z230

2026-06-05 14:12:02 +02:00
parent 76e9427901
commit 592e6cd2a2
8 changed files with 2409 additions and 161 deletions
@@ -0,0 +1,377 @@
+# FakturyRename.py
+# Verze: 1.2
+# Datum: 05JUN2026
+# Autor: Vladimír Buzalka
+#
+# Popis:
+# Projde PDF faktury a doklady přímo ve vstupním adresáři, pošle je do
+# OpenAI Responses API k vytěžení údajů a navrhne jednotný název souboru.
+# Výsledný formát názvu:
+# YYYY-MM-DD Typ Dodavatel ČÍSLO [popis] [částka MĚNA].pdf
+#
+# Při DRY_RUN = False skript soubor přejmenuje a přesune do podadresáře
+# NamedInvoicesbyOpenAI, aby další běh zpracovával jen nové dokumenty.
+# Loguje původní název, návrh, tokeny, odhad ceny a stav zpracování.
+
+import os
+from dotenv import load_dotenv
+import base64
+import json
+import re
+import time
+from pathlib import Path
+
+from openai import OpenAI
+
+
+# =========================
+# CENA API
+# =========================
+
+USD_TO_CZK = 25.0
+
+# # Ceny nastav ručně podle modelu, který používáš.
+# # Zde počítáme:
+# # input  = 5 USD / 1M tokenů
+# # output = 30 USD / 1M tokenů
+# PRICE_INPUT_USD_PER_1M = 5.00
+# PRICE_OUTPUT_USD_PER_1M = 30.00
+# # Model s podporou PDF / vision vstupu.
+# MODEL = "gpt-5.5"
+
+MODEL = "gpt-5.4-mini"
+
+PRICE_INPUT_USD_PER_1M = 0.75
+PRICE_OUTPUT_USD_PER_1M = 4.50
+
+# =========================
+# NASTAVENÍ
+# =========================
+
+FOLDER = Path(
+    r"u:\Dropbox\Ordinace\!!MUDr. Michaela Buzalková s.r.o\Prosek\#040 Faktury přijaté"
+)
+
+PROCESSED_FOLDER = FOLDER / "NamedInvoicesbyOpenAI"
+
+# Pro test na 3 fakturách nech DRY_RUN = True.
+# Skript jen vypíše a zaloguje návrhy názvů, ale soubory nepřejmenuje.
+DRY_RUN = False
+
+# Nepůjde do podadresářů, protože používáme glob(), ne rglob().
+PDF_PATTERN = "*.pdf"
+
+
+
+LOG_FILE = FOLDER / "_rename_log_invoices.txt"
+
+ENV_FILE = Path(r"U:\ordinaceprojekt\.env")
+
+
+# =========================
+# PRAVIDLA PRO POJMENOVÁNÍ
+# =========================
+
+NAMING_RULES = """
+Jsi pomocník pro pojmenování naskenovaných PDF dokladů MUDr. Michaely Buzalkové.
+
+ÚKOL:
+Z PDF faktury/dokladu vytěž datum, typ dokladu, dodavatele, číslo dokladu, stručný popis, částku a měnu.
+Vrať pouze JSON s polem "filename".
+
+CÍLOVÝ FORMÁT:
+YYYY-MM-DD Typ Dodavatel ČÍSLO [popis] [částka MĚNA].pdf
+
+PŘÍKLADY:
+2026-06-01 Faktura ASKER 261103225 [kontejner Yannick 1.5 l] [339.00 CZK].pdf
+2026-06-01 Faktura MEDIPOS 10195703 [CRP, kapiláry, písty, rukavice, nádoba] [5578.97 CZK].pdf
+2026-05-29 Faktura Ptáček 202604570 [vakcíny Adacel, Vaqta, Havrix] [9235.20 CZK].pdf
+2026-05-29 Faktura Poliklinika Prosek 91260763 [lékárna] [16165.40 CZK].pdf
+2026-06-01 Dodací list QuickSeal 200609058 [VivaDiag Hydroxyvitamin D3] [2620.00 CZK].pdf
+
+DŮLEŽITÁ PRAVIDLA:
+1. Prefix [POHODA] nikdy nepřidávej.
+2. Používej datum vystavení dokladu, ne datum splatnosti.
+3. Typ dokladu vyber podle dokumentu:
+   - Faktura
+   - Dobropis
+   - Paragon
+   - Dodací list
+   - Zálohová faktura
+   - Smlouva
+   - Platba
+   - Poplatek
+   - Výdajový pokladní doklad
+4. Pokud je v dokumentu napsáno "Dodací list není daňový doklad - nehraďte", typ musí být "Dodací list", ne "Faktura".
