att
This commit is contained in:
Andrey Cunh@
parent
912466bde4
commit
2d09ab55fd
BIN
__pycache__/debit_notes_list_test.cpython-313.pyc
Normal file
BIN
__pycache__/debit_notes_list_test.cpython-313.pyc
Normal file
Binary file not shown.
Binary file not shown.
@ -2,9 +2,10 @@ import base64
|
||||
import json
|
||||
import re
|
||||
import time
|
||||
from contextlib import redirect_stderr
|
||||
from dataclasses import dataclass
|
||||
from datetime import datetime
|
||||
from io import BytesIO
|
||||
from io import BytesIO, StringIO
|
||||
from typing import Any, Dict, List, Optional
|
||||
|
||||
import requests
|
||||
@ -18,6 +19,7 @@ TOKENS_URL = "https://api.grupoginseng.com.br/api/tokens"
|
||||
STORES_URL = "https://api-extranet.grupoboticario.digital/api/person-logged/stores"
|
||||
DEBIT_NOTES_URL = "https://sf-fiscal-api.grupoboticario.digital/v1/debit-notes/documents-list"
|
||||
HANDLE_IMAGES_URL = "https://sf-fiscal-api.grupoboticario.digital/v1/handle-images"
|
||||
FRANCHISES_LIST_URL = "https://sf-fiscal-api.grupoboticario.digital/v1/franchises/list/franchise"
|
||||
|
||||
|
||||
class UnauthorizedTokenError(RuntimeError):
|
||||
@ -104,6 +106,39 @@ def get_franchise_ids(session: requests.Session, auth: Auth) -> List[str]:
|
||||
return out
|
||||
|
||||
|
||||
def get_franchise_ids_from_sf(session: requests.Session, auth: Auth, cp_id: int) -> List[str]:
|
||||
r = None
|
||||
for attempt in range(4):
|
||||
r = session.get(FRANCHISES_LIST_URL, headers=_headers(auth, content_type=False), timeout=60)
|
||||
if r.status_code not in (401, 403):
|
||||
break
|
||||
print(f"[warn] token invalido ao listar franchises do sf (tentativa {attempt + 1}/4), renovando token...")
|
||||
auth.invalidate()
|
||||
auth.get_bearer(force_refresh=True)
|
||||
time.sleep(min(3, attempt + 1))
|
||||
|
||||
assert r is not None
|
||||
r.raise_for_status()
|
||||
body = r.json()
|
||||
if isinstance(body, list):
|
||||
items = body
|
||||
elif isinstance(body, dict) and isinstance(body.get("data"), list):
|
||||
items = body.get("data")
|
||||
else:
|
||||
raise RuntimeError("Resposta inesperada em /v1/franchises/list/franchise")
|
||||
|
||||
out: List[str] = []
|
||||
seen = set()
|
||||
for item in items:
|
||||
if str(item.get("cpId") or "") != str(cp_id):
|
||||
continue
|
||||
code = str(item.get("sapCode") or "").strip()
|
||||
if code and code not in seen:
|
||||
seen.add(code)
|
||||
out.append(code)
|
||||
return out
|
||||
|
||||
|
||||
def get_debit_notes_page(
|
||||
session: requests.Session,
|
||||
auth: Auth,
|
||||
@ -212,6 +247,14 @@ def extract_pdf_text(pdf_bytes: bytes) -> str:
|
||||
return "\n".join(text).strip()
|
