feat(normalizer): точка — тысячи при любом числе цифр до неё, если после неё ровно три (AURORA-1405, #37)

Решение владельца 16.10.2026 (R-3): шаблон точки [+-]?[1-9]\d*(\.\d{3})+ — «1 234.567», «1234.567», «12345.678», «(1 234.567)» -> тысячи. Дробная часть не из трёх цифр, ведущий ноль, смешанные записи — как раньше. Правило для запятой не расширено. Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
2026-10-16 13:35:31 +04:00 · 2026-10-16 13:35:31 +04:00 · dec3f5224f
commit dec3f5224f
parent 68ffc5bc24
5 changed files with 24 additions and 7 deletions
--- a/README.md
+++ b/README.md
@ -170,8 +170,10 @@ ack (с `attempt` повторного запроса); файл в ИС вто
  отбрасывал символов`.
 - **`Money` (решение №30).** Контракт допускает не больше двух знаков после запятой. Сумма с тремя и более знаками
  (`0,125`, `12,3456`; запятая-разделитель тысяч `4,200`/`1,234` — это 4200/1234, AURORA-1405, #35; точка так же: `4.200`/`837.994` — 4200/837994, #37) не принимается: `amount = null`, `string_value` — текст
-  ячейки, `is_recognized = false` (таблица получает `needs_check`, остальные ячейки и документ целы). Точка-разделитель тысяч — только строго через три цифры (`[+-]?[1-9]\d{0,2}(\.\d{3})+`, скобки на всю
-  строку; `4.200`, `(4.200)`, `1.234.567`), без потери `is_recognized`; `4.2`, `4.20` — дроби, `1.2345` — текст (№30).
+  ячейки, `is_recognized = false` (таблица получает `needs_check`, остальные ячейки и документ целы). Точка-разделитель тысяч — ровно три цифры после каждой точки, цифр до первой точки сколько угодно
+  (`[+-]?[1-9]\d*(\.\d{3})+`, скобки на всю строку; `4.200`, `(4.200)`, `1.234.567`, `1234.567`, `1 234.567`), без
+  потери `is_recognized`; `4.2`, `4.20`, `1234.56` — дроби, `1.2345` — текст (№30); для запятой правило прежнее
+  (`\d{0,2}` до первой запятой, `1234,567` — не тысячи).
  Смешанная сумма вида `1.234,56` (разделители обоих видов) разбирается как `123456` — все точки считаются разделителями тысяч (дословный перенос) —
  с `is_recognized = false`.
 - `confidence` ячеек и полей шапки приводится к диапазону 0–100, `NaN` и бесконечность дают 0 (`json.loads` принимает
--- a/api/src/normalizer/ocr/amounts.py
+++ b/api/src/normalizer/ocr/amounts.py
@ -3,7 +3,8 @@

 Что делает разбор: пробелы долой; 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`; scan-gateway#37);
+`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);
 это не отбрасывание символов, `verified` не страдает. Правило тысяч — решение владельца 15.10.2026 (AURORA-1405,
 scan-gateway#35; для точки — 16.10.2026, #37), см. docs/context/05-domain-rules.md §11.1 п. 7. Затем запятая → точка;
 если есть круглые скобки — берётся содержимое первой пары, и сумма
@ -29,7 +30,9 @@ _BRACKET_RE = re.compile(r"\(([^()]*)\)")
 _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)
-_DOT_THOUSANDS_RE = re.compile(r"[+-]?[1-9]\d{0,2}(?:\.\d{3})+")
+# Для точки — шире, чем для запятой (решение владельца 16.10.2026): ровно три цифры после каждой точки, число цифр до
+# первой точки любое («1234.567», «12345.678»); первая цифра ненулевая. Запятая остаётся строго `\d{0,2}`.
+_DOT_THOUSANDS_RE = re.compile(r"[+-]?[1-9]\d*(?:\.\d{3})+")


@dataclass(frozen=True)
@ -42,7 +45,7 @@ def parse_amount(raw: str) -> ParsedAmount:
    """Парсит сумму из распознанного текста OCR-ячейки.