+5. Dodavatel zapisuj krátce a konzistentně:
+   - MEDIPOS
+   - MEDEVIO
+   - MEDATRON
+   - ASKER
+   - QuickSeal
+   - Poliklinika Prosek
+   - Alza
+   - Microsoft
+   - OpenAI
+   - Ptáček
+6. SPECIÁLNÍ PRAVIDLO: pokud je dodavatel/firma "Distribuce CZ", v názvu souboru použij dodavatele "Ptáček".
+7. SPECIÁLNÍ PRAVIDLO: u faktur MEDIPOS použij jako číslo dokladu variabilní symbol nebo hlavní číslo faktury bez mezer, například 10195703. Nepoužívej interní evidenční číslo typu FV-5703/2026.
+8. Částku piš vždy s desetinnou tečkou a měnou, například [5578.97 CZK].
+9. Když je částka v Kč, měna je CZK.
+10. Popis drž krátký, praktický a česky.
+11. Popis dávej do hranatých závorek.
+12. Nepoužívej dvojtečky, lomítka, uvozovky ani znaky nevhodné pro Windows názvy souborů.
+13. Pokud jde jen o dodací list bez daňového dokladu, částku můžeš uvést, ale typ musí zůstat Dodací list.
+14. Pokud si nejsi jistý popisem, použij obecný popis typu [materiál do ordinace], [lékárna], [vakcíny], [testy].
+15. Výstup musí být pouze validní JSON, nic jiného.
+
+JSON FORMÁT:
+{
+  "filename": "YYYY-MM-DD Faktura Dodavatel 123456 [popis] [123.45 CZK].pdf"
+}
+"""
+
+
+# =========================
+# POMOCNÉ FUNKCE
+# =========================
+
+def pdf_to_base64_data_url(path: Path) -> str:
+    data = path.read_bytes()
+    b64 = base64.b64encode(data).decode("utf-8")
+    return f"data:application/pdf;base64,{b64}"
+
+
+def sanitize_windows_filename(name: str) -> str:
+    """
+    Očistí název souboru pro Windows.
+    """
+    # Zakázané znaky ve Windows: < > : " / \ | ? *
+    name = re.sub(r'[<>:"/\\|?*]', " ", name)
+
+    # Sjednocení mezer
+    name = re.sub(r"\s+", " ", name).strip()
+
+    # Windows nemá rád tečku nebo mezeru na konci
+    name = name.rstrip(" .")
+
+    if not name.lower().endswith(".pdf"):
+        name += ".pdf"
+
+    return name
+
+
+def unique_path(target: Path) -> Path:
+    """
+    Pokud cílový soubor existuje, přidá (2), (3), ...
+    """
+    if not target.exists():
+        return target
+
+    stem = target.stem
+    suffix = target.suffix
+    parent = target.parent
+
+    i = 2
+    while True:
+        candidate = parent / f"{stem} ({i}){suffix}"
+        if not candidate.exists():
+            return candidate
+        i += 1
+
+
+def extract_json_object(text: str) -> dict:
+    """
+    Kdyby model náhodou vrátil něco kolem JSONu, zkusí vytáhnout první JSON objekt.
+    """
+    text = text.strip()
+
+    try:
+        return json.loads(text)
+    except json.JSONDecodeError:
+        pass
+
+    match = re.search(r"\{.*\}", text, flags=re.DOTALL)
+    if not match:
+        raise ValueError(f"Model nevrátil JSON:\n{text}")
+
+    return json.loads(match.group(0))
+
+
+def get_usage_value(usage, key: str) -> int:
+    """
+    Bezpečně přečte usage hodnotu.
+    Funguje pro objekt i dict.
+    """
+    if usage is None:
+        return 0
+
+    if isinstance(usage, dict):
+        return usage.get(key, 0) or 0
+
+    return getattr(usage, key, 0) or 0
+
+
+def calculate_cost_from_usage(usage) -> dict:
+    """
+    Spočítá odhad ceny z response.usage.
