """Проверяет, является ли строка валидной строкой данных (а не итогом или подписью).""" #START_CHECK_NAME_COLUMN: Проверка, что ячейка с наименованием не пуста. name_val = row[column_map['name']] if pd.isna(name_val) or not str(name_val).strip(): return False #END_CHECK_NAME_COLUMN #START_CHECK_MONEY_COLUMNS: Проверка, что хотя бы одна денежная ячейка не пуста. money_values = [row[i] for i in column_map['money']] if all(pd.isna(val) for val in money_values): return False #END_CHECK_MONEY_COLUMNS return True # END_FUNCTION__is_valid_data_row # START_FUNCTION__parse_row def _parse_row(self, row: pd.Series, column_map: Dict, metadata: Dict) -> Optional[Dict]: """Преобразует одну строку DataFrame в целевой формат словаря.""" logger.debug(f"[DEBUG][_parse_row][START][Params] Processing row with column_map: {column_map}") #START_INITIALIZE_RESULT_DICT: Инициализация словаря с метаданными. res = { "company_name": metadata.get("company_name"), "period": metadata.get("period"), "account_number": "", "account_name": "" } #END_INITIALIZE_RESULT_DICT #START_EXTRACT_NAME_AND_NUMBER: Извлечение номера и наименования счета. account_name = str(row.get(column_map['name'], '')).strip() # Сначала пытаемся получить номер из отдельной колонки if 'number' in column_map: res['account_number'] = str(row.get(column_map['number'], '')).strip() res['account_name'] = account_name else: # Если нет отдельной колонки для номера, пытаемся извлечь его из имени # Ищем номер счета в начале строки, который может быть отделен запятой или пробелами match = re.match(r'^(\d[\d\.]*)[,\s]+(.*)', account_name) if match: res['account_number'] = match.group(1) res['account_name'] = match.group(2).strip() else: res['account_name'] = account_name #END_EXTRACT_NAME_AND_NUMBER #START_PARSE_MONEY_VALUES: Парсинг 6 денежных значений. money_vals = [_parse_money_value(row.get(i)) for i in column_map['money']] res["opening_balance"] = {"debet": money_vals[0], "credit": money_vals[1]} res["turnover"] = {"debet": money_vals[2], "credit": money_vals[3]} res["closing_balance"] = {"debet": money_vals[4], "credit": money_vals[5]} #END_PARSE_MONEY_VALUES logger.debug(f"[DEBUG][_parse_row][END][ReturnData] Final result: {res}") return res # END_FUNCTION__parse_row # START_FUNCTION__is_money_column def _get_money_like_count(self, column: pd.Series) -> int: """Проверяет, является ли столбец денежным.""" non_na = column.dropna() if non_na.empty: return False match_count = non_na.apply(lambda x: 1 if re.match(r'^-?\d+[.,]\d{2}$', x) else 0).sum() return match_count # END_FUNCTION__is_money_column # START_FUNCTION__is_account_name_column def _get_account_name_like_count(self, column: pd.Series) -> int: """Проверяет, является ли столбец столбцом наименований.""" non_na = column.dropna() if non_na.empty: return False # Наименования - это длинные строки match_count = non_na.apply(lambda x: isinstance(x, str) and sum(c.isalpha() for c in x) / len(x) > 0.6).sum() return match_count # END_FUNCTION__is_account_name_column # START_FUNCTION__is_account_number_column def _get_account_number_like_count(self, column: pd.Series) -> int: """Проверяет, является ли столбец столбцом с номерами счетов.""" non_na = column.dropna() if non_na.empty: return False match_count = non_na.apply( lambda x: bool(re.fullmatch(r'\d[\d\.]*', str(x).strip()))).sum() return match_count # END_FUNCTION__is_account_number_column # END_CLASS_OcvParser