||||
|
||||
|
||||
def extract_pdf_text_with_diagnostics(pdf_bytes: bytes) -> tuple[str, List[str]]:
|
||||
buf = StringIO()
|
||||
with redirect_stderr(buf):
|
||||
text = extract_pdf_text(pdf_bytes)
|
||||
lines = [ln.strip() for ln in buf.getvalue().splitlines() if ln.strip()]
|
||||
return text, lines
|
||||
|
||||
|
||||
def parse_money_br(value: Optional[str]) -> Optional[float]:
|
||||
if not value:
|
||||
return None
|
||||
@ -252,6 +295,7 @@ def numero_parcela_from_text(value: Optional[str], fallback: int) -> int:
|
||||
|
||||
def parse_pdf_fields(text: str) -> Dict[str, Any]:
|
||||
m_cliente = re.search(r"Cliente:\s*(\d+)", text, flags=re.IGNORECASE)
|
||||
m_cnpj = re.search(r"CNPJ\s*:\s*([0-9.\-\/]+)", text, flags=re.IGNORECASE)
|
||||
m_nota = re.search(r"NOTA\s+DE\s+D[ÉE]BITO\s*:\s*([A-Z0-9-]+)", text, flags=re.IGNORECASE)
|
||||
m_emissao = re.search(
|
||||
r"Data\s+(?:de\s+)?emiss[aã]o\s*:\s*(\d{2}\.\d{2}\.\d{4})",
|
||||
@ -302,6 +346,7 @@ def parse_pdf_fields(text: str) -> Dict[str, Any]:
|
||||
|
||||
return {
|
||||
"cliente": m_cliente.group(1) if m_cliente else None,
|
||||
"cnpj": m_cnpj.group(1).strip() if m_cnpj else None,
|
||||
"notaDebito": m_nota.group(1) if m_nota else None,
|
||||
"dataEmissao": m_emissao.group(1) if m_emissao else None,
|
||||
"valorTotalDebito": m_total.group(1) if m_total else None,
|
||||
@ -327,8 +372,29 @@ def upsert_rows_sqlserver(rows: List[Dict[str, Any]], connection_string: str) ->
|
||||
cur = cn.cursor()
|
||||
docs = 0
|
||||
pars = 0
|
||||
has_denominacao_col = False
|
||||
has_cnpj_col = False
|
||||
|
||||
try:
|
||||
cur.execute(
|
||||
"""
|
||||
SELECT 1
|
||||
FROM sys.columns
|
||||
WHERE object_id = OBJECT_ID('dbo.TrfDocumento')
|
||||
AND name = 'Denominacao'
|
||||
"""
|
||||
)
|
||||
has_denominacao_col = cur.fetchone() is not None
|
||||
cur.execute(
|
||||
"""
|
||||
SELECT 1
|
||||
FROM sys.columns
|
||||
WHERE object_id = OBJECT_ID('dbo.TrfDocumento')
|
||||
AND name = 'CNPJ'
|
||||
"""
|
||||
)
|
||||
has_cnpj_col = cur.fetchone() is not None
|
||||
|
||||
for row in rows:
|
||||
id_externo = row.get("id")
|
||||
if id_externo is None:
|
||||
@ -339,42 +405,163 @@ def upsert_rows_sqlserver(rows: List[Dict[str, Any]], connection_string: str) ->
|
||||
found = cur.fetchone()
|
||||
if found:
|
||||
doc_id = int(found[0])
|
||||
cur.execute(
|
||||
"""
|
||||
if has_denominacao_col and has_cnpj_col:
|
||||
cur.execute(
|
||||
"""
|
||||
UPDATE dbo.TrfDocumento
|
||||
SET IdExterno=?, FranchiseId=?, ImageName=?, EmissionDate=?,
|
||||
EmissaoNF=?, NotaFiscal=?, Denominacao=?, CNPJ=?, ValorNF=?, Encargos=?, AtualizadoEm=SYSUTCDATETIME()
|
||||
WHERE id=?
