fix(normalizer): строка нумерации колонок — часть шапки, пробел внутри суммы не тысячи не верифицируется (AURORA-1517, 1511, 1519, #39)

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01BJKMLHdxMwSUeYcdkwqX4W

api/src/normalizer/ocr/amounts.py

@@ -1,7 +1,9 @@
 """Суммы из OCR-ячеек (§11.1 п. 7). Перенос `_parse_amount`, `_is_blank` и регулярок старого ядра с одним отличием —
 порядком вычисления `verified` (решение №13 design.md, см. комментарий в `parse_amount`).
 
-Что делает разбор: пробелы долой; если текст целиком (а при скобках на всю строку — их содержимое) имеет вид
+Что делает разбор: пробелы долой (но пробел между цифрами вне схемы тысяч `1 234`, `12 345 678` — догадка, `verified`
+сбрасывается: «42831 1» → 428311, не чистое; AURORA-1511/1519);
+если текст целиком (а при скобках на всю строку — их содержимое) имеет вид
 `[+-]?[1-9]\\d{0,2}(,\\d{3})+`, запятые — разделители тысяч и удаляются (`4,200` → `4200`, `(4,200)` → `-4200`,
 `1,234,567` → `1234567`); то же для точек (`4.200`, `837.994`, `(4.200)`, `1.234.567`, а также `1234.567` →
 `1234567`: ровно три цифры после точки, цифр до неё сколько угодно; scan-gateway#37);
@@ -27,6 +29,10 @@ _ALLOWED_RE = re.compile(r"[^\d+\-.]")
 _BRACKET_RE = re.compile(r"\(([^()]*)\)")
 # запятая-разделитель тысяч (AURORA-1405, scan-gateway#35): «4,200», «-1,234,567»; только если строка целиком
 # (или содержимое пары скобок, занимающей всю строку) совпала; «(4,200) руб», «1,234(5,678)» — прежний разбор
+# пробел между цифрами (AURORA-1511/1519, «42831 1»): допустим только как разделитель тысяч — первая группа 1–3 цифры,
+# дальше ровно по три; любой другой — догадка, сумма собирается из цифр, но verified = False
+_DIGIT_SPACE_RUN_RE = re.compile(r"\d+(?:\s+\d+)+")
+_SPACE_THOUSANDS_RE = re.compile(r"\d{1,3}(?:\s\d{3})+")
 _THOUSANDS_RE = re.compile(r"[+-]?[1-9]\d{0,2}(?:,\d{3})+")
 # то же для точки (AURORA-1405, scan-gateway#37): ИС Сканирование иногда возвращает «4.200», «837.994»; смешанные
 # «1.234,56» / «1,234.56» не подходят ни под одну из двух регулярок (разделитель один и тот же по всей строке)
@@ -54,6 +60,7 @@ def parse_amount(raw: str) -> ParsedAmount:
     verified=True только если в исходной строке не пришлось отбрасывать символы
     (после удаления скобок).
     """
+    spaces_ok = all(_SPACE_THOUSANDS_RE.fullmatch(run.group(0)) for run in _DIGIT_SPACE_RUN_RE.finditer(raw.strip()))
     s = raw.strip().replace(" ", "")
     inner = _BRACKET_RE.search(s)
     core = inner.group(1) if inner and inner.group(0) == s else s
@@ -79,9 +86,9 @@ def parse_amount(raw: str) -> ParsedAmount:
     if bracketed:
         s = "-" + s.lstrip("+-")
     try:
-        return ParsedAmount(Decimal(s), verified)
+        return ParsedAmount(Decimal(s), verified and spaces_ok)
     except (InvalidOperation, ValueError):
-        return ParsedAmount(None, verified)
+        return ParsedAmount(None, verified and spaces_ok)
 
 
 def is_blank(text: str) -> bool:

api/src/normalizer/ocr/rows.py

@@ -3,6 +3,7 @@
 выводится по данным и шапка синтезируется; строки до первой шапки — по выведенной раскладке. Расхождение с источником —
 склеенные строки ИС (`1500\n1700`) разлепляются до классификации (OQ-156, решение владельца 08.10.2026)."""
 
+import re
 from collections.abc import Collection, Mapping, Sequence
 from dataclasses import dataclass
 from enum import StrEnum
@@ -16,6 +17,7 @@ __all__ = [
     "ParsedTable",
     "RowKind",
     "classify_row",
+    "is_numbering_row",
     "parse_table_rows",
     "split_merged_row",
     "table_type_by_codes",
@@ -71,6 +73,20 @@ def classify_row(cells: Cells, layout: ColumnLayout) -> RowKind | None:
     return RowKind.ROW
 
