feat(statements): шапка формы по меткам — организация, ИНН не аудитора, дата, единицы, ОКПО/ОКОПФ/ОКФС, адрес

Реализация Task 9: parse_header() извлекает значения полей из шапки документа ББ/ОФР
по меткам словаря Rules.statement_headers с особыми правилами:
- ИНН ниже блока аудитора пропускается (Review Focus)
- Организация ищется после метки, при пустом значении — выше с признаком ОПФ
- Дата из подзаголовка формы или тройки число/месяц/год
- Единицы, адрес, ОКПО, ОКОПФ/ОКФС по меткам; все найденные поля получают confidence=100
- При отсутствии продолжения блока метка берётся как form_name, остальные поля None

Тесты: 6 базовых сценариев + test_inn_skips_auditor_block (обязательный).

Refs #14

Co-Authored-By: Claude Haiku 4.5 <noreply@anthropic.com>
Claude-Session: cedd7915-2efe-41e5-988c-a9117033598b

api/src/parser/statements/header.py

@@ -0,0 +1,175 @@
+"""Шапка формы по меткам словаря (design D-5): значение — правее метки в той же строке, иначе в следующей строке.
+
+Особые правила: ИНН ниже метки «аудитор» не берётся; организация — после «Организация», а при пустом значении —
+ближайшая строка выше с признаком ОПФ (НПЗ); дата — из подзаголовка формы («на <дата>», «за <период>») либо из тройки
+«число | месяц | год»; единицы — текст как в файле. Найденные поля получают `*_confidence = 100`.
+"""
+
+import datetime
+import re
+from collections.abc import Iterator
+
+from src.contract.result import StatementHeader
+from src.parser.grid import Sheet
+from src.parser.numbers import inn_digits
+from src.parser.rules import Rules, StatementLabel
+from src.parser.statements.columns import cell_label
+from src.parser.statements.detect import FormBlock
+
+__all__ = ["parse_header"]
+
+_FULL_CONFIDENCE = 100
+_DIGITS = re.compile(r"\d+")
+NO_ORGANIZATION_WARNING = "в шапке не найдена организация"
+NO_UNITS_WARNING = "в шапке не найдена единица измерения"
+
+
+def _cells(sheet: Sheet, first_row: int, last_row: int) -> Iterator[tuple[int, int, str]]:
+    for row in range(first_row, last_row + 1):
+        for col, _ in sheet.row_cells(row):
+            yield row, col, cell_label(sheet, row, col)
+
+
+def _right(sheet: Sheet, row: int, col: int) -> list[tuple[int, str]]:
+    return [(c, cell_label(sheet, row, c)) for c, _ in sheet.row_cells(row) if c > col]
+
+
+def _value_right_or_below(sheet: Sheet, row: int, col: int, last_row: int) -> str | None:
+    right = _right(sheet, row, col)
+    if right:
+        return right[0][1]
+    if row + 1 <= last_row:
+        below = [(c, cell_label(sheet, row + 1, c)) for c, _ in sheet.row_cells(row + 1)]
+        if below:
+            return below[0][1]
+    return None
+
+
+def _label_rows(
+    sheet: Sheet, rules: Rules, key: StatementLabel, first_row: int, last_row: int
+) -> list[tuple[int, int, str]]:
+    return [
+        (row, col, text)
+        for row, col, text in _cells(sheet, first_row, last_row)
+        if rules.statement_headers.label(key, text)
+    ]
+
+
+def _auditor_from(sheet: Sheet, rules: Rules, first_row: int, last_row: int) -> int:
+    """Первая строка блока аудитора; ниже неё ИНН/названия — не организации."""
+    rows = [
+        row for row, _, text in _cells(sheet, first_row, last_row) if rules.statement_headers.is_auditor_label(text)
+    ]
+    return min(rows) if rows else last_row + 1
+
+
+def _organization(sheet: Sheet, rules: Rules, first_row: int, last_row: int, auditor_from: int) -> str | None:
+    for row, col, _ in _label_rows(sheet, rules, "organization", first_row, min(last_row, auditor_from - 1)):
+        value = _value_right_or_below(sheet, row, col, last_row)
+        if value and not rules.statement_headers.label("okpo", value) and not value.isdigit():
+            return value
+        for above in range(row - 1, first_row - 1, -1):
+            texts = [text for _, _, text in _cells(sheet, above, above)]
+            if any(rules.statement_headers.has_legal_form(text) for text in texts):
+                return next(text for text in texts if rules.statement_headers.has_legal_form(text))
+    return None
+
+
+def _inn(sheet: Sheet, rules: Rules, first_row: int, last_row: int, auditor_from: int) -> str | None:
+    for row, col, _ in _label_rows(sheet, rules, "inn", first_row, min(last_row, auditor_from - 1)):
+        for c, _ in _right(sheet, row, col):