|
||||
""",
|
||||
int(id_externo),
|
||||
str(row.get("franchiseId") or "")[:20] or None,
|
||||
str(row.get("imageName") or "")[:150] or None,
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
str(row.get("notaDebito") or "")[:40] or None,
|
||||
str(row.get("denominacao") or "")[:255] or None,
|
||||
str(row.get("cnpj") or "")[:20] or None,
|
||||
row.get("valorTotalDebitoNum"),
|
||||
0.0,
|
||||
doc_id,
|
||||
)
|
||||
elif has_denominacao_col:
|
||||
cur.execute(
|
||||
"""
|
||||
UPDATE dbo.TrfDocumento
|
||||
SET IdExterno=?, FranchiseId=?, ImageName=?, EmissionDate=?,
|
||||
EmissaoNF=?, NotaFiscal=?, Denominacao=?, ValorNF=?, Encargos=?, AtualizadoEm=SYSUTCDATETIME()
|
||||
WHERE id=?
|
||||
""",
|
||||
int(id_externo),
|
||||
str(row.get("franchiseId") or "")[:20] or None,
|
||||
str(row.get("imageName") or "")[:150] or None,
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
str(row.get("notaDebito") or "")[:40] or None,
|
||||
str(row.get("denominacao") or "")[:255] or None,
|
||||
row.get("valorTotalDebitoNum"),
|
||||
0.0,
|
||||
doc_id,
|
||||
)
|
||||
elif has_cnpj_col:
|
||||
cur.execute(
|
||||
"""
|
||||
UPDATE dbo.TrfDocumento
|
||||
SET IdExterno=?, FranchiseId=?, ImageName=?, EmissionDate=?,
|
||||
EmissaoNF=?, NotaFiscal=?, CNPJ=?, ValorNF=?, Encargos=?, AtualizadoEm=SYSUTCDATETIME()
|
||||
WHERE id=?
|
||||
""",
|
||||
int(id_externo),
|
||||
str(row.get("franchiseId") or "")[:20] or None,
|
||||
str(row.get("imageName") or "")[:150] or None,
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
str(row.get("notaDebito") or "")[:40] or None,
|
||||
str(row.get("cnpj") or "")[:20] or None,
|
||||
row.get("valorTotalDebitoNum"),
|
||||
0.0,
|
||||
doc_id,
|
||||
)
|
||||
else:
|
||||
cur.execute(
|
||||
"""
|
||||
UPDATE dbo.TrfDocumento
|
||||
SET IdExterno=?, FranchiseId=?, ImageName=?, EmissionDate=?,
|
||||
EmissaoNF=?, NotaFiscal=?, ValorNF=?, Encargos=?, AtualizadoEm=SYSUTCDATETIME()
|
||||
WHERE id=?
|
||||
""",
|
||||
int(id_externo),
|
||||
str(row.get("franchiseId") or "")[:20] or None,
|
||||
str(row.get("imageName") or "")[:150] or None,
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
str(row.get("notaDebito") or "")[:40] or None,
|
||||
row.get("valorTotalDebitoNum"),
|
||||
0.0,
|
||||
doc_id,
|
||||
)
|
||||
""",
|
||||
int(id_externo),
|
||||
str(row.get("franchiseId") or "")[:20] or None,
|
||||
str(row.get("imageName") or "")[:150] or None,
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
str(row.get("notaDebito") or "")[:40] or None,
|
||||
row.get("valorTotalDebitoNum"),
|
||||
0.0,
|
||||
doc_id,
|
||||
)
|
||||
else:
|
||||
cur.execute(
|
||||
"""
|
||||
if has_denominacao_col and has_cnpj_col:
|
||||
cur.execute(
|
||||
"""
|
||||
INSERT INTO dbo.TrfDocumento (
|
||||
UUID, IdExterno, FranchiseId, ImageName, EmissionDate,
|
||||
EmissaoNF, NotaFiscal, Denominacao, CNPJ, ValorNF, Encargos
|
||||
)
|
||||
VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
|
||||
""",
|
||||
uuid,
|
||||
int(id_externo),
|
||||
str(row.get("franchiseId") or "")[:20] or None,
|
||||
str(row.get("imageName") or "")[:150] or None,
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
str(row.get("notaDebito") or "")[:40] or None,
|
||||
str(row.get("denominacao") or "")[:255] or None,
|
||||
str(row.get("cnpj") or "")[:20] or None,
|
||||
row.get("valorTotalDebitoNum"),
|
||||
0.0,
|
||||
)
|
||||
elif has_denominacao_col:
|
||||
cur.execute(
|
||||
"""
|
||||
INSERT INTO dbo.TrfDocumento (
|
||||
UUID, IdExterno, FranchiseId, ImageName, EmissionDate,
|
||||
EmissaoNF, NotaFiscal, Denominacao, ValorNF, Encargos
|
||||
)
|
||||
VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
|
||||
""",
|
||||
uuid,
|
||||
int(id_externo),
|
||||
str(row.get("franchiseId") or "")[:20] or None,
|
||||
str(row.get("imageName") or "")[:150] or None,
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
str(row.get("notaDebito") or "")[:40] or None,
|
||||
str(row.get("denominacao") or "")[:255] or None,
|
||||
row.get("valorTotalDebitoNum"),
|
||||
0.0,
|
||||
)
|
||||
elif has_cnpj_col:
|
||||
cur.execute(
|
||||
"""
|
||||
INSERT INTO dbo.TrfDocumento (
|
||||
UUID, IdExterno, FranchiseId, ImageName, EmissionDate,
|
||||
EmissaoNF, NotaFiscal, CNPJ, ValorNF, Encargos
|
||||
)
|
||||
VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
|
||||
""",
|
||||
uuid,
|
||||
int(id_externo),
|
||||
str(row.get("franchiseId") or "")[:20] or None,
|
||||
str(row.get("imageName") or "")[:150] or None,
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
str(row.get("notaDebito") or "")[:40] or None,
|
||||
str(row.get("cnpj") or "")[:20] or None,
|
||||
row.get("valorTotalDebitoNum"),
|
||||
0.0,
|
||||
)
|
||||
else:
|
||||
cur.execute(
|
||||
"""
|
||||
INSERT INTO dbo.TrfDocumento (
|
||||
UUID, IdExterno, FranchiseId, ImageName, EmissionDate,
|
||||
EmissaoNF, NotaFiscal, ValorNF, Encargos
|
||||
)
|
||||
VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?)
|
||||
""",
|
||||
uuid,
|
||||
int(id_externo),
|
||||
str(row.get("franchiseId") or "")[:20] or None,
|
||||
str(row.get("imageName") or "")[:150] or None,
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
str(row.get("notaDebito") or "")[:40] or None,
|
||||
row.get("valorTotalDebitoNum"),
|
||||
0.0,
|
||||
)
|
||||
""",
|
||||
uuid,
|
||||
int(id_externo),
|
||||
str(row.get("franchiseId") or "")[:20] or None,
|
||||
str(row.get("imageName") or "")[:150] or None,
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
parse_date_br(row.get("dataEmissao")),
|
||||
str(row.get("notaDebito") or "")[:40] or None,
|
||||
row.get("valorTotalDebitoNum"),
|
||||
0.0,
|
||||
)
|
||||
cur.execute("SELECT id FROM dbo.TrfDocumento WHERE UUID = ?", uuid)
|
||||
got = cur.fetchone()
|
||||
if not got:
|
||||
@ -450,8 +637,10 @@ def main() -> None:
