xlsx: имена частей без учёта регистра, как в Excel (#66, AURORA-1707)

Часть, отличающаяся от ссылки [Content_Types].xml или *.rels только регистром
(xl/SharedStrings.xml при ссылке на sharedStrings.xml), до openpyxl
переименовывается по ссылке: раньше такая книга была UNREADABLE, а лист с
другим регистром имени openpyxl терял молча. Две части под одну ссылку не
угадываются.

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

api/src/parser/readers/xlsx.py

@@ -1,7 +1,11 @@
 """Чтение XLSX через openpyxl (полное чтение: нужны merged, outline level и шрифт)."""
 
 import io
+import posixpath
+import zipfile
+from collections import Counter
 from typing import Any
+from xml.etree import ElementTree
 
 import openpyxl
 
@@ -10,15 +14,79 @@ from src.parser.readers._common import make_cell
 
 __all__ = ["read_xlsx"]
 
+_CONTENT_TYPES_PART = "[Content_Types].xml"
+_RELS_SUFFIX = ".rels"
+_RELS_DIR = "_rels"
+_LOCAL_OVERRIDE = "Override"
+_LOCAL_RELATIONSHIP = "Relationship"
+_EXTERNAL_TARGET_MODE = "External"
+
 
 def read_xlsx(data: bytes) -> tuple[Sheet, ...]:
-    book = openpyxl.load_workbook(io.BytesIO(data), data_only=True, read_only=False)
+    book = openpyxl.load_workbook(io.BytesIO(_with_referenced_part_names(data)), data_only=True, read_only=False)
     try:
         return tuple(_sheet(worksheet) for worksheet in book.worksheets)
     finally:
         book.close()
 
 
+def _with_referenced_part_names(data: bytes) -> bytes:
+    """Книга, в которой части архива названы так, как на них ссылаются `[Content_Types].xml` и `*.rels`.
+
+    Excel сравнивает имена частей без учёта регистра (OPC), openpyxl — точно: таблица строк `xl/SharedStrings.xml` при
+    ссылке на `sharedStrings.xml` даёт KeyError, а лист `Sheet1.xml` при ссылке на `sheet1.xml` пропадает молча
+    (AURORA-1707). Если часть отличается от ссылки только регистром, архив пересобирается в памяти без сжатия
+    (распакованный размер уже ограничен `_detect`); иначе возвращаются те же байты. Две части, подходящие к одной
+    ссылке, не переименовываются: какую из них имел в виду автор, неизвестно.
+    """
+    with zipfile.ZipFile(io.BytesIO(data)) as archive:
+        names = archive.namelist()
+        present = set(names)
+        wanted = {name.lower(): name for name in _referenced_part_names(archive, present) if name not in present}
+        candidates = Counter(name.lower() for name in names if name.lower() in wanted)
+        renames = {name: wanted[name.lower()] for name in names if candidates[name.lower()] == 1}
+        if not renames:
+            return data
+        buffer = io.BytesIO()
+        with zipfile.ZipFile(buffer, "w", zipfile.ZIP_STORED) as target:
+            for info in archive.infolist():
+                target.writestr(renames.get(info.filename, info.filename), archive.read(info))
+    return buffer.getvalue()
+
+
+def _referenced_part_names(archive: zipfile.ZipFile, present: set[str]) -> set[str]:
+    """Имена частей (без ведущего `/`) из `Override PartName` и из `Target` внутренних связей всех `*.rels`.
+
+    Нечитаемый XML пропускается: книгу с ним не откроет и openpyxl, ошибку покажет он."""
+    referenced: set[str] = set()
+    if _CONTENT_TYPES_PART in present:
+        for element in _elements(archive, _CONTENT_TYPES_PART, _LOCAL_OVERRIDE):
+            if part := element.get("PartName"):
+                referenced.add(part.lstrip("/"))
+    for rels in present:
+        if not rels.endswith(_RELS_SUFFIX):
+            continue
+        # `xl/_rels/workbook.xml.rels` описывает связи `xl/workbook.xml`: цели относительно `xl/`
+        rels_dir = posixpath.dirname(rels)
+        base = posixpath.dirname(rels_dir) if posixpath.basename(rels_dir) == _RELS_DIR else ""
+        for element in _elements(archive, rels, _LOCAL_RELATIONSHIP):
+            target = element.get("Target")
+            if not target or element.get("TargetMode") == _EXTERNAL_TARGET_MODE:
+                continue
+            path = target.lstrip("/") if target.startswith("/") else posixpath.join(base, target)
+            referenced.add(posixpath.normpath(path))
+    return referenced
+
+
+def _elements(archive: zipfile.ZipFile, name: str, local_name: str) -> list[ElementTree.Element]:
+    """Элементы части `name` с локальным именем `local_name` (пространство имён не важно)."""
+    try:
+        root = ElementTree.fromstring(archive.read(name))
+    except ElementTree.ParseError:
+        return []
+    return [element for element in root.iter() if element.tag.rpartition("}")[2] == local_name]
+
+
 def _sheet(ws: Any) -> Sheet:
     cells: dict[tuple[int, int], Cell] = {}
     # `_cells` — разреженное хранилище openpyxl (версия закреплена): iter_rows создал бы пустые ячейки на весь

api/tests/unit/parser/test_readers.py

@@ -195,6 +195,86 @@ def test_zip_without_workbook_bin_goes_to_openpyxl_and_is_unreadable() -> None:
         read_book(_zip_with("hello.txt"), "XLSX")
 
