synthgen: словарь без совпадений с реальными именами, усиленный тест, prefix в Member (#38)

Co-Authored-By: Claude Sonnet 5.5 <noreply@anthropic.com>

synthgen/dictionary/build.py

@@ -26,7 +26,7 @@ _SECTORS: dict[str, list[tuple[str, str]]] = {
     "торговля": [("Рынок", "m"), ("Склад", "m"), ("Лавка", "f"), ("Ярмарка", "f"), ("Базар", "m"),
                  ("Торг", "m"), ("Магазин", "m"), ("Прилавок", "m"), ("Пассаж", "m"), ("Товар", "m")],
     "логистика": [("Путь", "m"), ("Маршрут", "m"), ("Фургон", "m"), ("Трасса", "f"), ("Обоз", "m"),
-                  ("Тягач", "m"), ("Рейс", "m"), ("Перевал", "m"), ("Караван", "m"), ("Магистраль", "f")],
+                  ("Тягач", "m"), ("Рейс", "m"), ("Перевал", "m"), ("Караван", "m"), ("Эстакада", "f")],
     "производство": [("Завод", "m"), ("Цех", "m"), ("Станок", "m"), ("Мельница", "f"), ("Пекарня", "f"),
                      ("Кузница", "f"), ("Фабрика", "f"), ("Горн", "m"), ("Верфь", "f"), ("Мануфактура", "f")],
     "услуги": [("Сервис", "m"), ("Бюро", "n"), ("Центр", "m"), ("Консалт", "m"), ("Профи", "m"),
@@ -40,7 +40,7 @@ _BANK_WORDS = ["Банк", "Кредитный Банк", "Деловой Бан
 _SURNAMES = [
     "Авдонина", "Бражников", "Ветрова", "Голубев", "Дроздова", "Ермаков", "Жарова", "Зуев", "Игнатова", "Копылов",
     "Лаврова", "Мартынов", "Норина", "Овчаров", "Пименова", "Рябов", "Сорокина", "Тарасов", "Устинова", "Фролов",
-    "Хромова", "Цветков", "Чернова", "Шаров", "Щукина", "Юдин", "Яковлева", "Баранов", "Волкова", "Гусев",
+    "Хромова", "Цветаев", "Чернова", "Шаров", "Щукина", "Юдин", "Яковлева", "Баранов", "Волкова", "Гусев",
     "Денисова", "Елисеев", "Зайцева", "Исаев", "Калинина", "Леонов", "Маслова", "Назаров", "Орлова", "Панов",
 ]
 _INITIALS = ["Е.И.", "А.П.", "Н.С.", "В.Д.", "О.А.", "М.В.", "И.Н.", "С.К.", "Т.Р.", "Д.Л."]