|
||||
# Fluxo fixo: leitura da API -> extracao do PDF em memoria -> upsert SQL.
|
||||
CP_ID = 10269
|
||||
TAKE = 25
|
||||
MAX_PAGINAS_RECENTES = 50
|
||||
# Modo diario: varre apenas as paginas mais recentes por franquia.
|
||||
MAX_PAGINAS_RECENTES = 5
|
||||
MAX_PAGINAS_SEM_NOVIDADE = 5
|
||||
SKIP_EXISTENTE_MESMO_IMAGENAME = True
|
||||
DOCUMENT_TYPE = "NDEB"
|
||||
SQL_CONN = (
|
||||
"DRIVER={ODBC Driver 17 for SQL Server};"
|
||||
@ -466,147 +655,186 @@ def main() -> None:
|
||||
s = requests.Session()
|
||||
s.trust_env = False
|
||||
a = Auth(s)
|
||||
f = get_franchise_ids(s, a)
|
||||
f = get_franchise_ids_from_sf(s, a, CP_ID)
|
||||
return s, a, f
|
||||
|
||||
session, auth, franchises = _new_client()
|
||||
session, auth, all_franchises = _new_client()
|
||||
target_franchises = list(all_franchises)
|
||||
total_docs_upsert = 0
|
||||
total_parcs_upsert = 0
|
||||
skip = 0 # para testes, pular os primeiros 900 registros (36 paginas) e ir direto para os mais recentes. Ajustar para 0 para rodar do inicio. O endpoint suporta skip alto, mas pode ser mais lento. O ideal é rodar periodicamente com skip=0 para pegar os novos registros.
|
||||
skip_inicial = skip
|
||||
total = None
|
||||
pagina = 0
|
||||
total_paginas = None
|
||||
relogins = 0
|
||||
max_relogins = 20
|
||||
paginas_sem_novidade = 0
|
||||
while True:
|
||||
try:
|
||||
page = get_debit_notes_page(session, auth, CP_ID, skip, TAKE, franchises)
|
||||
except UnauthorizedTokenError as e:
|
||||
relogins += 1
|
||||
if relogins > max_relogins:
|
||||
raise RuntimeError(
|
||||
f"Falha apos {max_relogins} relogins. Ultimo erro: {e}"
|
||||
) from e
|
||||
print(
|
||||
f"[relogin] 401 persistente em skip={skip}. "
|
||||
f"Refazendo sessao/token ({relogins}/{max_relogins})..."
|
||||
)
|
||||
session, auth, franchises = _new_client()
|
||||
time.sleep(2)
|
||||
continue
|
||||
if total is None:
|
||||
font_warning_files: List[str] = []
|
||||
|
||||
for idx_fr, franchise_code in enumerate(target_franchises, start=1):
|
||||
print(f"[franchise] iniciando {idx_fr}/{len(target_franchises)} franchiseId={franchise_code}")
|
||||
skip = 0
|
||||
skip_inicial = skip
|
||||
total = None
|
||||
pagina = 0
|
||||
total_paginas = None
|
||||
relogins = 0
|
||||
max_relogins = 20
|
||||
paginas_sem_novidade = 0
|
||||
docs_upsert_fr = 0
|
||||
parcs_upsert_fr = 0
|
||||
|
||||
while True:
|
||||
try:
|
||||
total = int(page.get("documentsTotal") or 0)
|
||||
except Exception:
|
||||
total = 0
|
||||
total_paginas = (total + TAKE - 1) // TAKE if total > 0 else None
|
||||
if total_paginas:
|
||||
print(f"[info] total_registros={total} total_paginas={total_paginas} take={TAKE}")
|
||||
else:
|
||||
print(f"[info] total_registros={total} take={TAKE}")
|
||||
|
||||
docs = page.get("documentsList") or []
|
||||
if not docs:
|
||||
break
|
||||
|
||||
pagina += 1
|
||||
pagina_global = (skip // TAKE) + 1
|
||||
total_paginas_restantes = None
|
||||
if total is not None and total > 0:
|
||||
restantes = max(0, total - skip_inicial)
|
||||
total_paginas_restantes = (restantes + TAKE - 1) // TAKE if restantes > 0 else 0
|
||||
if total_paginas:
|
||||
if total_paginas_restantes is not None:
|
||||
page = get_debit_notes_page(session, auth, CP_ID, skip, TAKE, [franchise_code])
|
||||
except UnauthorizedTokenError as e:
|
||||
relogins += 1
|
||||
if relogins > max_relogins:
|
||||
raise RuntimeError(
|
||||
f"Falha apos {max_relogins} relogins. Ultimo erro: {e}"
|
||||
) from e
|
||||
print(
|
||||
f"[page] baixando pagina_execucao={pagina}/{total_paginas_restantes} "
|
||||
f"pagina_global={pagina_global}/{total_paginas} (itens={len(docs)})"
|
||||
f"[relogin] 401 persistente em skip={skip} franchiseId={franchise_code}. "
|
||||
f"Refazendo sessao/token ({relogins}/{max_relogins})..."
