IPSExtractor/docs/application/normalizer.md

application/normalizer.py

Propósito

Normaliza un JSON de entrada al esquema canónico basado en rutas (paths) seleccionado por el usuario, utilizando un LLM.

API pública

build_canonical_template(paths: list[str]) -> dict

Convierte rutas del tipo a/b/*/c en un objeto anidado con listas y null, siempre incluyendo radicado en la raíz.

normalize_to_schema(data: dict, paths: list[str], profile_name: str, model: str | None = None) -> dict | None

Usa un LLM para mapear data al template canónico generado por build_canonical_template. Retorna None si no hay API Key o si el LLM falla.

Consideraciones

• Control de reintentos y timeouts vía settings.retry y settings.api.
• Mantiene radicado si estaba presente en el data original.
• Registra métricas (duración, modelo, base_url) sin exponer contenido sensible.

Ejemplo

from application.normalizer import build_canonical_template, normalize_to_schema

paths = ["radicado", "items/*/codigo", "items/*/cantidad"]
template = build_canonical_template(paths)
normalized = normalize_to_schema({"radicado": "R-1", "items": [{"codigo": "A", "cantidad": 2}]}, paths, profile_name="invoice")