 
+_NUMBERING_CELL_RE = re.compile(r"\d{1,2}")
+_MIN_NUMBERING_CELLS = 3
+
+
+def is_numbering_row(cells: Cells) -> bool:
+    """AURORA-1517: строка нумерации колонок «1 2 3 4 5» под шапкой — часть заголовка. Все непустые ячейки — короткие
+    (1–2 цифры) целые строго по возрастанию, ячеек не меньше трёх (как `is_numbering_row` в tabular-parser)."""
+    texts = [cell.value.strip() for _, cell in sorted(cells.items()) if cell.value.strip()]
+    if len(texts) < _MIN_NUMBERING_CELLS or not all(_NUMBERING_CELL_RE.fullmatch(t) for t in texts):
+        return False
+    numbers = [int(t) for t in texts]
+    return all(a < b for a, b in zip(numbers, numbers[1:], strict=False))
+
+
 def _data_row(cells: Cells, layout: ColumnLayout, ordinal: int) -> ParsedRow | None:
     kind = classify_row(cells, layout)
     if kind is None or kind is RowKind.HEADER:
@@ -119,6 +135,8 @@ def split_merged_row(cells: Cells, layout: ColumnLayout) -> list[Cells] | None:
 
 def _data_rows(cells: Cells, layout: ColumnLayout, ordinal: int, skipped: _Skipped) -> list[ParsedRow]:
     """Строки данных из одной строки OCR: склеенная разлепляется (OQ-156), отброшенная — учитывается в `skipped`."""
+    if is_numbering_row(cells):  # часть заголовка: в данные не попадает и в счётчики отброшенного не идёт
+        return []
     split = split_merged_row(cells, layout)
     if split is not None:
         skipped.split_merged_codes += 1

api/tests/unit/normalizer/test_amounts.py

@@ -88,6 +88,18 @@ from src.normalizer.ocr.amounts import ParsedAmount, is_blank, parse_amount
         ("abc(4.200)", Decimal("-4.200"), False),
         ("(4.200)(1.000)", Decimal("-4.200"), False),
         ("1.234(5.678)", Decimal("-5.678"), False),
+        # пробел внутри суммы допустим только как разделитель тысяч (AURORA-1511/1519): иначе догадка, verified=False
+        ("42831 1", Decimal("428311"), False),
+        ("1 2", Decimal("12"), False),
+        ("1234 567", Decimal("1234567"), False),
+        ("12 34", Decimal("1234"), False),
+        ("1 2345", Decimal("12345"), False),
+        ("(42831 1)", Decimal("-428311"), False),
+        ("1 234,5 6", Decimal("1234.56"), False),
+        ("12 345 678", Decimal("12345678"), True),
+        ("(12 345)", Decimal("-12345"), True),
+        ("-1 234", Decimal("-1234"), True),
+        ("123 456", Decimal("123456"), True),
         # №13: скобки без содержимого — не сумма, но и не «неразобранный текст»
         ("()", None, True),
         ("( )", None, True),

api/tests/unit/normalizer/test_rows.py

@@ -10,6 +10,7 @@ from src.normalizer.ocr.rows import (
     ParsedTable,
     RowKind,
     classify_row,
+    is_numbering_row,
     parse_table_rows,
     table_type_by_codes,
     table_type_by_unanimous_codes,
@@ -71,6 +72,41 @@ class TestParseTableRows:
         assert parsed.rows[0].layout == ColumnLayout(label_idx=0, code_idx=1, value_idxs=(2, 4))
         assert parsed.rows[1].ordinal == 1
 
+    def test_numbering_row_is_not_data(self) -> None:
+        """AURORA-1517: строка «1 2 3 4 5» под шапкой — часть заголовка, не строка данных с кодом «3»."""
+        rows = [
+            HEADER,
+            _row(1, (0, "1", 100), (1, "2", 100), (2, "3", 100), (4, "4", 100)),
+            _row(2, (0, "Выручка", 100), (1, "2110", 100), (2, "13 070", 100), (4, "", 100)),
+        ]
+        parsed = parse_table_rows(rows, KNOWN)
+        assert parsed is not None
+        assert [r.kind for r in parsed.rows] == [RowKind.HEADER, RowKind.ROW]
+        assert parsed.rows[1].ordinal == 2
+        assert parsed.skipped_non_numeric_code == 0 and parsed.skipped_no_code_with_amounts == 0
+
+    def test_numbering_row_with_empty_cells(self) -> None:
+        rows = [
+            HEADER,
+            _row(1, (0, "1", 100), (1, "2", 100), (2, "3", 100), (3, "", 100), (4, "5", 100)),
+            _row(2, (0, "Выручка", 100), (1, "2110", 100), (2, "13 070", 100)),
+        ]
+        parsed = parse_table_rows(rows, KNOWN)
+        assert parsed is not None and [r.kind for r in parsed.rows] == [RowKind.HEADER, RowKind.ROW]
+
+    @pytest.mark.parametrize(
+        "values",
+        [
+            ("1", "2"),  # меньше трёх ячеек
+            ("5", "3", "4"),  # не по возрастанию
+            ("1", "2", "2"),
+            ("1105", "2", "3"),  # не короткие
+            ("Выручка", "2110", "5"),
+        ],
+    )
+    def test_not_numbering_row(self, values: tuple[str, ...]) -> None:
+        assert not is_numbering_row(cells_by_index(_row(1, *((i, v, 100) for i, v in enumerate(values)))))
+
     def test_second_header_overrides_layout(self) -> None:
         """Review Focus 1: после повторной шапки с другим набором колонок строки идут по новой раскладке."""
         rows = [