import pdfplumber import re from typing import List, Optional from datetime import datetime from app.parsers.base_parser import BaseBankStatementParser from app.models.transaction import Transaction class TaskombankPdfParser(BaseBankStatementParser): """ Парсер PDF-выписок ТАСКОМБАНКА. 1) Извлекает "наши" реквизиты (юрлицо, счёт, ИНН) из шапки первой страницы. 2) Обрабатывает таблицу, где, условно: - col 0: Дата опер. (с временем) - col 1: Дебет - col 2: Кредит - col 3: Реквізити кореспондента - col 4: Призначення платежу 3) Определяет расход/приход по заполненной колонке Дебет/Кредит. 4) Склеивает многострочные ячейки реквизитов контрагента. """ def __init__(self): # Данные нашей компании (заполняются из шапки) self.our_company_name: Optional[str] = None self.our_company_inn: Optional[str] = None self.our_company_account: Optional[str] = None self.our_bank_name: Optional[str] = None self.our_bank_id: Optional[str] = None def parse(self, file_path: str) -> List[Transaction]: transactions: List[Transaction] = [] with pdfplumber.open(file_path) as pdf: # 1) Считываем "шапку" (первая страница) if pdf.pages: self._extract_our_company_data(pdf.pages[0]) # 2) Проходим по всем страницам, извлекаем таблицы for page in pdf.pages: tables = page.extract_tables() if not tables: continue for table in tables: if len(table) < 2: continue header = table[0] if len(header) < 5: continue data_rows = table[1:] for row in data_rows: if len(row) < 5: continue date_str = (row[0] or "").strip() debit_str = (row[1] or "").replace(",", ".").replace(" ", "") credit_str = (row[2] or "").replace(",", ".").replace(" ", "") corr_info_raw = (row[3] or "") payment_details = (row[4] or "").strip() # Парсим дату op_date = self._parse_date(date_str) # Определяем сумму (если в дебете > 0 => расход, если в кредите => приход) amount = 0.0 if debit_str: try: amount = -float(debit_str) except ValueError: amount = 0.0 elif credit_str: try: amount = float(credit_str) except ValueError: amount = 0.0 # Склеиваем ячейки реквизитов контрагента lines = corr_info_raw.splitlines() corr_info = " ".join(line.strip() for line in lines) corr_info = re.sub(r"\s+", " ", corr_info).strip() # Дополнительно можно искать "Номер док-та: XXX" doc_number = self._extract_doc_number(corr_info + " " + payment_details) # Ищем INN, счёт contragent_inn = self._extract_inn(corr_info) contragent_account = self._extract_account(corr_info) # Название контрагента contragent_name = self._cleanup_name(corr_info, contragent_inn, contragent_account) # Формируем Transaction transaction = self._build_transaction( doc_number=doc_number, op_date=op_date, amount=amount, payment_details=payment_details, contragent_name=contragent_name, contragent_inn=contragent_inn, contragent_account=contragent_account ) transactions.append(transaction) return transactions # ---------------- Вспомогательные методы ---------------- def _extract_our_company_data(self, page) -> None: """ Считываем текст шапки (первая страница) и ищем: - "ТОВ 'РЕВІ-НАЙТ', ЄДРПОУ 45619342" - "Виписка по рахунку N UA30 ..." - "АТ 'ТАСКОМБАНК' Київ, код ID НБУ 339500" """ text = page.extract_text() or "" lines = text.split("\n") for line in lines: line_str = line.strip() # Пример: АТ "ТАСКОМБАНК" ... код ID НБУ 339500 match_bank = re.search(r'АТ\s+"ТАСКОМБАНК".*код\s+ID\s+НБУ\s+(\d+)', line_str, re.IGNORECASE) if match_bank: self.our_bank_name = 'АТ "ТАСКОМБАНК"' self.our_bank_id = match_bank.group(1) # ТОВ "РЕВІ-НАЙТ", ЄДРПОУ 45619342 match_company = re.search(r'ТОВ\s+"([^"]+)",\s*ЄДРПОУ\s+(\d+)', line_str, re.IGNORECASE) if match_company: self.our_company_name = match_company.group(1).strip() self.our_company_inn = match_company.group(2).strip() # "Виписка по рахунку N UA30..." match_acc = re.search(r'Виписка\s+по\s+рахунку\s+N\s+(UA[\d\s]+)', line_str, re.IGNORECASE) if match_acc: raw_acc = match_acc.group(1).replace(" ", "") self.our_company_account = raw_acc def _parse_date(self, date_str: str) -> datetime: date_str = date_str.replace("\n", " ") for fmt in ["%d.%m.%Y %H:%M:%S", "%d.%m.%Y %H:%M", "%d.%m.%Y"]: try: return datetime.strptime(date_str.strip(), fmt) except ValueError: continue return datetime.now() def _extract_doc_number(self, text: str) -> str: match = re.search(r'Номер\s+док-та:\s*(\S+)', text) if match: return match.group(1) return "UNKNOWN" def _extract_inn(self, text: str) -> str: """ Ищем "ЄДРПОУ: 12345678" либо 8-10 цифр подряд. """ match = re.search(r'ЄДРПОУ:\s*(\d+)', text) if match: return match.group(1) match_digits = re.search(r"\b\d{8,10}\b", text) if match_digits: return match_digits.group(0) return "" def _extract_account(self, text: str) -> str: """ Ищем "Рахунок: UA..." или просто UA.., убираем пробелы. """ match = re.search(r'Рахунок:\s*(UA[\w\d]+)', text) if match: return match.group(1).replace(" ", "") match_ua = re.search(r"\b(UA\d{2,})\b", text) if match_ua: return match_ua.group(1) return "" def _cleanup_name(self, text: str, inn: str, account: str) -> str: """ Удаляем "ЄДРПОУ:...", сам inn, "Рахунок:...", сам account. """ cleaned = text cleaned = re.sub(r"ЄДРПОУ:\s*\d+", "", cleaned) if inn: cleaned = cleaned.replace(inn, "") if account: cleaned = cleaned.replace(account, "") cleaned = re.sub(r"Рахунок:\s*UA[\w\d]+", "", cleaned) cleaned = re.sub(r"\s+", " ", cleaned).strip() return cleaned def _build_transaction( self, doc_number: str, op_date: datetime, amount: float, payment_details: str, contragent_name: str, contragent_inn: str, contragent_account: str ) -> Transaction: """ Если amount < 0 => мы платим => payer_inn="1", recipient_inn=contragent_inn Если amount > 0 => нам платят => payer_inn=contragent_inn, recipient_inn="1" """ our_name = self.our_company_name or "OUR_COMPANY" our_account = self.our_company_account or "" if amount < 0: # Расход payer_inn = "1" payer_name = our_name payer_account = our_account recipient_inn = contragent_inn recipient_name = contragent_name recipient_account = contragent_account date_outcome = op_date.date() date_income = None else: # Приход payer_inn = contragent_inn payer_name = contragent_name payer_account = contragent_account recipient_inn = "1" recipient_name = our_name recipient_account = our_account date_outcome = None date_income = op_date.date() return Transaction( number=doc_number, date=op_date.date(), amount=amount, payer_inn=payer_inn, payer_name=payer_name, payer_account=payer_account, recipient_inn=recipient_inn, recipient_name=recipient_name, recipient_account=recipient_account, payment_details=payment_details.strip(), date_income=date_income, date_outcome=date_outcome, )