+            digits = inn_digits(sheet.cell(row, c))
+            if digits is not None:
+                return digits
+    return None
+
+
+def _labelled(sheet: Sheet, rules: Rules, key: StatementLabel, first_row: int, last_row: int) -> str | None:
+    for row, col, _ in _label_rows(sheet, rules, key, first_row, last_row):
+        value = _value_right_or_below(sheet, row, col, last_row)
+        if value:
+            return value
+    return None
+
+
+def _okopf_okfs(sheet: Sheet, rules: Rules, first_row: int, last_row: int) -> tuple[str | None, str | None]:
+    """«по ОКОПФ / ОКФС» с двумя числами правее (в той же или предыдущей строке — у 1С коды стоят строкой выше)."""
+    for row, col, _ in _label_rows(sheet, rules, "okopf_okfs", first_row, last_row):
+        for candidate in (row, row - 1):
+            numbers = [text for _, text in _right(sheet, candidate, col) if _DIGITS.fullmatch(text)]
+            if len(numbers) >= 2:  # noqa: PLR2004 - пара кодов
+                return numbers[0], numbers[1]
+            if len(numbers) == 1:
+                return numbers[0], None
+    return _labelled(sheet, rules, "okopf", first_row, last_row), _labelled(sheet, rules, "okfs", first_row, last_row)
+
+
+def _units(sheet: Sheet, rules: Rules, first_row: int, last_row: int) -> str | None:
+    for row, col, _ in _label_rows(sheet, rules, "units", first_row, last_row):
+        for _, text in _right(sheet, row, col):
+            if not rules.statement_headers.label("okei", text) and not text.isdigit():
+                return text
+    return None
+
+
+def _report_date(
+    sheet: Sheet, rules: Rules, block: FormBlock, first_row: int, last_row: int
+) -> tuple[str | None, "datetime.date | None"]:
+    periods = rules.statement_periods
+    if block.title_row is not None and block.title_row + 1 <= last_row:
+        # Подзаголовок — только следующая строка за заголовком формы
+        # («на 31 декабря 2024 г.», «за 9 месяцев 2025 г.»);
+        # глубже лежат «Форма по ОКУД» и тройка даты, где голый «2025» принялся бы за период
+        for _, _, text in _cells(sheet, block.title_row + 1, block.title_row + 1):
+            end = periods.period_end(text)
+            if end is not None:
+                return text, end
+    for row, col, _ in _label_rows(sheet, rules, "date", first_row, last_row):
+        parts = [text for _, text in _right(sheet, row, col)]
+        if len(parts) >= 3:  # noqa: PLR2004 - число, месяц, год
+            found = periods.date_triple(parts[0], parts[1], parts[2])
+            if found is not None:
+                return None, found
+    return None, None
+
+
+def parse_header(
+    sheet: Sheet, rules: Rules, first_row: int, last_row: int, block: FormBlock | None
+) -> tuple[StatementHeader, list[str]]:
+    if block is None:
+        marker = next(
+            (
+                text
+                for _, _, text in _cells(sheet, first_row, last_row)
+                if rules.statement_headers.is_continuation(text)
+            ),
+            None,
+        )
+        return StatementHeader(form_name=marker), []
+    auditor_from = _auditor_from(sheet, rules, first_row, last_row)
+    organization = _organization(sheet, rules, first_row, last_row, auditor_from)
+    inn = _inn(sheet, rules, first_row, last_row, auditor_from)
+    okopf, okfs = _okopf_okfs(sheet, rules, first_row, last_row)
+    units = _units(sheet, rules, first_row, last_row)
+    date_text, report_date = _report_date(sheet, rules, block, first_row, last_row)
+    warnings: list[str] = []
+    if organization is None:
+        warnings.append(NO_ORGANIZATION_WARNING)
+    if units is None:
+        warnings.append(NO_UNITS_WARNING)
+    header = StatementHeader(
+        form_name=block.form_name,
+        organization_name=organization,
+        organization_name_confidence=_FULL_CONFIDENCE if organization else None,
+        inn=inn,
+        inn_confidence=_FULL_CONFIDENCE if inn else None,
+        report_date_text=date_text,
+        report_date=report_date,
+        units=units,
+        okud=block.okud,
+        okpo=_labelled(sheet, rules, "okpo", first_row, last_row),
+        okopf=okopf,
+        okfs=okfs,
+        address=_labelled(sheet, rules, "address", first_row, min(last_row, auditor_from - 1)),
+    )
+    return header, warnings