synthgen/dictionary/companies.csv

@@ -145,19 +145,19 @@ name;form;inn;kpp;kind
 Заревная Арка ООО;ООО;0001001448;004401001;строительство
 Лазурный Амбар АО;АО;0001001455;004501001;агро
 Лазурный Товар ООО;ООО;0001001462;004601001;торговля
-Лазурная Магистраль ООО;ООО;0001001470;004701001;логистика
+Лазурная Эстакада ООО;ООО;0001001470;004701001;логистика
 Лазурная Мануфактура ООО;ООО;0001001487;004801001;производство
 Лазурный Приём ООО;ООО;0001001494;004901001;услуги
 Лазурный Мост АО;АО;0001001504;005001001;строительство
 Рубиновый Амбар ООО;ООО;0001001511;005101001;агро
 Рубиновый Товар ООО;ООО;0001001529;005201001;торговля
-Рубиновая Магистраль ПАО;ПАО;0001001536;005301001;логистика
+Рубиновая Эстакада ПАО;ПАО;0001001536;005301001;логистика
 Рубиновая Мануфактура ООО;ООО;0001001543;005401001;производство
 Рубиновый Приём АО;АО;0001001550;005501001;услуги
 Рубиновый Мост ООО;ООО;0001001568;005601001;строительство
 Лунный Амбар ООО;ООО;0001001575;005701001;агро
 Лунный Товар ООО;ООО;0001001582;005801001;торговля
-Лунная Магистраль ООО;ООО;0001001590;005901001;логистика
+Лунная Эстакада ООО;ООО;0001001590;005901001;логистика
 Лунная Мануфактура АО;АО;0001001600;006001001;производство
 Лунный Приём ООО;ООО;0001001617;006101001;услуги
 Лунный Мост ООО;ООО;0001001624;006201001;строительство
@@ -307,19 +307,19 @@ name;form;inn;kpp;kind
 Лунная Арка ПАО;ПАО;0001003068;000601001;строительство
 Янтарный Амбар ООО;ООО;0001003075;000701001;агро
 Янтарный Товар ООО;ООО;0001003082;000801001;торговля
-Янтарная Магистраль ООО;ООО;0001003090;000901001;логистика
+Янтарная Эстакада ООО;ООО;0001003090;000901001;логистика
 Янтарная Мануфактура АО;АО;0001003100;001001001;производство
 Янтарный Приём ООО;ООО;0001003117;001101001;услуги
 Янтарный Мост ООО;ООО;0001003124;001201001;строительство
 Серебряный Амбар ООО;ООО;0001003131;001301001;агро
 Серебряный Товар ООО;ООО;0001003149;001401001;торговля
-Серебряная Магистраль АО;АО;0001003156;001501001;логистика
+Серебряная Эстакада АО;АО;0001003156;001501001;логистика
 Серебряная Мануфактура ООО;ООО;0001003163;001601001;производство
 Серебряный Приём ООО;ООО;0001003170;001701001;услуги
 Серебряный Мост ООО;ООО;0001003188;001801001;строительство
 Северный Амбар ООО;ООО;0001003195;001901001;агро
 Северный Товар АО;АО;0001003205;002001001;торговля
-Северная Магистраль ООО;ООО;0001003212;002101001;логистика
+Северная Эстакада ООО;ООО;0001003212;002101001;логистика
 Северная Мануфактура ООО;ООО;0001003220;002201001;производство
 Северный Приём ПАО;ПАО;0001003237;002301001;услуги
 Северный Мост ООО;ООО;0001003244;002401001;строительство
@@ -350,7 +350,7 @@ name;form;inn;kpp;kind
 Устинова Т.Р. ИП;ИП;000010034915;;услуги
 Фролов Д.Л. ИП;ИП;000010035010;;торговля
 Хромова Е.И. ИП;ИП;000010035193;;логистика
-Цветков А.П. ИП;ИП;000010035267;;агро
+Цветаев А.П. ИП;ИП;000010035267;;агро
 Чернова Н.С. ИП;ИП;000010035330;;строительство
 Шаров В.Д. ИП;ИП;000010035404;;производство
 Щукина О.А. ИП;ИП;000010035588;;услуги

synthgen/group.py

@@ -15,6 +15,7 @@ _CENT = Decimal("0.01")
 @dataclass(frozen=True)
 class Member:
     code: str  # C01, C02, …
+    prefix: str  # префикс ГК
     org: Org  # запись словаря, давшая корень имени
     name: str  # АО "<prefix> <корень>"
     name_1c: str  # <prefix> <корень> АО — как 1С пишет контрагента
@@ -48,9 +49,7 @@ def member_kpp(i: int) -> str:
 
 def variant_spelling(member: Member) -> str:
     """Вариантное написание члена группы в ОСВ без ИНН: корень, префикс, форма без кавычек (решение 17)."""
-    root = member.org.root
-    prefix = member.name_1c[: -(len(root) + len(member.org.form) + 2)]
-    return f"{root} {prefix} {member.org.form}"
+    return f"{member.org.root} {member.prefix} {member.org.form}"
 
 
 def build_group(cfg: Config, orgs: list[Org]) -> Group:
@@ -80,6 +79,7 @@ def build_group(cfg: Config, orgs: list[Org]) -> Group:
         members.append(
             Member(
                 code=f"C{i:02d}",
+                prefix=cfg.prefix,
                 org=org,
                 name=f'{org.form} "{cfg.prefix} {org.root}"',
                 name_1c=f"{cfg.prefix} {org.root} {org.form}",

synthgen/tests/test_dictionary.py

@@ -7,16 +7,57 @@ import pytest
 from synthgen import dictionary, inn
 from synthgen.dictionary import build
 