+    """
+    input_tokens = get_usage_value(usage, "input_tokens")
+    output_tokens = get_usage_value(usage, "output_tokens")
+    total_tokens = get_usage_value(usage, "total_tokens")
+
+    if not total_tokens:
+        total_tokens = input_tokens + output_tokens
+
+    input_cost_usd = input_tokens / 1_000_000 * PRICE_INPUT_USD_PER_1M
+    output_cost_usd = output_tokens / 1_000_000 * PRICE_OUTPUT_USD_PER_1M
+    total_cost_usd = input_cost_usd + output_cost_usd
+    total_cost_czk = total_cost_usd * USD_TO_CZK
+
+    return {
+        "input_tokens": input_tokens,
+        "output_tokens": output_tokens,
+        "total_tokens": total_tokens,
+        "input_cost_usd": input_cost_usd,
+        "output_cost_usd": output_cost_usd,
+        "total_cost_usd": total_cost_usd,
+        "total_cost_czk": total_cost_czk,
+    }
+
+
+def ask_openai_for_filename(client: OpenAI, pdf_path: Path) -> tuple[str, dict]:
+    file_data = pdf_to_base64_data_url(pdf_path)
+
+    response = client.responses.create(
+        model=MODEL,
+        input=[
+            {
+                "role": "user",
+                "content": [
+                    {
+                        "type": "input_file",
+                        "filename": pdf_path.name,
+                        "file_data": file_data,
+                    },
+                    {
+                        "type": "input_text",
+                        "text": NAMING_RULES,
+                    },
+                ],
+            }
+        ],
+    )
+
+    text = response.output_text.strip()
+    obj = extract_json_object(text)
+
+    filename = obj.get("filename", "").strip()
+    if not filename:
+        raise ValueError(f"JSON neobsahuje filename:\n{text}")
+
+    cost = calculate_cost_from_usage(response.usage)
+
+    return sanitize_windows_filename(filename), cost
+
+
+def log_line(text: str) -> None:
+    print(text)
+    with LOG_FILE.open("a", encoding="utf-8") as f:
+        f.write(text + "\n")
+
+
+# =========================
+# HLAVNÍ BĚH
+# =========================
+
+def main() -> None:
+    if not FOLDER.exists():
+        raise FileNotFoundError(f"Adresář neexistuje: {FOLDER}")
+
+    # Načtení API klíče z .env
+    load_dotenv(ENV_FILE)
+
+    if not os.getenv("OPENAI_API_KEY"):
+        raise RuntimeError(
+            f"Chybí OPENAI_API_KEY. Zkontroluj soubor {ENV_FILE}"
+        )
+
+    client = OpenAI()
+
+    pdfs = sorted(FOLDER.glob(PDF_PATTERN))
+    pdfs = [p for p in pdfs if p.is_file() and p.suffix.lower() == ".pdf"]
+
+    if not pdfs:
+        print("Nenalezeno žádné PDF.")
+        return
+
+    total_input_tokens = 0
+    total_output_tokens = 0
+    total_tokens = 0
+    total_cost_usd = 0.0
+    total_cost_czk = 0.0
+
+    log_line("")
+    log_line("=" * 80)
+    log_line(f"START: {time.strftime('%Y-%m-%d %H:%M:%S')}")
+    log_line(f"Adresář: {FOLDER}")
+    log_line(f"Hotové faktury: {PROCESSED_FOLDER}")
+    log_line(f"Počet PDF: {len(pdfs)}")
+    log_line(f"DRY_RUN: {DRY_RUN}")
+    log_line(f"MODEL: {MODEL}")
+    log_line(f"Kurz: 1 USD = {USD_TO_CZK:.2f} CZK")
+    log_line("=" * 80)
+
+    for i, pdf in enumerate(pdfs, start=1):
+        log_line(f"\n[{i}/{len(pdfs)}] Původní název: {pdf.name}")
+
+        try:
+            new_name, cost = ask_openai_for_filename(client, pdf)
+
+            total_input_tokens += cost["input_tokens"]
+            total_output_tokens += cost["output_tokens"]
+            total_tokens += cost["total_tokens"]
+            total_cost_usd += cost["total_cost_usd"]
+            total_cost_czk += cost["total_cost_czk"]
+
+            log_line(f"  Návrh: {new_name}")
+            log_line(
+                f"  Tokeny: input={cost['input_tokens']}, "
+                f"output={cost['output_tokens']}, "
+                f"total={cost['total_tokens']}"
+            )
+            log_line(
+                f"  Cena volání: ${cost['total_cost_usd']:.6f} "
+                f"≈ {cost['total_cost_czk']:.2f} Kč"
+            )
+
+            target = unique_path(PROCESSED_FOLDER / new_name)
+            if target.name != new_name:
+                log_line(f"  Cíl po vyřešení konfliktu: {target.name}")
+
+            if DRY_RUN:
+                log_line(f"  Cíl: {target}")
+                log_line("  Stav: DRY-RUN, nepřejmenováno/nepřesunuto")
+            else:
+                PROCESSED_FOLDER.mkdir(exist_ok=True)
+                pdf.rename(target)
+                if pdf.name == new_name:
+                    log_line("  Stav: PŘESUNUTO")
+                else:
+                    log_line("  Stav: PŘEJMENOVÁNO A PŘESUNUTO")
+
+        except Exception as e:
+            log_line(f"  CHYBA: {type(e).__name__}: {e}")
+
+    log_line("")
+    log_line("=" * 80)
+    log_line("SOUHRN CENY")
+    log_line(f"Tokeny celkem: input={total_input_tokens}, output={total_output_tokens}, total={total_tokens}")
+    log_line(f"Cena celkem: ${total_cost_usd:.6f} ≈ {total_cost_czk:.2f} Kč")
+    log_line("=" * 80)
+
+    log_line("\nHOTOVO")
+
+
+if __name__ == "__main__":
+    main()