z230

IWRS/notification_parsers.py

@@ -0,0 +1,110 @@
+"""
+notification_parsers.py — parsery textů IWRS notifikací.
+Verze: 1.0 | Datum: 2026-06-10
+
+Vyčleněno z bývalého Patients/parse_notifications_to_mongo.py (MySQL→Mongo
+legacy skript) — zůstaly jen čisté parsovací funkce, které používá
+import_notifications_to_mongo.py. Žádná závislost na MySQL.
+"""
+
+import re
+import datetime
+
+
+def parse_kv_lines(text):
+    """Vytáhne všechny řádky typu 'Klíč: Hodnota' do dictu.
+    Když je hodnota za dvojtečkou prázdná, vezme se první neprázdný následující řádek."""
+    out = {}
+    lines = [l.strip() for l in text.splitlines()]
+    pending_key = None
+    for line in lines:
+        # čekáme na hodnotu pro klíč z předchozího řádku
+        if pending_key is not None:
+            if not line:
+                continue
+            if ":" not in line:
+                out.setdefault(pending_key, line)
+                pending_key = None
+                continue
+            # další řádek je sám "Klíč: Hodnota" → zahodíme pending a zpracujeme normálně
+            pending_key = None
+
+        if not line or ":" not in line:
+            continue
+        if line.lower().startswith("http"):
+            continue
+        key, _, val = line.partition(":")
+        key = key.strip()
+        val = val.strip()
+        if not key or (" " in key and len(key.split()) > 8):
+            continue
+        if not val:
+            pending_key = key
+            continue
+        out.setdefault(key, val)
+    return out
+
+
+DATE_RE = re.compile(r"^\d{2}-[A-Z][a-z]{2}-\d{4}$")
+DATETIME_RE = re.compile(r"^(\d{2}-[A-Z][a-z]{2}-\d{4})\s+(\d{2}:\d{2}:\d{2})$")
+
+
+def to_date(s):
+    if not s:
+        return None
+    s = s.strip()
+    if DATE_RE.match(s):
+        try:
+            return datetime.datetime.strptime(s, "%d-%b-%Y")
+        except ValueError:
+            return None
+    return None
+
+
+def to_datetime(s):
+    if not s:
+        return None
+    s = re.sub(r"\s+", " ", s.strip())
+    m = DATETIME_RE.match(s)
+    if m:
+        try:
+            return datetime.datetime.strptime(f"{m.group(1)} {m.group(2)}", "%d-%b-%Y %H:%M:%S")
+        except ValueError:
+            return None
+    return None
+
+
+MED_ROW_RE = re.compile(
+    r"(?P<no>\d{7})\s*[\s\n]*"
+    r"(?P<type>[A-Za-z][A-Za-z0-9 /+\-]+?)\s*[\s\n]*"
+    r"(?P<lot>[A-Z0-9]{5,10})\s*[\s\n]*"
+    r"(?P<exp>\d{2}-[A-Z][a-z]{2}-\d{4})"
+)
+
+
+def parse_medication_table(text):
+    """Najde záznamy medikace (med_no, med_type, lot, expirace) v textu.
+    Pracuje s oběma formáty (UCO3001 multiline i MDD3003 concatenated)."""
+    rows = []
+    # zkomprimuj whitespace pro snadnější regex
+    compact = re.sub(r"\s+", " ", text)
+    for m in MED_ROW_RE.finditer(compact):
+        med_type = m.group("type").strip()
+        # uřízni nadbytečné koncové fragmenty
+        med_type = re.sub(r"\s+(Packaged|Lot|Expiration|No|Date|Medication).*$", "", med_type).strip()
+        rows.append({
+            "medication_no": m.group("no"),
+            "medication_type": med_type,
+            "lot_no": m.group("lot"),
+            "expiration_date": to_date(m.group("exp")),
+        })
+    # dedupe
+    seen = set()
+    unique = []
+    for r in rows:
+        key = (r["medication_no"], r["lot_no"])
+        if key in seen:
+            continue
+        seen.add(key)
+        unique.append(r)
+    return unique