|
||||
)
|
||||
session, auth, _ = _new_client()
|
||||
time.sleep(2)
|
||||
continue
|
||||
if total is None:
|
||||
try:
|
||||
total = int(page.get("documentsTotal") or 0)
|
||||
except Exception:
|
||||
total = 0
|
||||
total_paginas = (total + TAKE - 1) // TAKE if total > 0 else None
|
||||
if total_paginas:
|
||||
print(
|
||||
f"[info] franchiseId={franchise_code} total_registros={total} "
|
||||
f"total_paginas={total_paginas} take={TAKE}"
|
||||
)
|
||||
else:
|
||||
print(f"[info] franchiseId={franchise_code} total_registros={total} take={TAKE}")
|
||||
|
||||
docs = page.get("documentsList") or []
|
||||
if not docs:
|
||||
break
|
||||
|
||||
pagina += 1
|
||||
pagina_global = (skip // TAKE) + 1
|
||||
total_paginas_restantes = None
|
||||
if total is not None and total > 0:
|
||||
restantes = max(0, total - skip_inicial)
|
||||
total_paginas_restantes = (restantes + TAKE - 1) // TAKE if restantes > 0 else 0
|
||||
if total_paginas:
|
||||
if total_paginas_restantes is not None:
|
||||
print(
|
||||
f"[page] franchiseId={franchise_code} "
|
||||
f"baixando pagina_execucao={pagina}/{total_paginas_restantes} "
|
||||
f"pagina_global={pagina_global}/{total_paginas} (itens={len(docs)})"
|
||||
)
|
||||
else:
|
||||
print(
|
||||
f"[page] franchiseId={franchise_code} "
|
||||
f"baixando pagina_execucao={pagina} pagina_global={pagina_global}/{total_paginas} "
|
||||
f"(itens={len(docs)})"
|
||||
)
|
||||
else:
|
||||
print(f"[page] baixando pagina_execucao={pagina} pagina_global={pagina_global}/{total_paginas} (itens={len(docs)})")
|
||||
else:
|
||||
print(f"[page] baixando pagina_execucao={pagina} pagina_global={pagina_global} (itens={len(docs)})")
|
||||
|
||||
doc_ids_page: List[int] = []
|
||||
for d in docs:
|
||||
try:
|
||||
doc_ids_page.append(int(d.get("id")))
|
||||
except Exception:
|
||||
continue
|
||||
existing_map = get_existing_docs_map_sqlserver(doc_ids_page, SQL_CONN)
|
||||
|
||||
page_rows: List[Dict[str, Any]] = []
|
||||
skipped_existing = 0
|
||||
for d in docs:
|
||||
doc_id = int(d.get("id"))
|
||||
franchise_id = str(d.get("franchiseId") or "").strip()
|
||||
image_name = str(d.get("imageName") or "").strip()
|
||||
existing_image_name = existing_map.get(doc_id)
|
||||
if doc_id in existing_map and (existing_image_name or "") == image_name:
|
||||
skipped_existing += 1
|
||||
print(f"[skip] {doc_id} ja existe no SQL com mesmo imageName")
|
||||
continue
|
||||
try:
|
||||
dl_url = get_download_url(
|
||||
session,
|
||||
auth,
|
||||
DOCUMENT_TYPE,
|
||||
franchise_id,
|
||||
doc_id, # para esse endpoint usa "id" do documento
|
||||
image_name,
|
||||
print(
|
||||
f"[page] franchiseId={franchise_code} "
|
||||
