api/src/domain/quality_attribution.py

@@ -0,0 +1,86 @@
+"""Атрибуция правки «сервис / наш разбор» (§14.2 `05-domain-rules.md`; design `quality-metrics` §5).
+
+Правка — отличие подтверждённого аналитиком значения от того, что пришло на вход (снимок `quality_intake_fact`).
+Правило одно: верный ответ есть в сыром тексте, который распознал сервис (ИС Сканирование / `tabular-parser`), —
+ошибка наша (мы неверно разобрали то, что сервис прочитал правильно); верного ответа в сыром тексте нет — ошибка
+сервиса. Для Excel сервис разбора — наш же `tabular-parser`, поэтому там любая ошибка распознавания — «наш разбор»
+(design §5); это решает вызывающий, не передавая Excel-документы сюда, а не отдельная ветка в этих функциях.
+
+Разбор сырого текста — тем же кодом, что разбирал сервис: публичным API `arm_statements`
+(`fix_lookalikes`, `parse_amount`, `parse_code`, `default_rules`). Правила читаются один раз на вызов
+(`default_rules()` — чистая и дешёвая фабрика пакета, копия правил per-call не кэшируется: это чистый домен без
+состояния на процесс, кэш — не его забота).
+"""
+
+from collections.abc import Sequence
+from typing import Literal
+
+from arm_statements import Source, default_rules, fix_lookalikes, parse_amount, parse_code
+
+__all__ = [
+    "attribute_added_row",
+    "attribute_code_fix",
+    "attribute_header_fix",
+    "attribute_value_fix",
+]
+
+Attribution = Literal["service", "ours"]
+
+
+def _digits_only(text: str) -> str:
+    return "".join(char for char in text if char.isdigit())
+
+
+def attribute_value_fix(confirmed: str, raw_text: str) -> Attribution:
+    """§14.2 «Сумма»: «наш разбор», если цифры подтверждённой суммы (без знака) совпадают с цифрами, которые
+    извлекает из сырого текста `parse_amount` после замены двойников §11.3 — сервис прочитал верно, а мы
+    неверно разобрали (знак, скобки, разряды, мусор по краям); иначе — «сервис» (сервис сам прочитал не те цифры).
+
+    `parse_amount` требует `Source`; здесь он не определяет исход («О»→«0» и выделение числового ядра в тексте
+    работают одинаково для PDF и Excel), поэтому берём `Source.OCR` — распознавание различий между источниками
+    в `parse_amount` касается только неоднозначных разделителей тысяч, а их чтение в эту цифровую проверку не
+    входит (решение задачи 3, см. отчёт).
+    """
+    rules = default_rules()
+    parsed = parse_amount(raw_text, Source.OCR, rules)
+    if parsed.amount is None:
+        return "service"
+    return "ours" if _digits_only(str(abs(parsed.amount))) == _digits_only(confirmed) else "service"
+
+
+def attribute_code_fix(confirmed_code: str, raw_text: str) -> Attribution:
+    """§14.2 «Код строки»: «наш разбор», если подтверждённый код есть среди кодов, которые `parse_code` извлекает
+    из строк сырого `line_code_text` (в т. ч. из одной из частей склейки `1250\\n1260` — каждая строка разбирается
+    отдельно, как это делает сам пакет для многострочных ячеек); иначе — «сервис».
+    """
+    rules = default_rules()
+    codes: set[str] = set()
+    for line in raw_text.splitlines():
+        if not line.strip():
+            continue
+        parsed = parse_code(line, rules)
+        if parsed.code is not None:
+            codes.add(parsed.code)
+    return "ours" if confirmed_code in codes else "service"
+
+
+def attribute_added_row(code: str, raw_line_codes: Sequence[str], *, is_excel: bool) -> Attribution:
+    """§14.2 «Добавленная строка» (`row_index IS NULL`): для Excel всегда «наш разбор» (сервис разбора Excel — наш
+    `tabular-parser`, `raw_line_codes` не смотрим вовсе); для PDF — «наш разбор», если код добавленной строки есть
+    среди четырёхзначных токенов сырого ответа ИС Сканирование (`raw_line_codes` извлекаются раньше, при приёме, —
+    не задача этого модуля); иначе — «сервис» (сервис вообще не увидел такой код).
+    """
+    if is_excel:
+        return "ours"
+    return "ours" if code in raw_line_codes else "service"
+
+
+def attribute_header_fix(confirmed: str, header_source_text: str) -> Attribution:
+    """§14.2 «Шапка» (период, ИНН, единицы, наименование) и «Дата колонки»: «наш разбор», если подтверждённое
+    значение можно найти в сыром тексте источника после замены двойников §11.3 — `header_source[*].text` для полей
+    шапки или подпись колонки (`label`) для даты колонки; какой именно текст передать — решает вызывающий, функция
+    одна и та же для обоих случаев (design §5). Иначе — «сервис».
+    """
+    rules = default_rules()
+    normalized_source = fix_lookalikes(header_source_text, rules.lookalikes)
+    return "ours" if confirmed in normalized_source else "service"

