diff --git a/CLAUDE.md b/CLAUDE.md index dd57b7f..73cc016 100644 --- a/CLAUDE.md +++ b/CLAUDE.md @@ -117,5 +117,6 @@ property, покрытие словарей); без каталога `../fixtur просмотром diff и отдельным коммитом в `fixtures`. **Контракт v1.2:** `CONTRACT_VERSION = "1.2"`; `documents[]` получает `BALANCE`/`INCOME`/`DISCLOSURE` (`statementDocument`: -`header`, `lines`, `checks`); копия `api/contracts/` идентична `../docs/contracts/`. Интеграционный тест книги НПЗ ожидает -`needs_check` (рубли при шапке «тыс. руб.», OQ-138), а не `done`. +`header`, `lines`, `checks`); копия `api/contracts/` идентична `../docs/contracts/`. Значения ББ/ОФР из Excel — как их показывает +числовой формат ячейки (#42, `statements/number_format.py`; xlsb — как в файле + предупреждение); ОСВ формат не применяет. +Книга НПЗ в манифесте — `done` (итоги расходятся в пределах округления, OQ-138). diff --git a/README.md b/README.md index e5f4745..bec430b 100644 --- a/README.md +++ b/README.md @@ -297,9 +297,16 @@ openpyxl 0,58 с; синтетический лист в 2 млн ячеек (63 ### Ограничения -- Единицы не нормализуются: `amount` как в ячейке, `units` — текст шапки. При «тыс. руб.» и доле значений с дробной - частью не меньше `fractional_share_percent` выдаётся одно предупреждение на документ; само оно на статус не влияет — - `needs_check` задают нарушенные соотношения (при рублях с копейками итоги расходятся, OQ-138). +- Единицы не нормализуются: `units` — текст шапки. Значение `amount` — **как его показывает документ** (#42): в xlsx/xls + применяется числовой формат ячейки (`statements/number_format.py`): `#,##0,` и `0,` делят на 1000 (рубли с копейками + из 1С становятся тысячами), `#,##0` округляет до целого (половина от нуля, как в Excel), условные секции + (`[=0]"-"`, `[=-646532]"(647)"`) дают прочерк или текст-литерал («(647)» -> -647). Формат `General` — сырое значение. + Формат, который не удалось разобрать (`%`, даты, дроби, экспонента), — сырое значение и одно предупреждение на + документ: `формат чисел не разобран, значения как в ячейках: «…»`. В xlsb числовые форматы не читаются (pyxlsb): значения + как в файле и одно предупреждение на документ `формат чисел xlsb не читается: значения как в файле`. Разбор ОСВ + формат ячейки не применяет. При «тыс. руб.» и доле значений (по показываемым) с дробной частью не меньше + `fractional_share_percent` выдаётся одно предупреждение на документ; само оно на статус не влияет — `needs_check` + задают нарушенные соотношения (расхождение до `rounding_tolerance_percent` — мягкое нарушение, OQ-138). - Страницы одной формы в разных файлах не склеиваются: каждая страница-продолжение без первой страницы остаётся одиноким продолжением и даёт `needs_check`. - Лист с 1–2 кодами форм (меньше `min_codes`) формой не считается, если идёт первым; после листа формы он берётся @@ -314,16 +321,16 @@ openpyxl 0,58 с; синтетический лист в 2 млн ячеек (63 |---|---|---| | `unagrande-co/2024-FY/Б.Б Лист 1.xls` | BALANCE `needs_check` | только актив: `1600 = 1700` не сходится | | `unagrande-co/2024-FY/Б.Б. Лист 2.xls` | BALANCE `needs_check` | страница 2 без шапки | -| `unagrande-co/2024-FY/ОФР. Лист 1.xls` | INCOME `needs_check` | рубли с копейками при шапке «тыс. руб.»: 2100/2200/2300 расходятся с суммой частей (OQ-138) | +| `unagrande-co/2024-FY/ОФР. Лист 1.xls` | INCOME `done` | значения по числовому формату (тыс. руб.); мягко расходится `2400 = 2300 - 2410 + 2420` (в пределах допуска, OQ-138) | | `unagrande-co/2024-FY/ОФР. Лист 2 .xls` | INCOME `needs_check` | страница 2 без шапки | | `unagrande-group/2024-FY/ББ. Лист 1 .xls` | BALANCE `needs_check` | только актив | | `unagrande-group/2024-FY/ББ. Лист 2 (2).xls` | BALANCE `needs_check` | страница 2 без шапки | | `unagrande-group/2024-FY/ОФР. Лист 2.xls` | INCOME `needs_check` | страница 2 без шапки, страницы 1 в пакете нет | | `unagrande-group/2025-Q3/ББ. Лист 1 3кв.25.xls` | BALANCE `needs_check` | только актив | | `unagrande-group/2025-Q3/ББ. Лист 2 3кв.25.xls` | BALANCE `needs_check` | страница 2 без шапки | -| `unagrande-group/2025-Q3/ОФР. Лист 1 3кв.25.xls` | INCOME `needs_check` | рубли при шапке «тыс. руб.»: расхождения 2100/2200/2300 (OQ-138) | +| `unagrande-group/2025-Q3/ОФР. Лист 1 3кв.25.xls` | INCOME `done` | значения по числовому формату (тыс. руб.); мягко расходятся `2400 = 2300 - 2410 + 2420` и `2410 = 2411 + 2412` (OQ-138) | | `unagrande-group/2025-Q3/ОФР. Лист 2 3кв.25.xls` | INCOME `needs_check` | страница 2 без шапки | -| `npz/2025-Q3/Бухгалтерская отчетность … (НОВОРОССИЙСКИЙ ПРОКАТНЫЙ ЗАВОД).xlsx` | BALANCE `needs_check`, INCOME `needs_check` | рубли при шапке «тыс. руб.»: `1600 = 1700` расходится на 1.94/9.02/2.48 руб.; ОФР — 2100/2200/2300 (OQ-138); лист с единственной строкой 2400 присоединён (O-9) | +| `npz/2025-Q3/Бухгалтерская отчетность … (НОВОРОССИЙСКИЙ ПРОКАТНЫЙ ЗАВОД).xlsx` | BALANCE `done`, INCOME `done` | значения по числовому формату `#,##0,` (тыс. руб.); мягко расходятся детализации 1150, 1250, 1410, 1500, 1510 (ББ) и 2400, 2410 (ОФР), жёстких нет (OQ-138); лист с единственной строкой 2400 присоединён (O-9) | | `mezheninovskaya/2025-Q3/1_Форма1_бух_09.xlsx` | BALANCE `done` | все соотношения сходятся | | `mezheninovskaya/2025-Q3/1_Форма2_бух_09.xlsx` | INCOME `done` | все соотношения сходятся | | `templates/ББ до 01.01.2025.xlsx` | BALANCE `needs_check`, DISCLOSURE `done` | шаблон без сумм и шапки; «Примечания» шаблона — пустой DISCLOSURE | diff --git a/api/rules/statement_checks.yaml b/api/rules/statement_checks.yaml index 8f2effa..5df0807 100644 --- a/api/rules/statement_checks.yaml +++ b/api/rules/statement_checks.yaml @@ -4,6 +4,7 @@ # скобках: правая часть считается и как записано, и с этими членами по модулю (design D-7). tolerance: 1 # допуск в единицах формы (тыс. руб. округляются построчно) # OQ-138 (решение владельца 06.10.2026): единицы шапки верны, расхождение до 0,001 % итоговой строки — округление. +# Значения форм берутся как их показывает числовой формат ячейки (#42, 15.10.2026): рубли с копейками в тысячах. # Жёсткое соотношение с расхождением больше `tolerance`, но не больше этой доли от наибольшего по модулю числа # соотношения (итог или слагаемое: итог бывает малой разностью больших слагаемых), не портит статус: # уходит в soft_relations_failed с предупреждением «в пределах округления». diff --git a/api/src/parser/book.py b/api/src/parser/book.py index 918df22..7e4ec52 100644 --- a/api/src/parser/book.py +++ b/api/src/parser/book.py @@ -19,7 +19,7 @@ from src.parser.detect import SheetKind, classify_sheet from src.parser.errors import InvalidDocumentError, ParserError, UnsupportedFormatError from src.parser.grid import Sheet from src.parser.osv import OsvParser, data_rows, sheet_line, unique -from src.parser.readers import read_book +from src.parser.readers import read_book_detected from src.parser.readers._common import one_line_reason from src.parser.readers._limits import ZIP_UNCOMPRESSED_LIMIT_FACTOR from src.parser.rules import Rules @@ -33,7 +33,7 @@ STATEMENT_KINDS = frozenset({SheetKind.STATEMENT, SheetKind.STATEMENT_CONTINUATI class StatementSheetParser(Protocol): def parse_sheets( - self, sheets: Sequence[tuple[Sheet, SheetKind]], deadline: Deadline + self, sheets: Sequence[tuple[Sheet, SheetKind]], deadline: Deadline, *, formats_unreadable: bool = False ) -> tuple[list[StatementDocument], list[str], bool]: ... @@ -93,10 +93,11 @@ class BookParser: "книга не открывается" ) deadline = Deadline(self._timeout_seconds, self._clock) - sheets, read_warnings = read_book( + read = read_book_detected( data, file_type, max_uncompressed_bytes=ZIP_UNCOMPRESSED_LIMIT_FACTOR * self._max_bytes ) - warnings.extend(unique(read_warnings)) + sheets = read.sheets + warnings.extend(unique(read.warnings)) osv_documents: list[OsvDocument] = [] statement_sheets: list[tuple[Sheet, SheetKind]] = [] ok = True @@ -129,7 +130,7 @@ class BookParser: warnings.extend(sheet_warnings) ok = ok and sheet_ok statement_documents, statement_warnings, statements_ok = self._statements.parse_sheets( - statement_sheets, deadline + statement_sheets, deadline, formats_unreadable=read.detected == "XLSB" ) warnings.extend(statement_warnings) documents: list[OsvDocument | StatementDocument] = [*osv_documents, *statement_documents] diff --git a/api/src/parser/grid.py b/api/src/parser/grid.py index 91af5f9..9918f3d 100644 --- a/api/src/parser/grid.py +++ b/api/src/parser/grid.py @@ -30,6 +30,9 @@ class Cell: kind: CellKind bold: bool = False indent: int = 0 # alignment.indent, а при его отсутствии — число ведущих пробелов текста + # Числовой формат ячейки: только у числовых ячеек с форматом не General (xlsx, xls; xlsb формат не отдаёт). + # Используется только разбором ББ/ОФР; ОСВ его игнорирует + number_format: str | None = None @property def text(self) -> str: diff --git a/api/src/parser/numbers.py b/api/src/parser/numbers.py index 1162b06..a664ac0 100644 --- a/api/src/parser/numbers.py +++ b/api/src/parser/numbers.py @@ -24,6 +24,7 @@ __all__ = [ "inn_checksum_ok", "inn_digits", "inn_only", + "quantize_money", "row_inn", "split_inn_suffix", "to_money", @@ -79,8 +80,10 @@ def _shorten(raw: str) -> str: return raw if len(raw) <= _WARNING_VALUE_LIMIT else raw[:_WARNING_VALUE_LIMIT] + "…" -def _quantize(value: Decimal, shown: str) -> MoneyParse: - """Квантование до 0.01 с отсечением нечисел и значений вне numeric(18,2); отрицательный ноль -> 0.00.""" +def quantize_money(value: Decimal, shown: str) -> MoneyParse: + """Квантование до 0.01 с отсечением нечисел и значений вне numeric(18,2); отрицательный ноль -> 0.00. + + Публичная: ту же проверку применяет `statements.number_format` к отображаемому значению (#42, R-8).""" if not value.is_finite(): return _skip(f"нечисловое значение суммы «{_shorten(shown)}»") if value != 0 and not _MIN_ADJUSTED <= value.adjusted() < _MAX_INTEGER_DIGITS: @@ -104,7 +107,7 @@ def _parse_text(raw: str) -> MoneyParse: if not _NUMBER.match(compact): return _skip(f"нечисловое значение в колонке сумм: «{_shorten(raw.strip())}»") try: - return _quantize(Decimal(compact), raw.strip()) + return quantize_money(Decimal(compact), raw.strip()) except InvalidOperation: return _skip(f"значение суммы вне допустимого диапазона: «{_shorten(raw.strip())}»") @@ -115,7 +118,7 @@ def to_money(cell: Cell) -> MoneyParse: return _skip() if cell.kind == "number": # str(): точная десятичная запись; Decimal(str(float)) — и для тестов с «сырыми» int/float в ячейке - return _quantize(Decimal(str(cell.value)), str(cell.value)) + return quantize_money(Decimal(str(cell.value)), str(cell.value)) if cell.kind == "text": return _parse_text(str(cell.value)) if cell.kind == "bool": diff --git a/api/src/parser/readers/__init__.py b/api/src/parser/readers/__init__.py index 289d74a..c6883ae 100644 --- a/api/src/parser/readers/__init__.py +++ b/api/src/parser/readers/__init__.py @@ -13,6 +13,7 @@ PK\\x03\\x04 (zip) → XLSX или XLSB (XLSB — если в архиве ес import io import zipfile from collections.abc import Callable +from typing import NamedTuple from src.contract import FileType from src.core.config import Settings @@ -29,7 +30,7 @@ from src.parser.readers.xls import read_xls from src.parser.readers.xlsb import OUTLINE_UNAVAILABLE_WARNING, read_xlsb from src.parser.readers.xlsx import read_xlsx -__all__ = ["default_uncompressed_limit", "read_book"] +__all__ = ["BookRead", "default_uncompressed_limit", "read_book", "read_book_detected"] ZIP_SIGNATURE = b"PK\x03\x04" OLE2_SIGNATURE = bytes.fromhex("D0CF11E0A1B11AE1") @@ -49,9 +50,23 @@ def default_uncompressed_limit() -> int: return ZIP_UNCOMPRESSED_LIMIT_FACTOR * max_bytes +class BookRead(NamedTuple): + """Результат чтения: листы, предупреждения и формат, определённый по содержимому (а не заявленный `file_type`).""" + + sheets: tuple[Sheet, ...] + warnings: list[str] + detected: FileType + + def read_book( data: bytes, file_type: FileType, *, max_uncompressed_bytes: int | None = None ) -> tuple[tuple[Sheet, ...], list[str]]: + """Листы и предупреждения чтения; см. `read_book_detected`.""" + result = read_book_detected(data, file_type, max_uncompressed_bytes=max_uncompressed_bytes) + return result.sheets, result.warnings + + +def read_book_detected(data: bytes, file_type: FileType, *, max_uncompressed_bytes: int | None = None) -> BookRead: """Листы книги и предупреждения чтения (несовпадение `file_type`, ограничения xlsb). `max_uncompressed_bytes` — лимит распакованного zip (xlsx/xlsb); `OsvParser` передаёт @@ -72,7 +87,7 @@ def read_book( check_merged_area(sheets) if detected == "XLSB": warnings.append(OUTLINE_UNAVAILABLE_WARNING) - return sheets, warnings + return BookRead(sheets, warnings, detected) def _detect(data: bytes, file_type: FileType, uncompressed_limit: int) -> FileType: diff --git a/api/src/parser/readers/_common.py b/api/src/parser/readers/_common.py index 8446fdb..2f5b5f9 100644 --- a/api/src/parser/readers/_common.py +++ b/api/src/parser/readers/_common.py @@ -15,13 +15,14 @@ def leading_spaces(text: str) -> int: return len(text) - len(stripped) if stripped else 0 -def make_cell(value: object, *, bold: bool = False, indent: int = 0) -> Cell | None: +def make_cell(value: object, *, bold: bool = False, indent: int = 0, number_format: str | None = None) -> Cell | None: """Ячейка из значения библиотеки чтения; `None` — пустая ячейка (в `Sheet.cells` не попадает). Числа — `Decimal(str(value))` без квантования (его делает `numbers.py`); целый float — как int (без «.0»); bool проверяется раньше int. Строка из одних пробельных символов (включая NBSP) — пустая ячейка (`None`): «пробелы» = пусто на уровне хранения, а не только в аксессорах `Sheet`. Время без даты — текстом. + `number_format` сохраняется только у числовых ячеек и только если он непустой и не General. """ if value is None or value == "": return None @@ -31,7 +32,8 @@ def make_cell(value: object, *, bold: bool = False, indent: int = 0) -> Cell | N # xls хранит любое число как float: «2370012036.0» — артефакт чтения, в файле целое (OQ-162) value = int(value) if isinstance(value, int | float): - return Cell(Decimal(str(value)), "number", bold=bold, indent=indent) + shown = number_format if number_format and number_format.strip().lower() != "general" else None + return Cell(Decimal(str(value)), "number", bold=bold, indent=indent, number_format=shown) if isinstance(value, datetime.date): # datetime.datetime — подкласс date return Cell(value, "date", bold=bold, indent=indent) text = value if isinstance(value, str) else str(value) diff --git a/api/src/parser/readers/xls.py b/api/src/parser/readers/xls.py index f5d05d0..349f4cf 100644 --- a/api/src/parser/readers/xls.py +++ b/api/src/parser/readers/xls.py @@ -34,6 +34,7 @@ def _sheet(book: Any, sheet: Any) -> Sheet: value, bold=bool(book.font_list[xf.font_index].bold), indent=int(xf.alignment.indent_level or 0), + number_format=_number_format(book, xf), ) if cell is not None: cells[(rowx + 1, colx + 1)] = cell @@ -66,3 +67,9 @@ def _value(book: Any, ctype: int, raw: Any) -> object: except (xlrd.xldate.XLDateError, ValueError, OverflowError): return raw # серийный номер вне диапазона дат — остаётся числом, как в файле return raw + + +def _number_format(book: Any, xf: Any) -> str | None: + """Строка числового формата XF; неизвестный ключ формата — None (как General).""" + fmt = book.format_map.get(xf.format_key) + return str(fmt.format_str) if fmt is not None else None diff --git a/api/src/parser/readers/xlsb.py b/api/src/parser/readers/xlsb.py index 760fe58..6b7b557 100644 --- a/api/src/parser/readers/xlsb.py +++ b/api/src/parser/readers/xlsb.py @@ -1,4 +1,5 @@ -"""Чтение XLSB (BIFF12) через pyxlsb: только значения; outline level, merged и шрифт библиотека не отдаёт.""" +"""Чтение XLSB (BIFF12) через pyxlsb: только значения; outline level, merged, шрифт и +числовой формат (Cell.number_format) библиотека не отдаёт.""" import io from typing import Any diff --git a/api/src/parser/readers/xlsx.py b/api/src/parser/readers/xlsx.py index efaf1cc..065963e 100644 --- a/api/src/parser/readers/xlsx.py +++ b/api/src/parser/readers/xlsx.py @@ -24,7 +24,12 @@ def _sheet(ws: Any) -> Sheet: # `_cells` — разреженное хранилище openpyxl (версия закреплена): iter_rows создал бы пустые ячейки на весь # прямоугольник листа for source in ws._cells.values(): - cell = make_cell(source.value, bold=bool(source.font.bold), indent=int(source.alignment.indent or 0)) + cell = make_cell( + source.value, + bold=bool(source.font.bold), + indent=int(source.alignment.indent or 0), + number_format=source.number_format, + ) if cell is not None: cells[(source.row, source.column)] = cell merged = tuple( diff --git a/api/src/parser/statements/lines.py b/api/src/parser/statements/lines.py index 15bfbf7..4a0ef2d 100644 --- a/api/src/parser/statements/lines.py +++ b/api/src/parser/statements/lines.py @@ -1,21 +1,23 @@ """Строки формы с кодом и их значения (design D-6). Строка с кодом в колонке кодов → `StatementLine`; строки без кода не отдаются (ASSUMPTION(OQ-36)), но если среди них -есть суммы — одно предупреждение. Повтор кода — остаётся первая строка, код в `duplicates`. Числа — `numbers.to_money` -(Decimal, скобки → минус, прочерк → null); нечисловой текст — `string_value`, `is_recognized = false`. Единицы не -нормализуются; счётчики дробных значений нужны предупреждению документа (`statement.py`: одно на документ). +есть суммы — одно предупреждение. Повтор кода — остаётся первая строка, код в `duplicates`. Числа — +`statement_money`: показ по числовому формату ячейки (#42), иначе `numbers.to_money` (Decimal, скобки → минус, +прочерк → null); нечисловой текст — `string_value`, `is_recognized = false`. Единицы не нормализуются; счётчики +дробных значений нужны предупреждению документа (`statement.py`: одно на документ). """ from dataclasses import dataclass, field from decimal import Decimal from src.contract.result import StatementLine, StatementValue -from src.parser.grid import Sheet -from src.parser.numbers import to_money +from src.parser.grid import Cell, Sheet +from src.parser.numbers import MoneyParse, to_money from src.parser.rules import Rules from src.parser.statements.columns import TableLayout, cell_label, is_numbering_row, line_code +from src.parser.statements.number_format import display_amount -__all__ = ["LinesResult", "collect_lines"] +__all__ = ["LinesResult", "collect_lines", "statement_money"] _FULL_CONFIDENCE = 100 @@ -27,13 +29,28 @@ class LinesResult: skipped_with_sums: int = 0 fractional_values: int = 0 numeric_values: int = 0 + unparsed_formats: set[str] = field(default_factory=set) # числовые форматы, которые не удалось разобрать (#42) warnings: list[str] = field(default_factory=list) -def _value(sheet: Sheet, row: int, col: int, column_index: int) -> tuple[StatementValue, bool]: +def statement_money(cell: Cell, unparsed_formats: set[str] | None = None) -> MoneyParse: + """Значение ячейки ББ/ОФР — как его показывает документ (#42): число с числовым форматом проходит через + `display_amount`; формат не разобран — сырое значение, формат попадает в `unparsed_formats`.""" + if cell.kind == "number" and cell.number_format and isinstance(cell.value, Decimal): + shown = display_amount(cell.value, cell.number_format) + if shown.kind == "value": + return MoneyParse(shown.value, None) + if shown.kind == "unparsed" and unparsed_formats is not None: + unparsed_formats.add(cell.number_format) + return to_money(cell) + + +def _value( + sheet: Sheet, row: int, col: int, column_index: int, unparsed_formats: set[str] +) -> tuple[StatementValue, bool]: """Значение ячейки и признак «число с дробной частью».""" cell = sheet.cell(*sheet.merged_origin(row, col)) - parsed = to_money(cell) + parsed = statement_money(cell, unparsed_formats) if parsed.value is not None: has_fractional = parsed.value % 1 != 0 value = StatementValue( @@ -100,7 +117,10 @@ def collect_lines( # noqa: PLR0913 if code is None: if is_numbering_row(sheet, row, rules): # «1 2 3 4 5», повторённая на разрыве страницы continue - if any(_is_sum(to_money(sheet.cell(row, column.col)).value) for column in layout.periods): + row_values = ( + statement_money(sheet.cell(row, column.col), result.unparsed_formats).value for column in layout.periods + ) + if any(_is_sum(value) for value in row_values): result.skipped_with_sums += 1 continue if code in seen: @@ -109,7 +129,7 @@ def collect_lines( # noqa: PLR0913 seen.add(code) values: list[StatementValue] = [] for index, column in enumerate(layout.periods): - value, fractional = _value(sheet, row, column.col, index) + value, fractional = _value(sheet, row, column.col, index, result.unparsed_formats) values.append(value) if value.amount is not None: result.numeric_values += 1 diff --git a/api/src/parser/statements/merge.py b/api/src/parser/statements/merge.py index 4cfd6ae..9ae6d4d 100644 --- a/api/src/parser/statements/merge.py +++ b/api/src/parser/statements/merge.py @@ -21,6 +21,7 @@ class Draft: lonely_continuation: bool = False fractional_values: int = 0 numeric_values: int = 0 + unparsed_formats: set[str] = field(default_factory=set) warnings: list[str] = field(default_factory=list) @property diff --git a/api/src/parser/statements/number_format.py b/api/src/parser/statements/number_format.py new file mode 100644 index 0000000..fe1367d --- /dev/null +++ b/api/src/parser/statements/number_format.py @@ -0,0 +1,271 @@ +"""Отображаемое значение числа по числовому формату ячейки Excel (#42, R-2…R-6, R-8). + +В выгрузках 1С суммы ББ/ОФР лежат рублями с копейками, а в тысячи их переводит формат ячейки (`#,##0,`, `0,`). +Значение документа — то, что показывает Excel, поэтому формат применяется к сырому числу. + +Семантика Excel, которую воспроизводит модуль: +- Секции через `;` (кавычки, `\\x` и `[...]` не разделяют). Без условий: 1 секция — всё; 2 — (>=0, <0); 3 — (>0, <0, + остальное); четвёртая (текст) игнорируется. С явными условиями `[=x] [x] [<=x] [>=x] [<>x]` секции проверяются + по порядку (R-2): неявное условие нефинальной секции — умолчание по номеру, финальной — «всё остальное»; ни одна не + подошла — формат не разобран. +- Знак показываемого значения — знак сырого значения, скобки/минус формата — оформление (R-3). Поэтому `#,##0;#,##0` + для -1500 даёт -1500: цифры в секции отрицательных показываются по модулю, а значение документа остаётся + отрицательным. +- Запятая между цифровыми плейсхолдерами — разделитель групп; запятые сразу после последнего плейсхолдера (и перед + точкой) — масштаб: каждая делит число на 1000. Округление — половина от нуля (ROUND_HALF_UP по модулю), как в Excel. +- Секция без цифровых плейсхолдеров показывает только текст; он разбирается тем же разбором, что текстовые ячейки + (`to_money`: «(872 207)» -> -872207, «-» и пусто -> нет значения). Не разобранный текст — формат не разобран (R-5). +- `General` -> сырое значение (R-4); проценты, экспонента, дроби, даты/время, `@`, неизвестные буквы -> не + разобран (R-6). +Разбор формата кэшируется: форматов в файле единицы, ячеек десятки тысяч. Арифметика — Decimal, без float. +""" + +import re +from dataclasses import dataclass +from decimal import ROUND_HALF_UP, Context, Decimal, InvalidOperation +from functools import lru_cache +from typing import Literal, NamedTuple + +from src.parser.grid import Cell +from src.parser.numbers import quantize_money, to_money + +__all__ = ["FormatResult", "display_amount"] + +_PLACEHOLDERS = "0#?" +_MAX_PARTS = 4 +_MAX_SECTIONS = 3 # четвёртая секция — текст, для чисел не используется +_MAX_DECIMALS = 2 # Money = numeric(18,2) +_SCALE_STEP = 3 # одна масштабирующая запятая = деление на 1000 +# Знаки, которые Excel показывает без кавычек как есть +_PLAIN_CHARS = frozenset(" $-+()<>=:!&~{}^' ") +_CONDITION = re.compile(r"^(<>|<=|>=|=|<|>)\s*([-+]?