api/tests/unit/parser/statements/test_header.py

@@ -0,0 +1,165 @@
+"""Шапка формы по меткам (design D-5; spec «Шапка документа»)."""
+
+import datetime
+
+import pytest
+from gridbuilder import at, sheet_from_rows
+
+from src.parser.rules import Rules, load_rules
+from src.parser.statements.detect import find_forms
+from src.parser.statements.header import _FULL_CONFIDENCE, parse_header
+
+
+@pytest.fixture(scope="module")
+def rules() -> Rules:
+    return load_rules()
+
+
+ONE_C = [
+    [*at({9: "Бухгалтерский баланс"})],
+    [*at({9: "на 31 декабря 2024 г."})],
+    [*at({34: "Коды"})],
+    [*at({33: "Форма по ОКУД", 34: "0710001"})],
+    [*at({33: "Дата (число, месяц, год)", 34: "31", 37: "12", 40: "2024"})],
+    [*at({2: "Организация", 4: 'Акционерное общество "Унагранде Компани"', 33: "по ОКПО", 34: "47888105"})],
+    [*at({2: "Идентификационный номер налогоплательщика", 33: "ИНН", 34: "3249004697"})],
+    [
+        *at(
+            {
+                2: "Вид экономической\nдеятельности",
+                7: "Производство сыра",
+                30: "по\nОКВЭД 2",
+                34: "10.51.3",
+            }
+        )
+    ],
+    [*at({2: "Организационно-правовая форма / форма собственности", 34: "12267", 39: "16"})],
+    [*at({2: "Непубличные акционерные общества", 14: "  /", 15: "Частная собственность", 33: "по ОКОПФ / ОКФС"})],
+    [*at({2: "Единица измерения:", 7: "в тыс. рублей", 33: "по ОКЕИ", 34: "384"})],
+    [*at({2: "Местонахождение (адрес)"})],
+    [*at({2: "242440, Брянская обл, г Севск, ул Ленина, д. 130"})],
+    [*at({2: "Наименование аудиторской организации"})],
+    [*at({2: 'АО "ЮНИКОН"'})],
+    [*at({2: "Идентификационный номер налогоплательщика аудиторской организации", 33: "ИНН", 34: "7716021332"})],
+    [*at({3: "Пояснения", 5: "Наименование показателя", 22: "Код", 25: "На 31 декабря 2024 г."})],
+    [*at({5: "Нематериальные активы", 22: "1110", 25: 1})],
+]
+
+
+def _block(sheet, rules):  # type: ignore[no-untyped-def]
+    return find_forms(sheet, rules)[0][0]
+
+
+def test_one_c_header(rules: Rules) -> None:
+    sheet = sheet_from_rows(ONE_C)
+
+    header, warnings = parse_header(sheet, rules, 1, 16, _block(sheet, rules))
+
+    assert header.form_name == "Бухгалтерский баланс" and header.okud == "0710001"
+    assert header.organization_name == 'Акционерное общество "Унагранде Компани"'
+    assert header.inn == "3249004697"  # Review Focus 2: не ИНН аудитора
+    assert header.okpo == "47888105"
+    assert header.okopf == "12267" and header.okfs == "16"
+    assert header.units == "в тыс. рублей"
+    assert header.report_date_text == "на 31 декабря 2024 г." and header.report_date == datetime.date(2024, 12, 31)
+    assert header.address == "242440, Брянская обл, г Севск, ул Ленина, д. 130"
+    assert header.organization_name_confidence == _FULL_CONFIDENCE and header.inn_confidence == _FULL_CONFIDENCE
+    assert warnings == []
+
+
+def test_organization_above_label_and_income_period(rules: Rules) -> None:
+    sheet = sheet_from_rows(
+        [
+            [*at({3: "Отчет о финансовых результатах"})],
+            [*at({3: "за январь - сентябрь 2025 г."})],
+            [*at({13: "Форма по ОКУД", 14: "0710002"})],
+            [*at({7: "Отчетная дата\n(число, месяц, год)", 14: "30", 15: "09", 16: "2025"})],
+            [*at({7: 'ООО "НОВОРОССИЙСКИЙ ПРОКАТНЫЙ ЗАВОД"'})],
+            [*at({3: "Организация:", 13: "по ОКПО", 14: "16098811"})],
+            [*at({3: "Единица измерения", 8: "тыс. руб.", 13: "по ОКЕИ", 14: "384"})],