api/tests/test_domain_quality_attribution.py

@@ -0,0 +1,62 @@
+"""Атрибуция правки «сервис / наш разбор» (§14.2)."""
+
+from src.domain.quality_attribution import (
+    attribute_added_row,
+    attribute_code_fix,
+    attribute_header_fix,
+    attribute_value_fix,
+)
+
+
+def test_attribute_value_fix_ours_when_raw_matches_after_lookalikes():
+    # сырой текст "1OOO.00" (O вместо 0), подтверждено 1000.00 — цифры совпадают после замены двойников → "ours"
+    assert attribute_value_fix("1000.00", "1OOO.00") == "ours"
+
+
+def test_attribute_value_fix_service_when_raw_differs():
+    assert attribute_value_fix("1000.00", "999.00") == "service"
+
+
+def test_attribute_value_fix_ignores_sign_difference():
+    # знак — наша зона ответственности (скобки/минус разобраны неверно), цифры сошлись → "ours"
+    assert attribute_value_fix("-1000.00", "(1000.00)") == "ours"
+
+
+def test_attribute_code_fix_ours_when_code_in_raw_text():
+    # код найден среди кодов склейки "1250\n1260" (две строки сырого line_code_text) → наш разбор, не сервис
+    # (имя теста в брифе и его ассерт противоречили таблице §14.2 — исправлено по дизайну, см. отчёт задачи)
+    assert attribute_code_fix("1250", "1250\n1260") == "ours"
+
+
+def test_attribute_code_fix_service_when_code_not_in_raw_text():
+    assert attribute_code_fix("1250", "9999\n9998") == "service"
+
+
+def test_attribute_added_row_excel_always_ours():
+    assert attribute_added_row("1250", raw_line_codes=["1250"], is_excel=True) == "ours"
+
+
+def test_attribute_added_row_excel_always_ours_even_if_code_absent():
+    # для Excel правило не смотрит на raw_line_codes вовсе — ошибка всегда наша (наш tabular-parser)
+    assert attribute_added_row("1250", raw_line_codes=[], is_excel=True) == "ours"
+
+
+def test_attribute_added_row_pdf_ours_when_code_in_raw_tokens():
+    assert attribute_added_row("1250", raw_line_codes=["1100", "1250", "1600"], is_excel=False) == "ours"
+
+
+def test_attribute_added_row_pdf_service_when_code_absent():
+    assert attribute_added_row("1250", raw_line_codes=["1100", "1600"], is_excel=False) == "service"
+
+
+def test_attribute_header_fix_ours_when_confirmed_in_source_text():
+    assert attribute_header_fix("Рога и копыта", "ООО «Рога и копыта»") == "ours"
+
+
+def test_attribute_header_fix_service_when_confirmed_not_in_source_text():
+    assert attribute_header_fix("Рога и копыта", "ООО «Другая компания»") == "service"
+
+
+def test_attribute_header_fix_ours_after_lookalikes_for_inn():
+    # ИНН — цифровое поле шапки: двойник буквы рядом с цифрой (О вместо 0) исправляется §11.3 перед сравнением
+    assert attribute_header_fix("7000112233", "7OOO112233") == "ours"