[0-9]*\.?[0-9]+)$") +_GENERAL = "general" + + +class FormatResult(NamedTuple): + """`raw` — General/пусто, действует прежняя логика; `value` — отображаемое значение (None — нет значения); + `unparsed` — формат не разобран.""" + + kind: Literal["raw", "value", "unparsed"] + value: Decimal | None = None + + +_RAW = FormatResult("raw") +_UNPARSED = FormatResult("unparsed") +_NO_VALUE = FormatResult("value", None) + + +_EXCEL_DIGITS = 15 # Excel сравнивает числа с точностью 15 значащих цифр + + +_EXCEL_CONTEXT = Context(prec=_EXCEL_DIGITS, rounding=ROUND_HALF_UP) + + +def _excel_precision(value: Decimal) -> Decimal: + """Число до 15 значащих цифр, половина от нуля, как в Excel. + + -1486533582.3500001 (артефакт float в xls) равно условию `[=-1486533582.35]`; 1500499.9999999998 — это 1500500. + """ + return _EXCEL_CONTEXT.plus(value) + + +@dataclass(frozen=True, slots=True) +class _Condition: + operator: str + operand: Decimal + + def holds(self, raw: Decimal) -> bool: + value = _excel_precision(raw) + match self.operator: + case "=": + return value == self.operand + case "<>": + return value != self.operand + case "<": + return value < self.operand + case "<=": + return value <= self.operand + case ">": + return value > self.operand + case _: + return value >= self.operand + + +@dataclass(frozen=True, slots=True) +class _Section: + condition: _Condition | None + general: bool + has_digits: bool + literal: str # показываемый текст (для секций без цифровых плейсхолдеров) + scale: int # число масштабирующих запятых + decimals: int # число плейсхолдеров после точки + + +def _split_sections(fmt: str) -> list[str] | None: + """Делит по `;` вне кавычек, `\\x` и `[...]`; незакрытая кавычка/скобка -> None.""" + sections: list[str] = [] + current: list[str] = [] + index = 0 + while index < len(fmt): + char = fmt[index] + if char in ('"', "["): + closing = '"' if char == '"' else "]" + end = fmt.find(closing, index + 1) + if end < 0: + return None + current.append(fmt[index : end + 1]) + index = end + 1 + continue + if char == "\\" and index + 1 < len(fmt): + current.append(fmt[index : index + 2]) + index += 2 + continue + if char == ";": + sections.append("".join(current)) + current = [] + else: + current.append(char) + index += 1 + sections.append("".join(current)) + return sections + + +def _parse_section(text: str) -> _Section | None: # noqa: C901, PLR0912 - линейный разбор символов формата + condition: _Condition | None = None + literal: list[str] = [] + kinds: list[str] = [] # "p" — плейсхолдер, "," — запятая, "." — точка, прочее не фиксируем + index = 0 + while index < len(text): + char = text[index] + if char == '"': + end = text.index('"', index + 1) + literal.append(text[index + 1 : end]) + index = end + 1 + continue + if char == "[": + end = text.index("]", index + 1) + body = text[index + 1 : end].strip() + found = _CONDITION.match(body) + if found is not None: + if condition is not None: + return None + condition = _Condition(found.group(1), _excel_precision(Decimal(found.group(2)))) + elif body and body[0] in "<>=": + return None # условие, которое не разобрать (`[=1E-5]`, `[=1,5]`), нельзя молча принять за оформление + index = end + 1 # цвет, [$-419] и прочее оформление игнорируются + continue + if char == "\\": + literal.append(text[index + 1 : index + 2]) + index += 2 + continue + if char in "_*": + index += 2 # отступ/заполнение: оформление + continue + if text[index : index + len(_GENERAL)].lower() == _GENERAL: + kinds.append("g") + index += len(_GENERAL) + continue + if char in _PLACEHOLDERS: + kinds.append("p") + elif char in ",.": + kinds.append(char) + elif char in _PLAIN_CHARS: + literal.append(char) + else: # %, E+, /, @, буквы дат и любые неизвестные знаки + return None + index += 1 + return _build_section(condition, literal, kinds) + + +def _build_section(condition: _Condition | None, literal: list[str], kinds: list[str]) -> _Section | None: + if "g" in kinds: + return _Section(condition, True, False, "", 0, 0) if kinds == ["g"] else None + last = max((i for i, kind in enumerate(kinds) if kind == "p"), default=-1) + if last < 0: + return _Section(condition, False, False, "".join(literal).strip(), 0, 0) + scale = 0 + position = 0 + while position < len(kinds): + if kinds[position] != ",": + position += 1 + continue + end = position + while end < len(kinds) and kinds[end] == ",": + end += 1 + follows_placeholder = position > 0 and kinds[position - 1] == "p" + if follows_placeholder and (end == len(kinds) or kinds[end] != "p"): + scale += end - position + position = end + decimals = 0 + if "." in kinds: + decimals = sum(1 for kind in kinds[kinds.index(".") :] if kind == "p") + return _Section(condition, False, True, "", scale, decimals) + + +@lru_cache(maxsize=256) +def _parse_format(fmt: str) -> tuple[_Section, ...] | None: + """Секции формата либо None, если формат не разобран.""" + parts = _split_sections(fmt) + if parts is None or len(parts) > _MAX_PARTS: + return None # Excel не принимает формат больше чем из четырёх секций + sections: list[_Section] = [] + for part in parts[:_MAX_SECTIONS]: + section = _parse_section(part) + if section is None: + return None + sections.append(section) + return tuple(sections) + + +_DEFAULT_CONDITIONS: dict[int, tuple[_Condition, ...]] = { + 2: (_Condition(">=", Decimal(0)),), + 3: (_Condition(">", Decimal(0)), _Condition("<", Decimal(0))), +} + + +def _pick_section(sections: tuple[_Section, ...], raw: Decimal) -> _Section | None: + count = len(sections) + defaults = _DEFAULT_CONDITIONS.get(count, ()) + for position, section in enumerate(sections): + final = position == count - 1 + if section.condition is not None: + matched = section.condition.holds(raw) + elif final: + matched = True + else: + matched = defaults[position].holds(raw) + if matched: + return section + return None + + +def _scaled(raw: Decimal, section: _Section) -> FormatResult: + digits = min(section.decimals, _MAX_DECIMALS) + try: + magnitude = abs(_excel_precision(raw)).scaleb(-_SCALE_STEP * section.scale) + rounded = magnitude.quantize(Decimal(1).scaleb(-digits), rounding=ROUND_HALF_UP) + except InvalidOperation: # число длиннее точности контекста: заведомо вне numeric(18,2) + return _UNPARSED + signed = -rounded if raw < 0 else rounded # знак от сырого значения (R-3) + money = quantize_money(signed, str(raw)) + return _UNPARSED if money.warning is not None else FormatResult("value", money.value) + + +def _literal_result(section: _Section) -> FormatResult: + parsed = to_money(Cell(section.literal, "text")) + if parsed.warning is not None: + return _UNPARSED + return _NO_VALUE if parsed.value is None else FormatResult("value", parsed.value) + + +def display_amount(raw: Decimal, fmt: str) -> FormatResult: + """Значение, которое Excel показывает для числа `raw` в формате `fmt` (см. описание модуля).""" + sections = _parse_format(fmt) if fmt.strip() else () + if sections is None: + return _UNPARSED + section = _pick_section(sections, raw) if sections else None + if not sections or (section is not None and section.general): + return _RAW + if section is None: + return _UNPARSED + return _scaled(raw, section) if section.has_digits else _literal_result(section) diff --git a/api/src/parser/statements/statement.py b/api/src/parser/statements/statement.py index 8b27adb..75357b8 100644 --- a/api/src/parser/statements/statement.py +++ b/api/src/parser/statements/statement.py @@ -18,12 +18,22 @@ from src.parser.statements.header import parse_header from src.parser.statements.lines import collect_lines from src.parser.statements.merge import Draft, can_join, join, join_blocker -__all__ = ["CONTINUATION_WARNING", "LOCATOR_PREFIX", "LOCATOR_SEPARATOR", "StatementParser"] +__all__ = ["CONTINUATION_WARNING", "XLSB_FORMAT_WARNING", "LOCATOR_PREFIX", "LOCATOR_SEPARATOR", "StatementParser"] LOCATOR_PREFIX = "sheet:" LOCATOR_SEPARATOR = "," CONTINUATION_WARNING = "страница-продолжение без шапки: загрузите форму одним файлом" SKIPPED_COLUMN_WARNING = "колонка без периода пропущена" +XLSB_FORMAT_WARNING = "формат чисел xlsb не читается: значения как в файле" +MAX_FORMAT_LENGTH = 30 + + +def _shorten(fmt: str) -> str: + return fmt if len(fmt) <= MAX_FORMAT_LENGTH else fmt[: MAX_FORMAT_LENGTH - 1] + "…" + + +def _line_of(draft: Draft, text: str) -> str: + return f"sheet={draft.sheet_names[0]} {text}" def _line(sheet: Sheet, text: str) -> str: @@ -35,8 +45,10 @@ class StatementParser: self._rules = rules def parse_sheets( - self, sheets: Sequence[tuple[Sheet, SheetKind]], deadline: Deadline + self, sheets: Sequence[tuple[Sheet, SheetKind]], deadline: Deadline, *, formats_unreadable: bool = False ) -> tuple[list[StatementDocument], list[str], bool]: + """`formats_unreadable` — книга xlsb: числовые форматы недоступны, каждый документ с колонкой кодов получает + предупреждение «значения как в файле» (R-7).""" drafts: list[Draft] = [] warnings: list[str] = [] dropped = False @@ -49,6 +61,10 @@ class StatementParser: drafts.append(self._block_draft(sheet, block, warnings)) else: dropped = not self._continuation(sheet, drafts, warnings) or dropped + if formats_unreadable: + for draft in drafts: + if draft.kind != "DISCLOSURE" and draft.has_code_column: + draft.warnings.append(_line_of(draft, XLSB_FORMAT_WARNING)) documents = [self._document(draft) for draft in drafts] for draft in drafts: warnings.extend(draft.warnings) @@ -105,6 +121,7 @@ class StatementParser: join(open_draft, sheet.name, result.lines, result.duplicates) open_draft.fractional_values += result.fractional_values open_draft.numeric_values += result.numeric_values + open_draft.unparsed_formats |= result.unparsed_formats warnings.extend(_line(sheet, text) for text in result.warnings) if weak: # N-1: присоединение по 1–2 строкам видно аналитику warnings.append( @@ -155,6 +172,7 @@ class StatementParser: draft.lines = result.lines draft.duplicates = result.duplicates draft.fractional_values, draft.numeric_values = result.fractional_values, result.numeric_values + draft.unparsed_formats = result.unparsed_formats texts = [*header_warnings, *result.warnings] if layout.skipped_labels: texts.append(f"{SKIPPED_COLUMN_WARNING}: {', '.join(layout.skipped_labels)}") @@ -177,6 +195,7 @@ class StatementParser: columns=columns if draft.has_code_column else [], lines=[], ) + draft.warnings.extend(self._unparsed_formats_warning(draft)) draft.warnings.extend(self._fractional_warning(draft)) checks, check_warnings = run_statement_checks( draft.lines, len(columns), kind if kind != "OTHER" else "BALANCE", self._rules @@ -187,6 +206,15 @@ class StatementParser: document_type=kind, locator=locator, header=draft.header, columns=columns, lines=draft.lines, checks=checks ) + @staticmethod + def _unparsed_formats_warning(draft: Draft) -> list[str]: + """Одно предупреждение на документ (R-7): числовые форматы, которые не удалось разобрать; значения взяты как + в ячейках.""" + if not draft.unparsed_formats: + return [] + shown = ", ".join(f"«{_shorten(fmt)}»" for fmt in sorted(draft.unparsed_formats)) + return [f"sheet={draft.sheet_names[0]} формат чисел не разобран, значения как в ячейках: {shown}"] + def _fractional_warning(self, draft: Draft) -> list[str]: """Одно предупреждение на документ (все его листы): при «тыс.» в единицах доля значений с дробной частью ≥ порога словаря — вероятно, значения в рублях (OQ-137).""" diff --git a/api/tests/fixtures/test_statements_number_format.py b/api/tests/fixtures/test_statements_number_format.py new file mode 100644 index 0000000..436a89b --- /dev/null +++ b/api/tests/fixtures/test_statements_number_format.py @@ -0,0 +1,43 @@ +"""Значение ББ/ОФР из Excel — как его показывает числовой формат ячейки (#42): конкретные ячейки реальных выгрузок.""" + +from decimal import Decimal +from pathlib import Path +from typing import cast + +import pytest + +from src.contract import FileType, StatementDocument +from src.parser import get_parser + +pytestmark = pytest.mark.fixtures +STATEMENTS = "statements-xlsx" +NPZ = "npz/2025-Q3/Бухгалтерская отчетность за Январь - Сентябрь 2025 г. (НОВОРОССИЙСКИЙ ПРОКАТНЫЙ ЗАВОД).xlsx" +UNAGRANDE_INCOME = "unagrande-group/2025-Q3/ОФР. Лист 1 3кв.25.xls" +MEZHENINOVSKAYA_BALANCE = "mezheninovskaya/2025-Q3/1_Форма1_бух_09.xlsx" + + +def _amount(fixtures_dir: Path, relative: str, document_type: str, code: str, column: int = 0) -> Decimal | None: + path = fixtures_dir / STATEMENTS / relative + outcome = get_parser().parse(path.read_bytes(), cast(FileType, path.suffix.lstrip(".").upper())) + assert outcome.error is None, outcome.error + for document in outcome.documents: + if isinstance(document, StatementDocument) and document.document_type == document_type: + for line in document.lines: + if line.line_code == code: + return line.values[column].amount + raise AssertionError(f"строка {code} не найдена") + + +def test_npz_scaling_comma_gives_thousands(fixtures_dir: Path) -> None: + """P43: 10741981390 с форматом `#,##0,` показывается как 10 741 981 (тыс. руб.).""" + assert _amount(fixtures_dir, NPZ, "BALANCE", "1150") == Decimal("10741981") + + +def test_unagrande_conditional_literal_gives_negative_thousands(fixtures_dir: Path) -> None: + """Значение -646532 с форматом `[=-646532]"(647)"` показывается текстом «(647)» -> -647.""" + assert _amount(fixtures_dir, UNAGRANDE_INCOME, "INCOME", "2411") == Decimal("-647") + + +def test_mezheninovskaya_rounds_kopecks_to_displayed_integer(fixtures_dir: Path) -> None: + """M31: 898852.21795 с форматом `#,##0` показывается как 898 852.""" + assert _amount(fixtures_dir, MEZHENINOVSKAYA_BALANCE, "BALANCE", "1150") == Decimal("898852") diff --git a/api/tests/integration/test_roundtrip.py b/api/tests/integration/test_roundtrip.py index 9bf7ed1..e032829 100644 --- a/api/tests/integration/test_roundtrip.py +++ b/api/tests/integration/test_roundtrip.py @@ -335,7 +335,7 @@ async def test_real_osv_through_worker_gives_done_and_valid_result_file( async def test_real_statements_through_worker_give_done_with_two_documents( core: Core, uploads: Uploads, fixtures_dir: Path ) -> None: - """«Реальные формы через воркер»: книга НПЗ → ack → `done`; расхождения итогов — округление (OQ-138, мягкие).""" + """«Реальные формы через воркер»: книга НПЗ → ack → `done`; жёстких расхождений нет, мягкие — по golden.""" request = _new_request(key_name="npz_2025_q3.xlsx") request["file_type"] = "XLSX" await uploads.put(request, (fixtures_dir / REAL_NPZ).read_bytes(), XLSX_CONTENT_TYPE) @@ -356,9 +356,15 @@ async def test_real_statements_through_worker_give_done_with_two_documents( balance, income = stored["documents"] assert [balance["document_type"], income["document_type"]] == ["BALANCE", "INCOME"] assert balance["checks"]["relations_failed"] == [] and income["checks"]["relations_failed"] == [] - # расхождения в пределах округления (OQ-138) видны аналитику как мягкие - assert "1600 = 1700" in {item["relation"] for item in balance["checks"]["soft_relations_failed"]} - assert "2100 = 2110 - 2120" in {item["relation"] for item in income["checks"]["soft_relations_failed"]} + # мягкие расхождения (OQ-138) видны аналитику; набор — как в golden НПЗ + assert {item["relation"] for item in balance["checks"]["soft_relations_failed"]} >= { + "1500 = 1510 + 1520 + 1530 + 1540 + 1550", + "1410 = 14101 + 14102 + 14103 + 14104 + 14105", + } + assert {item["relation"] for item in income["checks"]["soft_relations_failed"]} >= { + "2400 = 2300 - 2410 + 2420", + "2410 = 2411 + 2412", + } # лист с единственной строкой 2400 присоединён (O-9) assert "2400" in {line["line_code"] for line in income["lines"]} await core.assert_quiet(request) diff --git a/api/tests/statements_manifest.yaml b/api/tests/statements_manifest.yaml index 3d28632..4338a85 100644 --- a/api/tests/statements_manifest.yaml +++ b/api/tests/statements_manifest.yaml @@ -1,7 +1,9 @@ # Ожидания по реальным формам fixtures/statements-xlsx/** (README там же). Ключ — путь относительно statements-xlsx. # documents — по порядку документов результата: type, status (done | needs_check), complete (вся форма: §7 сходится). -# Причина needs_check — данные файла (страница без шапки, шаблон без сумм, рубли при шапке «тыс. руб.»), не дефект разбора. -# Значения сверены прогоном парсера на файлах (R-13, OQ-138): расхождения с первоначальным планом помечены «по факту». +# Причина needs_check — данные файла (страница без шапки, шаблон без сумм), не дефект разбора. +# Значения сверены прогоном парсера на файлах (R-13): расхождения с первоначальным планом помечены «по факту». +# Значения ББ/ОФР — как их показывает числовой формат ячейки (#42): рубли с копейками из 1С приходят в тысячах; +# мягкие нарушения (в пределах допуска округления, OQ-138) статус не меняют; набор — по факту разбора, см. golden. files: "unagrande-co/2024-FY/Б.