    Убирает пробелы; если строка целиком (или пара скобок на всю строку — её содержимое) вида
-    `[+-]?[1-9]\\d{0,2}(,\\d{3})+` или `[+-]?[1-9]\\d{0,2}(\\.\\d{3})+` — удаляет запятые или точки (разделители
+    `[+-]?[1-9]\\d{0,2}(,\\d{3})+` или `[+-]?[1-9]\\d*(\\.\\d{3})+` — удаляет запятые или точки (разделители
    тысяч: `4,200`, `4.200` → 4200) без потери verified.
    Затем заменяет запятую на точку, извлекает содержимое круглых скобок
    (означает отрицательное число), удаляет непотребные символы; если точек больше одной — считает их разделителями
--- a/api/tests/unit/normalizer/test_amounts.py
+++ b/api/tests/unit/normalizer/test_amounts.py
@ -47,6 +47,8 @@ from src.normalizer.ocr.amounts import ParsedAmount, is_blank, parse_amount
        ("(4,200)(1,000)", Decimal("-4.200"), False),
        ("1,234(5,678)", Decimal("-5.678"), False),
        ("((4,200))", Decimal("-4.200"), True),
+        ("1234,567", Decimal("1234.567"), True),  # запятая НЕ расширена (R-7): четыре цифры до неё — не тысячи
+        ("1 234,567", Decimal("1234.567"), True),
        ("01,234", Decimal("1.234"), True),  # ведущий ноль — не тысячи
        ("4,2000", Decimal("4.2000"), True),
        ("1, 234", Decimal("1234"), True),  # пробелы убираются первыми
@ -60,6 +62,13 @@ from src.normalizer.ocr.amounts import ParsedAmount, is_blank, parse_amount
        ("1.234", Decimal("1234"), True),
        ("100.000", Decimal("100000"), True),
        ("1. 234", Decimal("1234"), True),  # пробелы убираются первыми
+        # ровно три цифры после точки — тысячи независимо от числа цифр до неё (R-3, решение владельца 16.10.2026)
+        ("1 234.567", Decimal("1234567"), True),
+        ("1234.567", Decimal("1234567"), True),
+        ("12345.678", Decimal("12345678"), True),
+        ("(1 234.567)", Decimal("-1234567"), True),
+        ("-1234.567", Decimal("-1234567"), True),
+        ("1234.567.890", Decimal("1234567890"), True),
        # не тысячи: не три цифры после точки — десятичная дробь, как раньше
        ("4.2", Decimal("4.2"), True),
        ("4.20", Decimal("4.20"), True),
@ -67,7 +76,8 @@ from src.normalizer.ocr.amounts import ParsedAmount, is_blank, parse_amount
        ("1.2345", Decimal("1.2345"), True),
        ("0.125", Decimal("0.125"), True),  # ведущий ноль — не тысячи
        ("01.234", Decimal("1.234"), True),
-        ("1234.567", Decimal("1234.567"), True),  # четыре цифры до точки — не группа тысяч
+        ("1234.56", Decimal("1234.56"), True),  # дробная часть не из трёх цифр — дробь
+        ("1234.5678", Decimal("1234.5678"), True),
        # смешанные разделители и прочий мусор — правило не применяется (R-1): прежний разбор
        ("1.234,567", Decimal("1234567"), False),
        ("1,234.567", Decimal("1234567"), False),
--- a/api/tests/unit/normalizer/test_document.py
+++ b/api/tests/unit/normalizer/test_document.py
@ -499,6 +499,8 @@ class TestMoneyPrecision:
            ("837.994", Decimal("837994")),
            ("(4.200)", Decimal("-4200")),
            ("1.234.567", Decimal("1234567")),
+            ("1234.567", Decimal("1234567")),
+            ("1 234.567", Decimal("1234567")),
        ],
    )
    def test_thousands_dot_gives_amount(self, text: str, amount: Decimal) -> None:
--- a/openspec/specs/image-recognition-gateway/spec.md
+++ b/openspec/specs/image-recognition-gateway/spec.md
@ -238,7 +238,7 @@ SHALL отражать состояние.
  имени, иначе `confidence` ячейки наименования.
 - `values` — по одному на колонку документа (по позиции; если раскладка строки после повторной шапки даёт иное число колонок —
  недостающие значения как «ячейки нет», лишние отбрасываются, одно предупреждение на таблицу «повторная шапка изменила
-  число колонок значений», решение №21; таблица без колонок значений — предупреждение «нет колонок значений», №25): `amount` — `parse_amount` (запятая-разделитель тысяч (`4,200`, `1,234` → 4200, 1234; AURORA-1405, #35; так же точка строго через три цифры: `4.200`, `837.994` → 4200, 837994, #37) удаляется, запятая → точка, скобки → минус, пробелы и прочие символы
+  число колонок значений», решение №21; таблица без колонок значений — предупреждение «нет колонок значений», №25): `amount` — `parse_amount` (запятая-разделитель тысяч (`4,200`, `1,234` → 4200, 1234; AURORA-1405, #35; так же точка, после которой ровно три цифры, при любом числе цифр до неё: `4.200`, `837.994`, `1234.567` → 4200, 837994, 1234567, #37) удаляется, запятая → точка, скобки → минус, пробелы и прочие символы
  отбрасываются, несколько точек — разделители тысяч; прочерк/пусто → `null`; сумма с более чем двумя знаками после запятой (`0,125`) не помещается в `Money` контракта — `amount = null`,
  `string_value` — текст ячейки, `is_recognized = false`, решение №30); `string_value` — текст ячейки как
  распознан (`\n`/`\t` → пробел, края обрезаны) **только если `amount = null`** и текст не прочерк (DBML: «как распознано,