378 lines
11 KiB
Python
378 lines
11 KiB
Python
# 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()
|