 
+def _renamed_parts(data: bytes, renames: dict[str, str]) -> bytes:
+    """Та же книга, у частей из `renames` — другое имя в архиве; ссылки `[Content_Types].xml` и `*.rels` прежние."""
+    buffer = io.BytesIO()
+    with zipfile.ZipFile(io.BytesIO(data)) as source, zipfile.ZipFile(buffer, "w", zipfile.ZIP_DEFLATED) as target:
+        for info in source.infolist():
+            target.writestr(renames.get(info.filename, info.filename), source.read(info))
+    return buffer.getvalue()
+
+
+def _xlsx_with_shared_strings(part_name: str) -> bytes:
+    """Минимальная книга с таблицей общих строк (openpyxl пишет строки inline) под именем `part_name` в архиве;
+    `[Content_Types].xml` и `workbook.xml.rels` ссылаются на `xl/sharedStrings.xml`."""
+    main = "http://schemas.openxmlformats.org/spreadsheetml/2006/main"
+    rel = "http://schemas.openxmlformats.org/officeDocument/2006/relationships"
+    ct = "application/vnd.openxmlformats-officedocument.spreadsheetml"
+    parts = {
+        "[Content_Types].xml": (
+            '<Types xmlns="http://schemas.openxmlformats.org/package/2006/content-types">'
+            '<Default Extension="rels" ContentType="application/vnd.openxmlformats-package.relationships+xml"/>'
+            '<Default Extension="xml" ContentType="application/xml"/>'
+            f'<Override PartName="/xl/workbook.xml" ContentType="{ct}.sheet.main+xml"/>'
+            f'<Override PartName="/xl/worksheets/sheet1.xml" ContentType="{ct}.worksheet+xml"/>'
+            f'<Override PartName="/xl/sharedStrings.xml" ContentType="{ct}.sharedStrings+xml"/>'
+            "</Types>"
+        ),
+        "_rels/.rels": (
+            '<Relationships xmlns="http://schemas.openxmlformats.org/package/2006/relationships">'
+            f'<Relationship Id="rId1" Type="{rel}/officeDocument" Target="xl/workbook.xml"/>'
+            "</Relationships>"
+        ),
+        "xl/workbook.xml": (
+            f'<workbook xmlns="{main}" xmlns:r="{rel}">'
+            '<sheets><sheet name="ОСВ" sheetId="1" r:id="rId1"/></sheets></workbook>'
+        ),
+        "xl/_rels/workbook.xml.rels": (
+            '<Relationships xmlns="http://schemas.openxmlformats.org/package/2006/relationships">'
+            f'<Relationship Id="rId1" Type="{rel}/worksheet" Target="worksheets/sheet1.xml"/>'
+            f'<Relationship Id="rId2" Type="{rel}/sharedStrings" Target="sharedStrings.xml"/>'
+            "</Relationships>"
+        ),
+        "xl/worksheets/sheet1.xml": (
+            f'<worksheet xmlns="{main}"><sheetData>'
+            '<row r="1"><c r="A1" t="s"><v>0</v></c><c r="B1"><v>1500</v></c></row>'
+            "</sheetData></worksheet>"
+        ),
+        part_name: f'<sst xmlns="{main}" count="1" uniqueCount="1"><si><t>Счет 62</t></si></sst>',
+    }
+    buffer = io.BytesIO()
+    with zipfile.ZipFile(buffer, "w", zipfile.ZIP_DEFLATED) as archive:
+        for name, xml in parts.items():
+            archive.writestr(name, '<?xml version="1.0" encoding="UTF-8" standalone="yes"?>' + xml)
+    return buffer.getvalue()
+
+
+def test_shared_strings_part_name_is_case_insensitive_like_in_excel() -> None:
+    """Некоторые выгрузки кладут таблицу строк как `xl/SharedStrings.xml` (AURORA-1707); Excel их открывает."""
+    sheets, warnings = read_book(_xlsx_with_shared_strings("xl/SharedStrings.xml"), "XLSX")
+
+    assert (sheets, warnings) == read_book(_xlsx_with_shared_strings("xl/sharedStrings.xml"), "XLSX")
+    assert sheets[0].cell(1, 1) == Cell("Счет 62", "text")
+
+
+def test_two_parts_matching_one_reference_are_not_guessed() -> None:
+    data = _xlsx_with_shared_strings("xl/SharedStrings.xml")
+    buffer = io.BytesIO(data)
+    with zipfile.ZipFile(buffer, "a") as archive:
+        archive.writestr("xl/SHAREDSTRINGS.xml", archive.read("xl/SharedStrings.xml"))
+
+    with pytest.raises(UnreadableError, match="sharedStrings.xml"):
+        read_book(buffer.getvalue(), "XLSX")
+
+
+def test_part_found_by_relationship_is_case_insensitive_too() -> None:
+    """Лист openpyxl находит по ссылке из `workbook.xml.rels`, стили — по `[Content_Types].xml`."""
+    original = _synthetic_xlsx()
+    renames = {"xl/worksheets/sheet1.xml": "xl/worksheets/Sheet1.xml", "xl/styles.xml": "XL/Styles.XML"}
+
+    assert read_book(_renamed_parts(original, renames), "XLSX") == read_book(original, "XLSX")
+
+
 @pytest.mark.parametrize(
     ("value", "expected_text"),
     [