label-extractor/batch_extractor.py

import os
import zipfile
import tempfile
import pandas as pd
from read_image import read_datamatrix_zxing, extract_barcodes_from_pdf
from pathlib import Path
import click
import render_eps
import hashlib
import random
from datetime import datetime

def get_dated_hash(text: str) -> str:
    """
    Генерирует хэш с префиксом даты в формате ГГ_ММ_ДД.
    Пример вывода: 26_02_21_d6f7a6b2c1
    """
    # 1. Получаем текущую дату в формате ГГ_ММ_ДД (например, 26_02_21)
    date_prefix = datetime.now().strftime("%y_%m_%d")
    text = f"{text}_{random.randint(0,100000000)}"
    # 2. Генерируем хэш-часть (SHA-256, 10 символов)
    hash_part = hashlib.sha256(text.encode()).hexdigest()[:10]
    
    # 3. Соединяем через нижнее подчеркивание
    return f"{date_prefix}_{hash_part}"

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

    # Преобразуем путь в объект Path для удобной работы с файловой системой
    path_obj = Path(output_path)
    
    # Создаем родительскую директорию (вместе со всеми промежуточными), если ее нет
    # Метод parent возвращает путь к папке, в которой должен лежать файл
    # exist_ok=True гарантирует отсутствие ошибки, если папка уже существует
    path_obj.parent.mkdir(parents=True, exist_ok=True)
        
    # 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}")


@click.group(help="Утилита для массового извлечения DataMatrix кодов и сохранения их в Excel.")
def cli():
    """Основная группа команд для CLI."""
    pass

@cli.command(help="Извлекает коды из EPS-файлов внутри ZIP-архива.")
@click.argument('input_zip', type=click.Path(exists=True, dir_okay=False, path_type=Path))
@click.argument('output_xlsx', type=click.Path(dir_okay=False, writable=True, path_type=Path))
def from_zip(input_zip: Path, output_xlsx: Path):
    """
    Пакетная обработка ZIP-архива.
    
    INPUT_ZIP: Путь к исходному .zip файлу с EPS-этикетками.
    OUTPUT_XLSX: Путь для сохранения результата (например, result.xlsx).
    """
    click.echo(f"Начинаю обработку архива: {input_zip.name}")
    try:
        data = extract_eps_from_zip(str(input_zip))
        if data:
            save_to_excel(data, str(output_xlsx))
            click.secho(f"Успех! Найдено кодов: {len(data)}. Файл сохранен: {output_xlsx.name}", fg="green")
        else:
            click.secho("Внимание: в архиве не найдено читаемых кодов.", fg="yellow")
    except Exception as e:
        click.secho(f"Ошибка при обработке ZIP: {e}", fg="red")

@cli.command(help="Извлекает коды со всех страниц PDF-документа.")
@click.argument('input_pdf', type=click.Path(exists=True, dir_okay=False, path_type=Path))
@click.argument('output_xlsx', type=click.Path(dir_okay=False, writable=True, path_type=Path))
def from_pdf(input_pdf: Path, output_xlsx: Path):
    """
    Пакетная обработка PDF-документа.
    
    INPUT_PDF: Путь к исходному многостраничному .pdf файлу.
    OUTPUT_XLSX: Путь для сохранения результата (например, result.xlsx).
    """
    click.echo(f"Начинаю обработку PDF-документа: {input_pdf.name}")
    try:
        data = extract_dm_from_pdf(str(input_pdf))
        if data:
            save_to_excel(data, str(output_xlsx))
            click.secho(f"Успех! Найдено кодов: {len(data)}. Файл сохранен: {output_xlsx.name}", fg="green")
        else:
            click.secho("Внимание: в PDF-файле не найдено читаемых кодов.", fg="yellow")
    except Exception as e:
        click.secho(f"Ошибка при обработке PDF: {e}", fg="red")

@cli.command(help="Подготавливает excel с именами файлов в директории")
@click.argument('input_dir', type=click.Path(exists=True, file_okay=False, dir_okay=True, path_type=Path))
@click.argument('output_xlsx', type=click.Path(dir_okay=False, writable=True, path_type=Path))
def get_filenames(input_dir: Path, output_xlsx: Path):
    # Используем .glob('*') или .iterdir()
    filenames = [f.name for f in input_dir.iterdir() if f.is_file()]
    filenames_with_hashes = [(get_dated_hash(f), f) for f in filenames]
    save_to_excel(filenames_with_hashes, str(output_xlsx))


if __name__ == "__main__":
    cli()