+            [
+                *at(
+                    {
+                        3: "Пояснения",
+                        5: "Наименование показателя",
+                        10: "Код",
+                        11: "За январь - сентябрь 2025 г.",
+                    }
+                )
+            ],
+        ]
+    )
+
+    header, _ = parse_header(sheet, rules, 1, 7, _block(sheet, rules))
+
+    assert header.organization_name == 'ООО "НОВОРОССИЙСКИЙ ПРОКАТНЫЙ ЗАВОД"'
+    assert header.inn is None
+    assert header.okpo == "16098811"
+    assert header.units == "тыс. руб."
+    assert header.report_date == datetime.date(2025, 9, 30)
+    assert header.report_date_text == "за январь - сентябрь 2025 г."
+
+
+def test_date_from_numeric_triple_and_name_below_label(rules: Rules) -> None:
+    sheet = sheet_from_rows(
+        [
+            [*at({2: "БУХГАЛТЕРСКИЙ БАЛАНС"})],
+            [*at({17: "Форма по ОКУД", 18: "0710001"})],
+            [*at({17: "Дата (число, месяц, год)", 18: 30, 19: 9, 20: 2025})],
+            [
+                *at(
+                    {
+                        2: "Организация (орган исполнительной власти)",
+                        7: 'ООО "АГРОФИРМА "МЕЖЕНИНОВСКАЯ"',
+                        17: "по ОКПО",
+                        18: "85262693",
+                    }
+                )
+            ],
+            [*at({2: "Идентификационный номер налогоплательщика", 17: "ИНН", 18: "7016006635"})],
+            [*at({2: "Организационно-правовая форма***", 7: "ООО", 15: "по ОКОПФ/\nОКФС", 18: "65", 19: "16"})],
+            [*at({2: "Единица измерения:", 7: "тыс. руб", 17: "по ОКЕИ", 18: "384"})],
+            [*at({2: "Местонахождение (адрес)", 7: "636141, Томская обл"})],
+        ]
+    )
+
+    header, _ = parse_header(sheet, rules, 1, 8, _block(sheet, rules))
+
+    assert header.report_date == datetime.date(2025, 9, 30)
+    assert header.report_date_text is None
+    assert header.inn == "7016006635"
+    assert header.okopf == "65" and header.okfs == "16"
+    assert header.address == "636141, Томская обл"
+
+
+def test_continuation_header_is_empty(rules: Rules) -> None:
+    sheet = sheet_from_rows(
+        [
+            [*at({17: "Форма 0710001 с.2"})],
+            ["Пояснения", "Наименование показателя", "Код", "На 31 декабря 2024 г."],
+        ]
+    )
+
+    header, warnings = parse_header(sheet, rules, 1, 1, None)
+
+    assert header.form_name == "Форма 0710001 с.2"
+    assert header.organization_name is None and header.inn is None
+    assert header.report_date is None and warnings == []
+
+
+def test_missing_units_and_organization_warn(rules: Rules) -> None:
+    sheet = sheet_from_rows([["Бухгалтерский баланс"], ["на 31 декабря 2024 г."]])
+
+    header, warnings = parse_header(sheet, rules, 1, 2, _block(sheet, rules))
+
+    assert header.units is None and header.organization_name is None
+    assert any("единица измерения" in warning for warning in warnings)
+    assert any("организация" in warning for warning in warnings)
+
+
+def test_inn_skips_auditor_block(rules: Rules) -> None:
+    """Review Focus: ИНН аудитора (строка 16) не должен попасть в header.inn."""
+    sheet = sheet_from_rows(ONE_C)
+    header, _ = parse_header(sheet, rules, 1, 16, _block(sheet, rules))
+    assert header.inn == "3249004697", f"Expected organization INN 3249004697, got {header.inn}"
+    assert header.inn != "7716021332", "Auditor INN 7716021332 should not be included"