54 lines
2.7 KiB
Markdown
54 lines
2.7 KiB
Markdown
# `application/service.py`
|
|
|
|
## Propósito
|
|
Fachada de alto nivel para procesar facturas:
|
|
- Convierte documentos (PDF/TIFF) a imágenes base64 según configuración.
|
|
- Llama a una estrategia de extracción multimodal (OpenAI/Ollama compatible).
|
|
- Construye un esquema a partir del primer documento y permite seleccionar campos.
|
|
- Escribe CSV incrementalmente respetando la selección de paths.
|
|
|
|
## API pública
|
|
|
|
### `InvoiceProcessingService.extract_full_from_pdf(pdf_path, instruction=None) -> dict`
|
|
Extrae JSON completo desde un documento. Selecciona instrucción por defecto del perfil `invoice` si no se provee y aplica fallback (DPI reducido, límite de páginas) ante fallos del backend.
|
|
|
|
Parámetros:
|
|
- `pdf_path`: ruta al documento.
|
|
- `instruction`: instrucción (prompt) opcional.
|
|
|
|
### `InvoiceProcessingService.build_schema_from_first(pdf_path, ...) -> (schema, data)`
|
|
Construye un esquema de rutas a partir del primer documento y devuelve también los datos extraídos.
|
|
|
|
### `InvoiceProcessingService.process_root_with_field_selection(root_path, keywords=None, *, doc_types=None, fields=None, on_progress=None, csv_output_path=None, csv_header_override=None, instruction_override=None, on_usage=None, alias_map=None) -> list[dict]`
|
|
Procesa radicados en un directorio aplicando una selección de campos. Si `fields` es `None`, devuelve un objeto con `_needs_fields` para que el llamador abra el selector de campos.
|
|
|
|
#### Selección de archivos por keywords/patrones
|
|
|
|
- En modo sencillo (`keywords`), las palabras se interpretan como:
|
|
- Texto sin `*`/`?`: coincide si el nombre de archivo **contiene** ese texto (case-insensitive).
|
|
- Patrón con `*`/`?`: se evalúa usando semántica tipo Windows (`*_1`, `*_OK?.pdf`, etc.).
|
|
- En modo multi-documento (`doc_types`), cada tipo tiene su propio keyword/patrón con la misma semántica.
|
|
- Si el patrón no incluye extensión, se aplica sobre el nombre sin extensión y solo se consideran `.pdf`, `.tif`, `.tiff`.
|
|
- Si incluye una extensión válida (por ejemplo `.pdf` en `*_OK?.pdf`), se respeta exactamente esa extensión.
|
|
|
|
## Consideraciones
|
|
- La escritura CSV respeta el orden de `csv_header_override` si se proporciona.
|
|
- Se incluyen logs detallados de tiempos y tamaños para diagnosticar problemas.
|
|
|
|
## Ejemplos
|
|
```python
|
|
from application.service import InvoiceProcessingService
|
|
from application.strategies import OllamaExtractor
|
|
|
|
svc = InvoiceProcessingService(OllamaExtractor())
|
|
schema, first = svc.build_schema_from_first("ejemplo.pdf")
|
|
resultados = svc.process_root_with_field_selection(
|
|
root_path="C:/facturas",
|
|
keywords=["FACTURA"],
|
|
fields=["radicado", "items/*/codigo", "items/*/cantidad"],
|
|
csv_output_path="salida.csv",
|
|
)
|
|
```
|
|
|
|
|