arm-ka-fixtures/osv/synthetic

osv/synthetic — синтетические ОСВ

Синтетика для форматов шапки, иерархии и колонок, которых нет в реальных файлах osv/{rb,schastl}/. Данных реальных организаций здесь нет: организация «ООО "Тестовая организация"», контрагенты «ООО Альфа», «ООО Бета» и т. п., ИНН вымышленные. Файлы — вход парсера ОСВ (tabular-parser), а не эталон: ожидания по каждому файлу выведены из спеки (openspec/changes/slice-2a-osv-parser/specs/osv-parsing/spec.md) и лежат в тесте tabular-parser/api/tests/synthetic/test_synthetic_files.py.

Суммы согласованы арифметически (сальдо на конец = начало + обороты, родитель = сумма детей по колонкам), поэтому все файлы, кроме s10, сходятся по контрольным суммам §1.4 и дают статус done.

Генерация

Файлы собирает детерминированный генератор (openpyxl + минимальный писатель BIFF12 для xlsb); повторный запуск даёт те же байты (метки времени книги и zip зафиксированы):

cd tabular-parser/api
.venv/bin/python -m tests.synthetic.generate ../../fixtures/osv/synthetic

Правка набора — в tabular-parser/api/tests/synthetic/generate.py, затем перегенерация и коммит файлов здесь.

Набор

Файл	Что проверяет	Ожидание
s01_variant2_header.xlsx	шапка варианта 2: «Период: …», «Детализация по субсчетам, субконто: Контрагенты, Договоры», заголовок «Субконто»; данные «Сумма»	header_variant=2, group_schema=[ACCOUNT, COUNTERPARTY, CONTRACT], Q1/2026, data_type=SUM, hierarchy=outline
s02_no_outline_indent.xlsx	уровни только отступами ячеек (без outline level); Валюта БУ, НУ: руб.; период «2 квартал 2025 г.»	hierarchy=indent, дерево 0/1/2
s03_no_outline_no_indent.xlsx	ни outline, ни отступов: уровни по кодам счетов и жирности; период «I кв. 2025 г.» (римский квартал)	hierarchy=account_pattern, дерево как у s02
s04_currency_quantity_rows.xlsx	под контрагентом строки «USD», «Кол.» (и «Вал.» у другого)	data_type CURRENCY/QUANTITY, в проверку суммы детей не входят, done
s05_text_numbers.xlsx	суммы текстом: «1 234 567,89», «(1 234,00)», «—»; неразрывные и узкие пробелы, прочерки «–», «-»; период «полугодие 2025 г.»	1234567.89, -1234.00, null
s06_two_osv_and_other_sheet.xlsx	листы «ОСВ 60», «Справка», «ОСВ 62»	два документа в порядке листов, предупреждение о пропуске «Справка»
s07_no_opening_collapsed_closing.xlsx	нет группы «Сальдо на начало»; сальдо на конец — одна колонка со знаком; период «9 месяцев 2025 г.»	opening_* = null, отрицательное сальдо — в closing_credit, предупреждение о свёрнутом сальдо
s08_extra_kpp_column.xlsx	колонка «КПП» между «ИНН» и суммами; период «с 01.01.2025 по 31.03.2025»	extra["КПП"] у контрагентов, суммы не сдвинуты
s09_subaccount_names.xlsx	«60.01, Расчеты с поставщиками и подрядчиками», буквенный субсчёт «60.АВ, …»	ACCOUNT, account_code_raw без названия, row_value — исходный текст
s10_broken_sum.xlsx	у «ООО Бета» closing_debit увеличен на 1	needs_check, нарушение тождества — строка контрагента, суммы родителя — строка «60.01»
s11_header_repeat.xlsx	заголовок таблицы повторяется внутри данных (печать по страницам); период «12 месяцев 2025 г.»	строки заголовка пропущены, дерево и суммы не нарушены
s12_statement_and_osv.xlsx	лист ББ («Бухгалтерский баланс», 0710001) и лист «ОСВ 60»; данные «НУ», период «январь - сентябрь 2025 г.»	один документ, предупреждение «skipped: statement»
s13_no_outline_indent.xlsb	та же ведомость, что s02, в формате xlsb; отступ — ведущими пробелами текста	результат равен s02 кроме предупреждения «xlsb: outline level недоступен»
s14_statement_forms.xlsx	три листа форм, каждый опознаётся одним признаком: «Форма по ОКУД 0710001», «Отчет о финансовых результатах», «Форма по ОКУД 0710002»; лист «ОСВ 60»	один документ, три предупреждения «skipped: statement»
s15_group_title_synonyms.xlsx	названия групп сумм: лист «ОСВ 60» — «Входящее сальдо»/«Конечное сальдо», лист «ОСВ 62» — «Начальное сальдо»/«Исходящее сальдо»	два документа, все шесть колонок сумм найдены, done
s16_header_synonyms.xlsx	лист «ОСВ 60»: нет названия организации, период «2024», валюта «RUB (код 643)», «Счет» и «Контрагенты» отдельными строками под «Дебет/Кредит»; лист «ОСВ 62» (вариант 2): «Детализация по субсчетам: Номенклатура, Статьи затрат, Нематериальные активы, Валюта»	organization_name="" + предупреждение, Q4/2024, currency=RUB, схема листа 62 — ACCOUNT + четыре OTHER
s17_inn_in_name.xlsx	колонки ИНН нет, ИНН записан в текст названия контрагента: «ООО Альфа, 7701234567», «ООО Бета (ИНН 7707654321)», «ООО Гамма ИНН: 5001234567», «ИП Сидоров 500100732259» (OQ-100)	counterparty_inn — цифры, counterparty_name — без ИНН и разделителя, row_value не меняется; физлицо без ИНН — null; done
s18_inn_row_above.xlsx	у «ООО Альфа» и «ООО Гамма» ИНН стоит отдельной строкой над названием (без сумм, тот же уровень), колонки ИНН нет (OQ-130)	строка с ИНН в rows не попадает и не уходит в OTHER; ИНН — у контрагента, предупреждение «ИНН … над строкой … отнесён к ней»; done
s19_inn_kpp_cell.xlsx	колонка «ИНН/КПП»: в ячейках склеенное «7701234567/770101001» (OQ-100)	counterparty_inn — только ИНН; колонка распознана как колонка ИНН; done

s17–s19 — регрессия извлечения ИНН из текста (issue #9). s14–s16 добавлены тестом покрытия словарей tabular-parser (rules/*.yaml, решение R-22): каждая запись словаря должна сработать на реальных или синтетических файлах; эти файлы закрывают записи, которых нет в реальных ОСВ.

О файле xlsb

s13_no_outline_indent.xlsb собран не Excel и не LibreOffice (их на машине разработки нет), а минимальным писателем BIFF12 tabular-parser/api/tests/synthetic/xlsb_writer.py: он пишет только то, что читает pyxlsb (workbook, таблица общих строк, лист; без стилей и объединений). Файл читается pyxlsb и парсером, но совместимость с Excel не проверялась и этот файл не доказывает чтение xlsb, сохранённого Excel (другая раскладка записей, стили, BrtCellSt и т. д.). Когда появится возможность — заменить s13 настоящим: открыть s02_no_outline_indent.xlsx в Excel или LibreOffice, «Сохранить как» → Книга Excel двоичная (.xlsb), имя s13_no_outline_indent.xlsb; в xlsb нет outline level и форматирования ячеек, отступ нужно продублировать ведущими пробелами в колонке текста до сохранения.