f"baixando pagina_execucao={pagina} pagina_global={pagina_global} (itens={len(docs)})"
|
||||
)
|
||||
pdf_bytes = download_pdf_bytes(session, dl_url)
|
||||
txt = extract_pdf_text(pdf_bytes)
|
||||
parsed = parse_pdf_fields(txt)
|
||||
page_rows.append(
|
||||
{
|
||||
"id": doc_id,
|
||||
"franchiseId": franchise_id,
|
||||
"imageName": image_name,
|
||||
**parsed,
|
||||
}
|
||||
)
|
||||
print(f"[ok] {doc_id} -> {image_name}")
|
||||
except Exception as e:
|
||||
print(f"[erro] {doc_id} -> {e}")
|
||||
|
||||
novos_na_pagina = len(page_rows)
|
||||
if page_rows:
|
||||
stats_page = upsert_rows_sqlserver(page_rows, SQL_CONN)
|
||||
total_docs_upsert += int(stats_page.get("documentos") or 0)
|
||||
total_parcs_upsert += int(stats_page.get("parcelas") or 0)
|
||||
doc_ids_page: List[int] = []
|
||||
for d in docs:
|
||||
try:
|
||||
doc_ids_page.append(int(d.get("id")))
|
||||
except Exception:
|
||||
continue
|
||||
existing_map = get_existing_docs_map_sqlserver(doc_ids_page, SQL_CONN)
|
||||
|
||||
page_rows: List[Dict[str, Any]] = []
|
||||
skipped_existing = 0
|
||||
for d in docs:
|
||||
doc_id = int(d.get("id"))
|
||||
franchise_id = str(d.get("franchiseId") or "").strip()
|
||||
image_name = str(d.get("imageName") or "").strip()
|
||||
existing_image_name = existing_map.get(doc_id)
|
||||
if SKIP_EXISTENTE_MESMO_IMAGENAME and doc_id in existing_map and (existing_image_name or "") == image_name:
|
||||
skipped_existing += 1
|
||||
print(f"[skip] {doc_id} ja existe no SQL com mesmo imageName")
|
||||
continue
|
||||
try:
|
||||
dl_url = get_download_url(
|
||||
session,
|
||||
auth,
|
||||
DOCUMENT_TYPE,
|
||||
franchise_id,
|
||||
doc_id, # para esse endpoint usa "id" do documento
|
||||
image_name,
|
||||
)
|
||||
pdf_bytes = download_pdf_bytes(session, dl_url)
|
||||
txt, diag_lines = extract_pdf_text_with_diagnostics(pdf_bytes)
|
||||
has_font_warn = any("FontBBox" in ln for ln in diag_lines)
|
||||
if has_font_warn:
|
||||
font_warning_files.append(image_name)
|
||||
print(f"[warn-font] {doc_id} -> {image_name}")
|
||||
parsed = parse_pdf_fields(txt)
|
||||
page_rows.append(
|
||||
{
|
||||
"id": doc_id,
|
||||
"franchiseId": franchise_id,
|
||||
"imageName": image_name,
|
||||
**parsed,
|
||||
}
|
||||
)
|
||||
print(f"[ok] {doc_id} -> {image_name}")
|
||||
except Exception as e:
|
||||
print(f"[erro] {doc_id} -> {e}")
|
||||
|
||||
novos_na_pagina = len(page_rows)
|
||||
if page_rows:
|
||||
stats_page = upsert_rows_sqlserver(page_rows, SQL_CONN)
|
||||
docs_page = int(stats_page.get("documentos") or 0)
|
||||
parcs_page = int(stats_page.get("parcelas") or 0)
|
||||
total_docs_upsert += docs_page
|
||||
total_parcs_upsert += parcs_page
|
||||
docs_upsert_fr += docs_page
|
||||
parcs_upsert_fr += parcs_page
|
||||
