61270e6d00
- Item: price_cents + currency (Kaufpreis rappen-/centgenau). Migration ergaenzt. - Neue Tabelle item_documents (mehrere Belege je Stueck, PDF oder Bild); Blob wird verzoegert geladen, damit Item-Listen leicht bleiben. - Endpunkte: Upload (POST), Ansehen/Download (GET), Loeschen (DELETE) je Stueck. Dateiname beim Download gehaertet (keine Header-Injektion). - services/warranty.py: schaetzt aus PDF-Text lokal ein Garantieende (Zeitraum + Kaufdatum, oder Datum nahe Garantie-Stichwort); pypdf ergaenzt. Der Upload liefert den Vorschlag zurueck. 10 neue Tests, Suite 136 gruen. Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
127 lines
4.1 KiB
Python
127 lines
4.1 KiB
Python
"""Aus einem Beleg-PDF ein mögliches Garantieende schätzen – lokal, ohne KI.
|
||
|
||
Zwei Wege, in dieser Reihenfolge:
|
||
1. Garantiezeitraum ("24 Monate", "2 Jahre") + Kaufdatum (aus dem Beleg oder vom
|
||
Einzelstück) → Enddatum ausrechnen.
|
||
2. Ein Datum in der Nähe eines Garantie-Stichworts.
|
||
|
||
Bewusst konservativ: lieber nichts vorschlagen als etwas Falsches – das Ergebnis
|
||
ist nur ein Vorschlag, den der Nutzer bestätigt. Reine Scan-PDFs ohne Textebene
|
||
liefern keinen Text und damit keinen Vorschlag (dafür bräuchte es OCR).
|
||
"""
|
||
|
||
from __future__ import annotations
|
||
|
||
import io
|
||
import re
|
||
from datetime import date
|
||
|
||
from dateutil.relativedelta import relativedelta
|
||
|
||
_KEYWORD_RE = re.compile(r"garantie|gew[äa]hrleistung|warranty", re.IGNORECASE)
|
||
_PERIOD_RE = re.compile(r"(\d{1,3})\s*(jahr|monat|year|month)", re.IGNORECASE)
|
||
_PURCHASE_KW = re.compile(
|
||
r"rechnungsdatum|rechnung|kaufdatum|bestelldatum|bestellt|belegdatum|"
|
||
r"datum|invoice|order date|purchase|receipt",
|
||
re.IGNORECASE,
|
||
)
|
||
# 2024-03-31 oder 31.03.2024 / 31/03/24
|
||
_DATE_RE = re.compile(
|
||
r"(\d{4})-(\d{1,2})-(\d{1,2})|(\d{1,2})[.\/](\d{1,2})[.\/](\d{2,4})"
|
||
)
|
||
|
||
_WINDOW = 60 # Zeichen um ein Stichwort, in denen Zahl/Datum als zugehörig gelten
|
||
|
||
|
||
def extract_pdf_text(data: bytes) -> str:
|
||
"""Text aus einem PDF ziehen. Schlägt es fehl (kaputt, reiner Scan), ""."""
|
||
try:
|
||
from pypdf import PdfReader
|
||
|
||
reader = PdfReader(io.BytesIO(data))
|
||
return "\n".join((page.extract_text() or "") for page in reader.pages)
|
||
except Exception:
|
||
return ""
|
||
|
||
|
||
def _match_to_date(m: re.Match) -> date | None:
|
||
g = m.groups()
|
||
try:
|
||
if g[0] is not None: # ISO yyyy-mm-dd
|
||
y, mo, d = int(g[0]), int(g[1]), int(g[2])
|
||
else: # dd.mm.yyyy / dd/mm/yy
|
||
d, mo, y = int(g[3]), int(g[4]), int(g[5])
|
||
if y < 100:
|
||
y += 2000
|
||
return date(y, mo, d)
|
||
except (TypeError, ValueError):
|
||
return None
|
||
|
||
|
||
def _all_dates(text: str) -> list[tuple[int, date]]:
|
||
out: list[tuple[int, date]] = []
|
||
for m in _DATE_RE.finditer(text):
|
||
d = _match_to_date(m)
|
||
if d is not None:
|
||
out.append((m.start(), d))
|
||
return out
|
||
|
||
|
||
def _find_period(text: str) -> tuple[int, str] | None:
|
||
"""(Anzahl, Einheit) in der Nähe eines Garantie-Stichworts – beide Reihenfolgen."""
|
||
for kw in _KEYWORD_RE.finditer(text):
|
||
fenster = text[max(0, kw.start() - _WINDOW): kw.end() + _WINDOW]
|
||
p = _PERIOD_RE.search(fenster)
|
||
if p:
|
||
return int(p.group(1)), p.group(2).lower()
|
||
return None
|
||
|
||
|
||
def _find_purchase_date(text: str) -> date | None:
|
||
dates = _all_dates(text)
|
||
if not dates:
|
||
return None
|
||
best: date | None = None
|
||
best_dist = 10**9
|
||
for kw in _PURCHASE_KW.finditer(text):
|
||
for pos, d in dates:
|
||
dist = abs(pos - kw.start())
|
||
if dist <= _WINDOW and dist < best_dist:
|
||
best, best_dist = d, dist
|
||
# Kein Kauf-Stichwort getroffen: das früheste Datum liegt am ehesten vor dem
|
||
# Garantieende.
|
||
return best if best is not None else min(d for _, d in dates)
|
||
|
||
|
||
def _find_date_near_keyword(text: str) -> date | None:
|
||
dates = _all_dates(text)
|
||
best: date | None = None
|
||
best_dist = 10**9
|
||
for kw in _KEYWORD_RE.finditer(text):
|
||
for pos, d in dates:
|
||
dist = abs(pos - kw.start())
|
||
if dist <= _WINDOW and dist < best_dist:
|
||
best, best_dist = d, dist
|
||
return best
|
||
|
||
|
||
def _add_period(base: date, n: int, unit: str) -> date:
|
||
if unit.startswith(("jahr", "year")):
|
||
return base + relativedelta(years=n)
|
||
return base + relativedelta(months=n)
|
||
|
||
|
||
def guess_warranty_until(text: str, acquired_on: date | None = None) -> date | None:
|
||
"""Bestes rät fürs Garantieende oder ``None``.
|
||
|
||
``acquired_on`` ist das am Einzelstück hinterlegte Kaufdatum – es hat Vorrang
|
||
vor einem im Beleg gefundenen Datum.
|
||
"""
|
||
if not text:
|
||
return None
|
||
period = _find_period(text)
|
||
base = acquired_on or _find_purchase_date(text)
|
||
if period and base:
|
||
return _add_period(base, period[0], period[1])
|
||
return _find_date_near_keyword(text)
|