Б Лист 1.xls": organization: 'Акционерное общество "Унагранде Компани"' @@ -13,7 +15,7 @@ files: organization: 'Акционерное общество "Унагранде Компани"' inn: "3249004697" documents: - - {type: INCOME, status: done, complete: true, failed_relations: []} # итоги округлены до тысяч: мягкие нарушения «в пределах округления» (OQ-138) + - {type: INCOME, status: done, complete: true, failed_relations: []} # значения по формату в тыс. руб.; мягко расходится 2400 = 2300 - 2410 + 2420 (в пределах допуска, OQ-138) "unagrande-co/2024-FY/ОФР. Лист 2 .xls": documents: [{type: INCOME, status: needs_check, complete: false, reason: "страница 2 без шапки", failed_relations: []}] "unagrande-group/2024-FY/ББ. Лист 1 .xls": @@ -34,7 +36,7 @@ files: organization: 'Акционерное общество "Унагранде Групп"' inn: "7728757141" documents: - - {type: INCOME, status: done, complete: true, failed_relations: []} # 2200 — малая разность больших слагаемых, округление (OQ-138) + - {type: INCOME, status: done, complete: true, failed_relations: []} # мягко расходятся 2400 = 2300 - 2410 + 2420 и 2410 = 2411 + 2412 (в пределах допуска, OQ-138) "unagrande-group/2025-Q3/ОФР. Лист 2 3кв.25.xls": documents: [{type: INCOME, status: needs_check, complete: false, reason: "страница 2 без шапки", failed_relations: []}] "npz/2025-Q3/Бухгалтерская отчетность за Январь - Сентябрь 2025 г. (НОВОРОССИЙСКИЙ ПРОКАТНЫЙ ЗАВОД).xlsx": @@ -42,8 +44,8 @@ files: inn: "2315995868" inn_optional_for: [INCOME] documents: - - {type: BALANCE, status: done, complete: true, sheets: 5, failed_relations: []} # 1600 = 1700 на 1.94/9.02/2.48 — округление (OQ-138) - - {type: INCOME, status: done, complete: true, sheets: 3, failed_relations: []} # округление итогов (OQ-138); лист с единственной строкой 2400 присоединён (O-9) + - {type: BALANCE, status: done, complete: true, sheets: 5, failed_relations: []} # мягко расходятся детализации 1150, 1250, 1410, 1500, 1510 (сверка с итогом в самой выгрузке, OQ-138) + - {type: INCOME, status: done, complete: true, sheets: 3, failed_relations: []} # мягко расходятся 2400 и 2410 (OQ-138); лист с единственной строкой 2400 присоединён (O-9) "mezheninovskaya/2025-Q3/1_Форма1_бух_09.xlsx": organization: 'ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ "АГРОФИРМА "МЕЖЕНИНОВСКАЯ"' inn: "7016006635" diff --git a/api/tests/unit/parser/gridbuilder.py b/api/tests/unit/parser/gridbuilder.py index d6da674..45a3b8f 100644 --- a/api/tests/unit/parser/gridbuilder.py +++ b/api/tests/unit/parser/gridbuilder.py @@ -35,6 +35,7 @@ `n_rows`/`n_cols` — по длине списка строк и самой длинной строке (с учётом ширины `M`), как габариты листа у читателя. """ +import dataclasses import datetime from collections.abc import Sequence from dataclasses import dataclass @@ -147,3 +148,11 @@ def sheet_from_rows(rows: Sequence[Sequence[object]], name: str = DEFAULT_SHEET_ n_rows=len(rows), n_cols=n_cols, ) + + +def with_formats(sheet: Sheet, formats: dict[tuple[int, int], str]) -> Sheet: + """Копия листа, где числовым ячейкам (row, col) проставлен числовой формат (#42).""" + cells = dict(sheet.cells) + for position, number_format in formats.items(): + cells[position] = dataclasses.replace(cells[position], number_format=number_format) + return dataclasses.replace(sheet, cells=cells) diff --git a/api/tests/unit/parser/statements/test_lines.py b/api/tests/unit/parser/statements/test_lines.py index 3e3e74b..cb72397 100644 --- a/api/tests/unit/parser/statements/test_lines.py +++ b/api/tests/unit/parser/statements/test_lines.py @@ -3,7 +3,7 @@ from decimal import Decimal import pytest -from gridbuilder import sheet_from_rows +from gridbuilder import sheet_from_rows, with_formats from src.parser.rules import Rules, load_rules from src.parser.statements.columns import find_layout @@ -198,3 +198,74 @@ def test_explanation_values_on_continuation_without_header_are_not_names(rules: names = {line.line_code: line.line_name for line in result.lines} assert names == {"1210": "Запасы", "1230": "Дебиторская задолженность", "1200": ""} + + +# --- числовой формат ячейки (#42): значение — как его показывает документ --- + +FORMAT_ROWS = [ + ["Наименование показателя", "Код", "На 31 декабря 2024 г."], + ["Основные средства", "1150", Decimal("10741981390")], + ["Запасы", "1210", Decimal("586260.26")], + ["Прочие", "1190", Decimal("0")], + ["Дебиторская", "1230", Decimal("-872206880.07")], + ["Финансовые", "1240", Decimal("-646532")], + ["Резерв", "1250", Decimal("0.35")], + ["Итого по разделу I", "1100", Decimal("898852.21795")], +] + + +def _formatted(rules: Rules, formats: dict[int, str]) -> tuple[dict[str, object], set[str]]: + sheet = with_formats(sheet_from_rows(FORMAT_ROWS), {(row, 3): fmt for row, fmt in formats.items()}) + layout = find_layout(sheet, rules, 1, sheet.n_rows) + result = collect_lines(sheet, rules, layout, layout.first_data_row, sheet.n_rows) + return {line.line_code: line.values[0] for line in result.lines}, result.unparsed_formats + + +def test_scaling_comma_and_literals_follow_number_format(rules: Rules) -> None: + values, unparsed = _formatted( + rules, + { + 2: "#,##0,", + 3: "0,", + 4: '[=0]"-"', + 5: '[=-872206880.07]"(872\xa0207)";#,##0,', + 6: '[=-646532]"(647)";#,##0,', + 8: "#,##0", + }, + ) + + assert values["1150"].amount == Decimal("10741981.00") + assert values["1210"].amount == Decimal("586.00") + assert values["1190"].amount is None and values["1190"].is_recognized # прочерк без предупреждения + assert values["1230"].amount == Decimal("-872207.00") # литерал со скобками + assert values["1240"].amount == Decimal("-647.00") + assert values["1100"].amount == Decimal("898852.00") + assert unparsed == set() + + +def test_unparsed_format_keeps_raw_value_and_is_collected(rules: Rules) -> None: + values, unparsed = _formatted(rules, {7: "0%", 8: "0.00%"}) + + assert values["1250"].amount == Decimal("0.35") and values["1100"].amount == Decimal("898852.22") + assert unparsed == {"0%", "0.00%"} + + +def test_unparsed_format_in_row_without_code_is_collected(rules: Rules) -> None: + rows = [*FORMAT_ROWS, ["Без кода", None, Decimal("5")]] + sheet = with_formats(sheet_from_rows(rows), {(len(rows), 3): "0%"}) + layout = find_layout(sheet, rules, 1, sheet.n_rows) + + result = collect_lines(sheet, rules, layout, layout.first_data_row, sheet.n_rows) + + assert result.skipped_with_sums == 1 and result.unparsed_formats == {"0%"} + + +def test_fractional_share_counts_displayed_values(rules: Rules) -> None: + """Рубли с копейками, показанные в тысячах целыми (`#,##0,`), дробными не считаются.""" + sheet = with_formats(sheet_from_rows(FORMAT_ROWS), {(2, 3): "#,##0,", (3, 3): "0,", (8, 3): "#,##0"}) + layout = find_layout(sheet, rules, 1, sheet.n_rows) + + result = collect_lines(sheet, rules, layout, layout.first_data_row, sheet.n_rows) + + # дробными остаются только значения без формата: 1190 = 0 (не считается), 1230, 1250 (-872206880.07 и 0.35) + assert result.fractional_values == 2 # noqa: PLR2004 diff --git a/api/tests/unit/parser/statements/test_number_format.py b/api/tests/unit/parser/statements/test_number_format.py new file mode 100644 index 0000000..52c33f9 --- /dev/null +++ b/api/tests/unit/parser/statements/test_number_format.py @@ -0,0 +1,172 @@ +"""Отображаемое значение числа по числовому формату ячейки (#42, R-2…R-6): примеры из реальных выгрузок 1С.""" + +from decimal import Decimal + +import pytest + +from src.parser.statements.number_format import FormatResult, display_amount + + +def shown(raw: str, fmt: str) -> tuple[str, Decimal | None]: + result = display_amount(Decimal(raw), fmt) + return result.kind, result.value + + +@pytest.mark.parametrize( + ("raw", "fmt", "expected"), + [ + ("10741981390", "#,##0,", "10741981.00"), + ("586260.26", "0,", "586.00"), + ("898852.21795", "#,##0", "898852.00"), + ("898852.5", "#,##0", "898853.00"), + ("1234.5", "#,##0.00", "1234.50"), + ("1234.567", "#,##0.00", "1234.57"), + ("1500", "#,##0,", "2.00"), + ("-1500", "#,##0,", "-2.00"), + ("1499.99", "#,##0,", "1.00"), + ("-1499.99", "#,##0,", "-1.00"), + ("586260.26", "0.00,", "586.26"), + ("5000000", "#,##0,,", "5.00"), + ("1500", '#,##0,;(#,##0,);"-"', "2.00"), + ("-1500", '#,##0,;(#,##0,);"-"', "-2.00"), + ("1500", "#,##0;(#,##0)", "1500.00"), + ("-1500", "#,##0;(#,##0)", "-1500.00"), + ("-1500", "#,##0;#,##0", "-1500.00"), + ("1500", "[Red]#,##0", "1500.00"), + ("1500", "[$-419]#,##0", "1500.00"), + ("1500", "#,##0_);[Red](#,##0)", "1500.00"), + ("-1500", "#,##0_);[Red](#,##0)", "-1500.00"), + ("1500.126", "0.000", "1500.13"), + ("1500", '0 "тыс."', "1500.00"), + ("-872206880.07", '[=-872206880.07]"(872 207)";#,##0,', "-872207.00"), + ("-872206881", '[=-872206880.07]"(872 207)";#,##0,', "-872207.00"), + ("-646532", '[=-646532]"(647)"', "-647.00"), + ("12345678", '[=-872206880.07]"(872 207)";#,##0,', "12346.00"), + ("1500499.9999999998", "#,##0,", "1501.00"), + ("1500", "[$-419]#,##0,", "2.00"), + ("1500", "\\(#,##0\\)", "1500.00"), + ("5", "[=5]0;[=5]0,", "5.00"), + ("-1500", "[$-419]#,##0,", "-2.00"), + ], +) +def test_value(raw: str, fmt: str, expected: str) -> None: + kind, value = shown(raw, fmt) + assert kind == "value" + assert value is not None + assert str(value) == expected + + +@pytest.mark.parametrize( + ("raw", "fmt"), + [ + ("0", '[=0]"-"'), + ("0", '[=0]""'), + ("0", '[=0]"-";General'), + ("-0.79", '[=-0.79]"-"'), + ("0", '#,##0,;(#,##0,);"-"'), + ("0", ";;;"), + ("7", ";;;"), + ], +) +def test_no_value(raw: str, fmt: str) -> None: + assert shown(raw, fmt) == ("value", None) + + +@pytest.mark.parametrize( + ("raw", "fmt"), + [ + ("5", '[=0]"-"'), + ("5", "0%"), + ("5", "0.00E+00"), + ("5", "# ?/?"), + ("5", "@"), + ("5", "dd.mm.yyyy"), + ("5", "h:mm AM/PM"), + ("0", '[=0]"н/д"'), + ("5", '"н/д"'), + ("5", "0 руб"), + ("5", "[=1E-5]0"), + ("5", "[=1,5]0"), + ("5", "0 ₽"), + ("5", "0;0;0;@;0"), + ], +) +def test_unparsed(raw: str, fmt: str) -> None: + assert shown(raw, fmt) == ("unparsed", None) + + +@pytest.mark.parametrize("fmt", ["General", "general", "", " "]) +def test_raw(fmt: str) -> None: + assert shown("5.5", fmt) == ("raw", None) + + +def test_general_section_after_condition() -> None: + assert shown("5.5", '[=0]"-";General') == ("raw", None) + + +@pytest.mark.parametrize( + ("raw", "fmt", "expected"), + [ + ("5", "[<10]0;[>=10]0,", "5.00"), + ("20000", "[<10]0;[>=10]0,", "20.00"), + ("5", "[<>5]0;0.0", "5.0"), + ], +) +def test_comparison_conditions(raw: str, fmt: str, expected: str) -> None: + kind, value = shown(raw, fmt) + assert kind == "value" + assert value is not None + assert Decimal(expected) == value + + +def test_fourth_section_ignored() -> None: + assert shown("1500", "#,##0,;(#,##0,);0;@") == ("value", Decimal("2.00")) + + +def test_semicolon_in_quotes_does_not_split() -> None: + assert shown("0", '[=0]"a;b"') == ("unparsed", None) + + +def test_escaped_char_is_decoration() -> None: + assert shown("1500", "#,##0\\ \\р") == ("value", Decimal("1500.00")) + + +def test_huge_value_out_of_range_is_unparsed() -> None: + assert shown("1" + "0" * 40, "#,##0") == ("unparsed", None) + + +def test_max_numeric_18_2_range() -> None: + """Excel показывает 15 значащих цифр: 16-значное целое округляется до 1E+16, что уже вне numeric(18,2).""" + assert shown("999999999999999", "0") == ("value", Decimal("999999999999999.00")) + assert shown("9999999999999999", "0") == ("unparsed", None) + assert shown("99999999999999999", "0") == ("unparsed", None) + + +def test_scaled_huge_value_fits() -> None: + assert shown("99999999999999999000", "0,") == ("unparsed", None) + assert shown("999999999999999000", "0,") == ("value", Decimal("999999999999999.00")) + + +def test_condition_compares_with_excel_15_digit_precision() -> None: + """Из xls значение приходит как -1486533582.3500001, условие записано `-1486533582.35`: Excel считает их равными.""" + fmt = '[=-1486533582.35]"(1\u00a0486\u00a0534)"' + + result = display_amount(Decimal("-1486533582.3500001"), fmt) + + assert result == FormatResult("value", Decimal("-1486534")) + + +def test_value_is_rounded_to_15_digits_half_up_before_scaling() -> None: + """Артефакт float 1500499.9999999998 в Excel — 1500500, после деления на 1000 половина округляется вверх.""" + assert shown("1500499.9999999998", "#,##0,") == ("value", Decimal("1501")) + + +def test_condition_operand_is_rounded_to_15_digits() -> None: + """Литерал «-» — «нет значения»; «x» дал бы unparsed по R-5 независимо от условия, поэтому берём прочерк.""" + result = display_amount(Decimal("0.1234567890123456"), '[=0.1234567890123456]"-"') + + assert result == FormatResult("value", None) + + +def test_condition_that_does_not_match_the_pattern_is_unparsed() -> None: + assert shown("0", '[=1E-5]"x"') == ("unparsed", None) diff --git a/api/tests/unit/parser/statements/test_statement.py b/api/tests/unit/parser/statements/test_statement.py index 29be5fd..d7e8e11 100644 --- a/api/tests/unit/parser/statements/test_statement.py +++ b/api/tests/unit/parser/statements/test_statement.py @@ -5,7 +5,7 @@ from decimal import Decimal import pytest -from gridbuilder import at, sheet_from_rows +from gridbuilder import at, sheet_from_rows, with_formats from src.parser.deadline import Deadline from src.parser.detect import SheetKind @@ -417,3 +417,40 @@ def test_single_code_sheet_of_another_form_does_not_join(parser: StatementParser text.startswith("sheet=Справка лист с кодами форм (1 < 3) не присоединён: коды 1150 не из формы INCOME") for text in warnings ) + + +def test_unparsed_number_format_gives_one_document_warning(parser: StatementParser) -> None: + long_format = "0.0000%" + "x" * 40 + page_1 = with_formats( + sheet_from_rows(BALANCE_PAGE_1, "ББ1"), {(7, 3): "0%", (8, 3): "0%", (9, 3): long_format, (11, 3): "0.00%"} + ) + page_2 = with_formats(sheet_from_rows(BALANCE_PAGE_2, "ББ2"), {(3, 3): "0%"}) + sheets = [(page_1, SheetKind.STATEMENT), (page_2, SheetKind.STATEMENT_CONTINUATION)] + + _, warnings, _ = parser.parse_sheets(sheets, deadline()) + + found = [text for text in warnings if "формат чисел не разобран" in text] + shortened = long_format[:29] + "…" + assert found == [f"sheet=ББ1 формат чисел не разобран, значения как в ячейках: «0%», «0.00%», «{shortened}»"] + + +def test_parsed_formats_give_no_format_warning(parser: StatementParser) -> None: + page_1 = with_formats(sheet_from_rows(BALANCE_PAGE_1, "ББ1"), {(7, 3): "#,##0", (8, 3): "0,"}) + + _, warnings, _ = parser.parse_sheets([(page_1, SheetKind.STATEMENT)], deadline()) + + assert not any("формат чисел" in text for text in warnings) + + +def test_xlsb_flag_adds_warning_to_statement_documents_only(parser: StatementParser) -> None: + sheets = [ + (sheet_from_rows(BALANCE_PAGE_1, "ББ"), SheetKind.STATEMENT), + (sheet_from_rows(INCOME, "ОФР"), SheetKind.STATEMENT), + ] + + _, warnings, _ = parser.parse_sheets(sheets, deadline(), formats_unreadable=True) + _, plain, _ = parser.parse_sheets(sheets, deadline()) + + text = "формат чисел xlsb не читается: значения как в файле" + assert [w for w in warnings if "xlsb" in w] == [f"sheet=ББ {text}", f"sheet=ОФР {text}"] + assert not any("xlsb" in w for w in plain) diff --git a/api/tests/unit/parser/test_book_parser.py b/api/tests/unit/parser/test_book_parser.py index ba4dcf0..c44fb41 100644 --- a/api/tests/unit/parser/test_book_parser.py +++ b/api/tests/unit/parser/test_book_parser.py @@ -35,6 +35,7 @@ from src.parser.hierarchy import BodyRow from src.parser.osv import OsvParser from src.parser.rules import DEFAULT_RULES_DIR, HEADERS_FILE, Rules, load_rules from src.parser.statements.statement import StatementParser +from tests.synthetic.xlsb_writer import write_xlsb OPENING = "Сальдо на начало периода" TURNOVER = "Обороты за период" @@ -642,10 +643,12 @@ class _FakeStatements: def __init__(self) -> None: self.received: list[tuple[str, SheetKind]] = [] + self.formats_unreadable = False def parse_sheets( - self, sheets: Sequence[tuple[Sheet, SheetKind]], deadline: Deadline + self, sheets: Sequence[tuple[Sheet, SheetKind]], deadline: Deadline, *, formats_unreadable: bool = False ) -> tuple[list[StatementDocument], list[str], bool]: + self.formats_unreadable = formats_unreadable self.received = [(sheet.name, kind) for sheet, kind in sheets] documents = [ StatementDocument( @@ -704,9 +707,9 @@ def test_book_without_osv_and_forms_is_invalid_document(rules: Rules) -> None: def test_statement_not_ok_makes_book_needs_check(rules: Rules) -> None: class _NotOk(_FakeStatements): def parse_sheets( - self, sheets: Sequence[tuple[Sheet, SheetKind]], deadline: Deadline + self, sheets: Sequence[tuple[Sheet, SheetKind]], deadline: Deadline, *, formats_unreadable: bool = False ) -> tuple[list[StatementDocument], list[str], bool]: - documents, warnings, _ = super().parse_sheets(sheets, deadline) + documents, warnings, _ = super().parse_sheets(sheets, deadline, formats_unreadable=formats_unreadable) return documents, warnings, False outcome = book(rules, statements=_NotOk()).parse(xlsx({"ББ": BALANCE}), "XLSX") @@ -764,3 +767,22 @@ def test_statement_sheets_are_reported_when_osv_sheet_fails(rules: Rules) -> Non assert outcome.status is ResultStatus.ERROR assert "sheet=ББ форма не разобрана: книга завершилась ошибкой листа ОСВ «ОСВ 60»" in warnings_of(outcome) + + +def test_xlsb_book_marks_formats_unreadable_for_statements_only(rules: Rules) -> None: + """#42, R-7: xlsb определяется по содержимому книги (без подмены предупреждений); ОСВ предупреждения не получает.""" + cells = { + name: {position: cell.value for position, cell in sheet_from_rows(rows, name).cells.items()} + for name, rows in (("ББ", BALANCE_ROWS), ("ОСВ 60", mini_osv())) + } + outcome = book(rules).parse(write_xlsb(cells), "XLSB") + + xlsb_warnings = [w for w in warnings_of(outcome) if "формат чисел xlsb" in w] + assert xlsb_warnings == ["sheet=ББ формат чисел xlsb не читается: значения как в файле"] + assert [type(document).__name__ for document in outcome.documents] == ["OsvDocument", "StatementDocument"] + + +def test_xlsx_book_has_no_xlsb_format_warning(rules: Rules) -> None: + outcome = book(rules).parse(xlsx({"ББ": BALANCE_ROWS}), "XLSX") + + assert not any("формат чисел" in w for w in warnings_of(outcome)) diff --git a/api/tests/unit/parser/test_numbers.py b/api/tests/unit/parser/test_numbers.py index 13ac112..33f3d68 100644 --- a/api/tests/unit/parser/test_numbers.py +++ b/api/tests/unit/parser/test_numbers.py @@ -7,7 +7,7 @@ import pytest from src.parser import detect from src.parser.grid import EMPTY_CELL, Cell -from src.parser.numbers import MONEY_Q, MoneyParse, inn_checksum_ok, inn_digits, row_inn, to_money +from src.parser.numbers import MONEY_Q, MoneyParse, inn_checksum_ok, inn_digits, quantize_money, row_inn, to_money from src.parser.rules import Rules, load_rules MAX_WARNING_LENGTH = 100 @@ -286,3 +286,18 @@ def rules() -> Rules: ) def test_row_inn(rules: Rules, cell: Cell, expected: str | None) -> None: assert row_inn(cell, rules) == expected + + +@pytest.mark.parametrize( + ("value", "expected"), + [("1.005", "1.01"), ("-1.005", "-1.01"), ("0.004", "0.00"), ("-0.004", "0.00"), ("10741981", "10741981.00")], +) +def test_quantize_money_half_up_and_no_negative_zero(value: str, expected: str) -> None: + assert_money(quantize_money(Decimal(value), value), expected) + + +@pytest.mark.parametrize("value", ["1E+16", "NaN", "Infinity", "1E-2000"]) +def test_quantize_money_rejects_out_of_range(value: str) -> None: + parsed = quantize_money(Decimal(value), value) + assert parsed.value is None + assert parsed.warning is not None diff --git a/api/tests/unit/parser/test_reader_number_format.py b/api/tests/unit/parser/test_reader_number_format.py new file mode 100644 index 0000000..91d7a1f --- /dev/null +++ b/api/tests/unit/parser/test_reader_number_format.py @@ -0,0 +1,75 @@ +"""Числовой формат числовых ячеек в `Cell.number_format` (#42): xlsx синтетикой, xls — реальным файлом из fixtures.""" + +import datetime +import io +from pathlib import Path + +import openpyxl +import pytest + +from src.parser.readers import read_book +from src.parser.readers import xlsb as xlsb_reader +from src.parser.readers._common import make_cell +from tests.unit.parser.test_readers import _FakeXlsbBook, _zip_with + +FILLED_CELLS = 6 +UNAGRANDE_XLS = "statements-xlsx/unagrande-group/2025-Q3/ББ. Лист 2 3кв.25.xls" + + +def _xlsx() -> bytes: + book = openpyxl.Workbook() + ws = book.active + assert ws is not None + ws["A1"] = 10741981390 + ws["A1"].number_format = "#,##0," + ws["A2"] = 586260.26 + ws["A2"].number_format = "0," + ws["A3"] = 5 + ws["A4"] = 7 + ws["A4"].number_format = "General" + ws["A5"] = "текст" + ws["A5"].number_format = "0," + ws["A6"] = datetime.datetime(2025, 9, 30) + ws["A6"].number_format = "dd.mm.yyyy" + out = io.BytesIO() + book.save(out) + return out.getvalue() + + +def test_xlsx_number_format_is_kept_for_numbers_only() -> None: + sheets, _ = read_book(_xlsx(), "XLSX") + sheet = sheets[0] + + assert sheet.cell(1, 1).number_format == "#,##0," + assert sheet.cell(2, 1).number_format == "0," + assert sheet.cell(3, 1).number_format is None # General по умолчанию + assert sheet.cell(4, 1).number_format is None # явный General + assert sheet.cell(5, 1).number_format is None # текст + assert sheet.cell(6, 1).kind == "date" + assert sheet.cell(6, 1).number_format is None # дата + assert len(sheet.cells) == FILLED_CELLS # разреженность: Cell только у непустых + + +def test_make_cell_number_format_rules() -> None: + assert make_cell(1.5, number_format="GENERAL").number_format is None # type: ignore[union-attr] + assert make_cell(1.5, number_format="").number_format is None # type: ignore[union-attr] + assert make_cell(1.5, number_format="0,").number_format == "0," # type: ignore[union-attr] + assert make_cell("x", number_format="0,").number_format is None # type: ignore[union-attr] + assert make_cell(datetime.datetime(2025, 1, 1), number_format="0,").number_format is None # type: ignore[union-attr] + + +@pytest.mark.fixtures +def test_xls_number_format_is_read(fixtures_dir: Path) -> None: + sheets, _ = read_book((fixtures_dir / UNAGRANDE_XLS).read_bytes(), "XLS") + + formats = {cell.number_format for sheet in sheets for cell in sheet.cells.values() if cell.kind == "number"} + assert {"#,##0,", "0,", '[=0]"-"'} <= formats + assert all(cell.number_format is None for sheet in sheets for cell in sheet.cells.values() if cell.kind != "number") + + +def test_xlsb_cells_have_no_number_format(monkeypatch: pytest.MonkeyPatch) -> None: + monkeypatch.setattr(xlsb_reader.pyxlsb, "open_workbook", lambda _stream: _FakeXlsbBook()) + + sheets, _ = read_book(_zip_with("xl/workbook.bin"), "XLSB") + + assert all(cell.number_format is None for cell in sheets[0].cells.values())