-REAL_ECP = Path("/Users/andrey.epifancev/projects/awp-ca/fixtures/directories/ecp-export-russkiy-biskvit.xlsx")
-REAL_OSV_DIR = Path("/Users/andrey.epifancev/projects/awp-ca/fixtures/osv/rb/2024-Q1")
+FIXTURES = Path("/Users/andrey.epifancev/projects/awp-ca/fixtures")
+REAL_ECP = FIXTURES / "directories/ecp-export-russkiy-biskvit.xlsx"
+REAL_OSV_DIRS = [FIXTURES / "osv/rb", FIXTURES / "osv/schastl"]
 _FORMS = re.compile(r"\b(ООО|АО|ПАО|ЗАО|ОАО|ИП)\b", re.IGNORECASE)
+_PARENS = re.compile(r"\(.*?(\)|$)")
 
 
 def _norm(text: str) -> str:
+    """Имя без формы, скобочного хвоста, регистра, ё и пунктуации."""
+    text = _PARENS.sub(" ", text)
     text = _FORMS.sub(" ", text)
     return re.sub(r"[^0-9a-zа-яё]+", " ", text.lower().replace("ё", "е")).strip()
 
 
+def _real_names() -> tuple[set[str], int]:
+    """Нормализованные имена из ЕЦП и колонки A первых листов всех ОСВ; второе значение — число прочитанных файлов."""
+    names: set[str] = set()
+    files = 0
+    wb = openpyxl.load_workbook(REAL_ECP, read_only=True)
+    for ws in wb.worksheets:
+        rows = ws.iter_rows(values_only=True)
+        header = next(rows, None)
+        if not header or "Организация" not in header:
+            continue
+        col = list(header).index("Организация")
+        names.update(_norm(str(r[col])) for r in rows if r[col])
+    files += 1
+    for root_dir in REAL_OSV_DIRS:
+        for path in sorted(root_dir.rglob("*.xlsx")):
+            if path.name.startswith("~$") or path.name.startswith("chart-of-accounts"):
+                continue
+            wb = openpyxl.load_workbook(path, read_only=True)
+            ws = wb.worksheets[0]
+            names.update(_norm(str(r[0])) for r in ws.iter_rows(max_col=1, values_only=True) if r and r[0])
+            files += 1
+    names.discard("")
+    return names, files
+
+
+def _fio_keys(real: set[str]) -> set[str]:
+    """Из «фамилия имя отчество» — «фамилия и о» (как в словаре: `Цветков А.П.`)."""
+    keys = set()
+    for name in real:
+        tokens = name.split()
+        if len(tokens) == 3 and all(len(t) > 1 for t in tokens):
+            keys.add(f"{tokens[0]} {tokens[1][0]} {tokens[2][0]}")
+        elif len(tokens) == 3 and len(tokens[1]) == 1 and len(tokens[2]) == 1:
+            keys.add(name)
+    return keys
+
+
 def test_dictionary_size_and_kinds():
     orgs = dictionary.load()
     assert len(orgs) == 400
@@ -39,30 +80,21 @@ def test_dictionary_inn():
         assert 100001 <= number <= 109999
 
 
-def _real_names() -> set[str]:
-    names: set[str] = set()
-    wb = openpyxl.load_workbook(REAL_ECP, read_only=True)
-    for ws in wb.worksheets:
-        rows = ws.iter_rows(values_only=True)
-        header = next(rows, None)
-        if not header or "Организация" not in header:
-            continue
-        col = list(header).index("Организация")
-        names.update(_norm(str(r[col])) for r in rows if r[col])
-    for path in sorted(REAL_OSV_DIR.glob("*.xlsx")):
-        wb = openpyxl.load_workbook(path, read_only=True)
-        ws = wb.worksheets[0]
-        names.update(_norm(str(r[0])) for r in ws.iter_rows(max_col=1, values_only=True) if r and r[0])
-    names.discard("")
-    return names
-
-
 def test_dictionary_not_real():
-    if not REAL_ECP.exists() or not REAL_OSV_DIR.is_dir():
-        pytest.skip("нет реальных фикстур")
-    real = _real_names()
-    assert len(real) > 50
-    clash = [o.name for o in dictionary.load() if _norm(o.name) in real]
+    if not FIXTURES.is_dir():
+        pytest.skip("нет каталога fixtures основного checkout")
+    real, files = _real_names()
+    assert files > 10 and len(real) > 500, "реальные фикстуры прочитаны не полностью"
+    fio = _fio_keys(real)
+    padded = [f" {n} " for n in real]
+    clash = []
+    for o in dictionary.load():
+        key = _norm(o.name)
+        if o.form == "ИП":
+            if key in fio or key in real:
+                clash.append(o.name)
+        elif key in real or any(f" {_norm(o.root)} " in p for p in padded):
+            clash.append(o.name)
     assert clash == []