Refactor barcode extraction and enhance PDF processing capabilities

- Added extract_barcodes_from_pdf function to read barcodes from PDF files using fitz.
- Updated read_datamatrix_zxing to return both the barcode text and its Base64 representation.
- Modified main execution block to include PDF barcode extraction.
- Improved image loading for better compatibility with zxing.
- Updated requirements.txt to include pymupdf for PDF processing.

batch_extractor.py

@@ -0,0 +1,78 @@
+import os
+import zipfile
+import tempfile
+import pandas as pd
+from read_image import read_datamatrix_zxing, extract_barcodes_from_pdf
+import click
+import render_eps
+
+def extract_eps_from_zip(zip_path: str) -> list:
+    """
+    Распаковывает zip-архив, ищет eps-файлы, 
+    прогоняет их через read_datamatrix_zxing.
+    Возвращает список кортежей (текст, base64).
+    """
+    results = []
+    
+    # Используем временную директорию для безопасного извлечения файлов
+    with tempfile.TemporaryDirectory() as tmpdir:
+        with zipfile.ZipFile(zip_path, 'r') as zf:
+            # Отбираем только файлы с расширением .eps (независимо от регистра)
+            eps_files = [f for f in zf.namelist() if f.lower().endswith('.eps')]
+            
+            for eps_file in eps_files:
+                # Извлекаем конкретный файл во временную директорию
+                extracted_path = zf.extract(eps_file, path=tmpdir)
+                
+                # Прогоняем через функцию чтения
+                code_data = read_datamatrix_zxing(extracted_path)
+                
+                # Убеждаемся, что код найден и вернулся ожидаемый кортеж
+                if code_data and isinstance(code_data, tuple):
+                    results.append(code_data)
+                    
+    return results
+
+def extract_dm_from_pdf(pdf_path: str) -> list:
+    """
+    Использует extract_barcodes_from_pdf для получения кодов из многостраничного PDF.
+    Возвращает список кортежей (текст, base64).
+    """
+    results = []
+    
+    # Получаем список словарей с информацией о кодах
+    barcodes_info = extract_barcodes_from_pdf(pdf_path)
+    
+    for info in barcodes_info:
+        # Извлекаем текст и base64 по ключам
+        text_val = info.get("text", "")
+        base64_val = info.get("base64", "")
+        
+        results.append((text_val, base64_val))
+        
+    return results
+
+def save_to_excel(data: list, output_path: str):
+    """
+    Принимает список кортежей (текст, base64) и сохраняет в XLSX файл.
+    """
+    if not data:
+        print("Нет данных для сохранения в Excel.")
+        return
+        
+    # Формируем DataFrame из списка кортежей
+    df = pd.DataFrame(data, columns=["Текст", "Base64"])
+    
+    # Сохраняем в XLSX, исключая колонку индексов
+    df.to_excel(output_path, index=False, engine='openpyxl')
+    print(f"Данные успешно сохранены в {output_path}")
+
+
+if __name__ == "__main__":
+    # Тестовый пример оркестрации:
+    base_dir = os.path.dirname(os.path.abspath(__file__))
+    zip_path = "data/0109 черный xxl 720 шт. d46349f7-148a-4301-b6b5-f9a3c70fdf19_begin_offset_2000_number_of_codes_720.zip"
+    #zip_data = extract_eps_from_zip(zip_path)
+
+    pdf_path = 'data/0109, цвет синий, р.L 10шт_b3ba8577-7874-4dfa-a091-e6953fbe0ca7_gtin_04639970975214_quantity_10.pdf'
+    pdf_data = extract_dm_from_pdf(pdf_path)

build_pdf.py

@@ -407,8 +407,8 @@ if __name__ == "__main__":
     data = read_datamatrix_zxing(image_path)
     # Замените своими боевыми Base64 строками
     mock_base64_list = [
-        read_datamatrix_zxing(image_path),
+        read_datamatrix_zxing(image_path)[1],
-        read_datamatrix_zxing(image_path)
+        read_datamatrix_zxing(image_path)[1]
     ]
     
     process_batch(

read_image.py

@@ -1,18 +1,53 @@
 import zxingcpp as zxing_cpp
 from PIL import Image
 import base64
+import fitz
 
-def read_datamatrix_zxing(file_path: str) -> str:
+
+def extract_barcodes_from_pdf(pdf_path: str):
+    results = []
+    
+    doc = fitz.open(pdf_path)
+    
+    for page_num in range(len(doc)):
+        page = doc[page_num]
+        
+        matrix = fitz.Matrix(2.0, 2.0)
+        pix = page.get_pixmap(matrix=matrix)
+        
+        img = Image.frombytes(mode="RGB", size=(pix.width, pix.height), data=pix.samples)
+
+        barcodes = zxing_cpp.read_barcodes(img)
+        
+        for barcode in barcodes:
+            b64_string = base64.b64encode(barcode.bytes).decode('ascii')
+            results.append({
+                "page": page_num + 1,
+                "text": barcode.text,
+                "base64": b64_string,
+                "format": barcode.format.name
+            })
+            
+    doc.close()
+    return results
+
+def read_datamatrix_zxing(file_path: str) -> tuple[str, str]:
     # Открываем изображение через Pillow
-    img = Image.open(file_path)
+    with Image.open(file_path) as img:
+        img.load(scale=10)
+        # Для EPS файлов (и других специфичных форматов) Pillow загружает данные "лениво".
+        # Чтобы избежать ошибки "does not support the buffer protocol" в zxing,
+        # нам нужно принудительно загрузить данные и конвертировать их в понятный цветовой режим,
+        # например, в 'L' (оттенки серого) или 'RGB', который zxing гарантированно поддерживает.
+        img = img.convert("RGB")
     
-    # Читаем штрих-код. 
+        # Читаем штрих-код. 
-    # zxing_cpp.read_barcodes умеет работать напрямую с объектами PIL
+        # zxing_cpp.read_barcodes умеет работать напрямую с объектами PIL
-    results = zxing_cpp.read_barcodes(img)
+        results = zxing_cpp.read_barcodes(img)
     
     if not results:
         print("Коды не найдены на изображении.")
-        return ''
+        return ('','')
             
     # Берем первый найденный код
     result = results[0]
@@ -24,11 +59,13 @@ def read_datamatrix_zxing(file_path: str) -> str:
     # b64encode возвращает bytes, поэтому делаем .decode('ascii') для получения строки
     b64_string = base64.b64encode(raw_bytes).decode('ascii')
     
-    return b64_string
+    return (result.text, b64_string)
 
 if __name__ == "__main__":
     image_path = "data/output.png"
-    data = read_datamatrix_zxing(image_path)
+    text, data = read_datamatrix_zxing(image_path)
+    pdf_read_path = 'data/output_pdfs/Labels_04639970975115.pdf'
+    results = extract_barcodes_from_pdf(pdf_read_path)
     
     if data:
         print(f"Успешно прочитано: {data}")

requirements.txt

@@ -4,3 +4,4 @@ reportlab
 pandas
 treepoem
 openpyxl
+pymupdf