print(
|
||||
f"[sql] franchiseId={franchise_code} pagina={pagina} docs_upsert={docs_page} "
|
||||
f"parc_upsert={parcs_page} acumulado_fr_docs={docs_upsert_fr} "
|
||||
f"acumulado_fr_parc={parcs_upsert_fr}"
|
||||
)
|
||||
|
||||
if novos_na_pagina == 0:
|
||||
paginas_sem_novidade += 1
|
||||
else:
|
||||
paginas_sem_novidade = 0
|
||||
|
||||
print(
|
||||
f"[sql] pagina={pagina} docs_upsert={stats_page['documentos']} "
|
||||
f"parc_upsert={stats_page['parcelas']} acumulado_docs={total_docs_upsert} "
|
||||
f"acumulado_parc={total_parcs_upsert}"
|
||||
f"[page] franchiseId={franchise_code} pagina={pagina} novos={novos_na_pagina} "
|
||||
f"skip_sql={skipped_existing} sem_novidade={paginas_sem_novidade}/{MAX_PAGINAS_SEM_NOVIDADE}"
|
||||
)
|
||||
|
||||
if novos_na_pagina == 0:
|
||||
paginas_sem_novidade += 1
|
||||
else:
|
||||
paginas_sem_novidade = 0
|
||||
skip += TAKE
|
||||
print(
|
||||
f"[page] franchiseId={franchise_code} concluida {pagina} "
|
||||
f"acumulado_fr_docs={docs_upsert_fr} total={total}"
|
||||
)
|
||||
if pagina >= MAX_PAGINAS_RECENTES:
|
||||
print(f"[stop] franchiseId={franchise_code} limite diario atingido: {MAX_PAGINAS_RECENTES} paginas recentes")
|
||||
break
|
||||
if paginas_sem_novidade >= MAX_PAGINAS_SEM_NOVIDADE:
|
||||
print(f"[stop] franchiseId={franchise_code} sem novidades por {MAX_PAGINAS_SEM_NOVIDADE} paginas consecutivas")
|
||||
break
|
||||
if total and skip >= total:
|
||||
break
|
||||
|
||||
print(
|
||||
f"[page] pagina={pagina} novos={novos_na_pagina} skip_sql={skipped_existing} "
|
||||
f"sem_novidade={paginas_sem_novidade}/{MAX_PAGINAS_SEM_NOVIDADE}"
|
||||
f"[franchise] concluida franchiseId={franchise_code} "
|
||||
f"docs_upsert={docs_upsert_fr} parcelas_upsert={parcs_upsert_fr}"
|
||||
)
|
||||
|
||||
skip += TAKE
|
||||
print(f"[page] concluida {pagina} acumulado_docs={total_docs_upsert} total={total}")
|
||||
if pagina >= MAX_PAGINAS_RECENTES:
|
||||
print(f"[stop] limite diario atingido: {MAX_PAGINAS_RECENTES} paginas recentes")
|
||||
break
|
||||
if paginas_sem_novidade >= MAX_PAGINAS_SEM_NOVIDADE:
|
||||
print(f"[stop] sem novidades por {MAX_PAGINAS_SEM_NOVIDADE} paginas consecutivas")
|
||||
break
|
||||
if total and skip >= total:
|
||||
break
|
||||
if font_warning_files:
|
||||
uniq_font_warn = sorted(set(font_warning_files))
|
||||
print(f"[warn-font] total_arquivos_com_warning={len(uniq_font_warn)}")
|
||||
for name in uniq_font_warn:
|
||||
print(f"[warn-font] arquivo={name}")
|
||||
|
||||
print(f"SQL upsert final -> documentos={total_docs_upsert} parcelas={total_parcs_upsert}")
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
main()
|
||||
|
||||
|
||||
|
||||
Loading…
x
Reference in New Issue
Block a user