backend/app/services/site_finder/eias_heat_loader.py

@@ -17,11 +17,24 @@ reg=2644). Данные лежат за 3 GET-переходами:
   3. Лист ``ТП`` формы 14 — «Резерв мощности источников тепловой энергии»
      (живой пример: СТ №54 → 3.26 Гкал/час).
 
-Точная сетка листа НЕ снята разведкой → парсинг DEFENSIVE: итерируем ВСЕ строки,
-строка-кандидат = текстовая ячейка матчит «СТ №N | систем | зона» И в той же строке
-есть парсибельное число; берём ПРАВЕЙШЕЕ число как резерв. Все ячейки листа целиком
-→ ``raw`` jsonb (будущие колонки не теряются). Ноль распознанных систем → warning-лог
-(первые 20 строк) + parsed=0, НЕ падаем.
+Реальная сетка листа снята с прода (raw jsonb, все 4 публикации единообразны) —
+парсинг COLUMN-ALIGNED, а НЕ «правейшее число в строке»:
+
+  * Строка-заголовок систем: ``col4 == 'Централизованная система'``; ИМЕНА систем
+    лежат в колонках ``j ≥ 6`` (текст: «СТ № 56», «СТ № 54 » с trailing-space, «Локальные
+    зоны теплоснабжения МУП…»). В хвосте той же строки бывают СЛУЖЕБНЫЕ ЧИСЛА (шаблон
+    ЕИАС) — отсекаем их требованием «имя содержит хотя бы одну букву».
+  * Строка резерва (№5): ``col3.strip() == '5'`` И/ИЛИ ``col4`` начинается с «Резерв
+    мощности источников тепловой энергии» — значения Гкал/ч стоят в ТЕХ ЖЕ колонках
+    ``j``, что и имена систем. В хвосте — длинный текст-примечание «Указывается резерв…»
+    и служебные числа: они не в колонках систем и отсекаются сами.
+  * ЛОВУШКА ``Flag_Row_Size``: последняя КОЛОНКА листа (col25) — служебные числа-высоты
+    строк шаблона ЕИАС (74, 52, 15 у рубрик анкеты). Старый «правейшее число строки»
+    хватал именно их и распознавал рубрики анкеты («Количество заявок…», «Причины
+    отказа…», кнопку «Добавить систему») как системы. Column-aligned парс их не видит.
+
+Все ячейки листа целиком → ``raw`` jsonb (будущие колонки не теряются). Нет строки
+систем ИЛИ строки резерва → warning-лог + parsed=0, НЕ падаем.
 
 Источник ГЕО-БЛОКИРУЕТ non-RU IP + шлёт российский УЦ без intermediate → загрузчик
 РАБОТАЕТ НА ПРОДЕ (Celery weekly / manual docker exec), SSL через общий
@@ -97,8 +110,20 @@ _DATAFILE_RE = re.compile(
     re.IGNORECASE | re.DOTALL,
 )
 
-# Строка-кандидат листа: текстовая ячейка про систему теплоснабжения / зону / СТ №N.
-_SYSTEM_MARKER_RE = re.compile(r"СТ\s*№\s*\d+|систем|зона", re.IGNORECASE)
+# Заголовок листа со строкой систем: в этой строке col4 == этому значению, а имена
+# систем стоят в колонках j ≥ 6 (см. docstring модуля, п.3).
+_SYSTEMS_HEADER = "Централизованная система"
+
+# Строка резерва мощности (№5 формы 14): col3 == '5' И/ИЛИ col4 начинается с этого.
+_RESERVE_ROW_NUM = "5"
+_RESERVE_ROW_PREFIX = "Резерв мощности источников тепловой энергии"
+
+# Первая колонка листа, где могут стоять имена систем (col0..col5 — служебные/№/ед.изм.).
+_SYSTEM_COL_START = 6
+
+# Имя системы обязано содержать хотя бы одну букву (кириллица/латиница) — иначе это
+# служебное число из хвоста строки-заголовка (Flag_Row_Size шаблона ЕИАС).
+_HAS_LETTER_RE = re.compile(r"[А-Яа-яЁёA-Za-z]")
 
 # Разбивка HTML грида на строки (<tr>) — публикации живут построчно, период и
 # ссылка в одной строке. Достаточно грубого split по <tr, полноценный DOM не нужен.
@@ -211,57 +236,93 @@ def extract_tpl_xlsx(template_html: str) -> bytes | None:
         return None
 
 
-def _rightmost_number(cells: list[object]) -> float | None:
-    """Правейшее парсибельное число в строке (резерв). Нет чисел → None."""
-    for value in reversed(cells):
-        num = parse_reserve_number(value)
-        if num is not None:
-            return num
-    return None
+def _cell_str(value: object) -> str:
+    """Ячейка → strip-строка (None → '')."""
+    return "" if value is None else str(value).strip()
 
 
-def _first_system_text(cells: list[object]) -> str | None:
-    """Левейшая текстовая ячейка, матчащая систему/зону/СТ №N. Нет → None."""
-    for value in cells:
+def _is_systems_header(cells: list[object]) -> bool:
+    """Строка-заголовок систем: col4 == 'Централизованная система'."""
+    return len(cells) > 4 and _cell_str(cells[4]) == _SYSTEMS_HEADER
+
+
+def _is_reserve_row(cells: list[object]) -> bool:
+    """Строка резерва (№5): col3.strip() == '5' И/ИЛИ col4 начинается с «Резерв мощности…»."""
+    if len(cells) <= 4:
+        return False
+    return _cell_str(cells[3]) == _RESERVE_ROW_NUM or _cell_str(cells[4]).startswith(
+        _RESERVE_ROW_PREFIX
+    )
+
+
+def _system_columns(header_cells: list[object]) -> list[tuple[int, str]]:
+    """Из строки-заголовка → пары (col_index, system_name) для j ≥ 6.
+
+    Имя обязано быть текстовым и содержать хотя бы одну букву — иначе это служебное
+    число из хвоста строки (Flag_Row_Size шаблона ЕИАС), а не система.
+    """
+    result: list[tuple[int, str]] = []
+    for j in range(_SYSTEM_COL_START, len(header_cells)):
+        value = header_cells[j]
         if value is None:
             continue
-        s = str(value).strip()
-        if s and _SYSTEM_MARKER_RE.search(s):
-            return s
-    return None
+        name = str(value).strip()
+        if name and _HAS_LETTER_RE.search(name):
+            result.append((j, name))
+    return result
 
 
 def parse_heat_sheet(xlsx_bytes: bytes) -> tuple[list[dict], list[list[object]]]:
     """Парсит лист ``ТП`` формы 14 → (systems, all_cells).
 
-    DEFENSIVE (точная сетка не снята): итерируем ВСЕ строки листа. Строка-кандидат =
-    есть текстовая ячейка про систему («СТ №N | систем | зона») И в той же строке
-    есть парсибельное число → system_name = текст (strip), reserve_gcal_h = ПРАВЕЙШЕЕ
-    число строки. Строки-заголовки (без чисел) пропускаются.
+    COLUMN-ALIGNED по РЕАЛЬНОЙ сетке (не «правейшее число в строке»):
+
+      1. Строка-заголовок систем — ``col4 == 'Централизованная система'``; имена систем
+         берём из колонок ``j ≥ 6`` (текст, содержит букву — служебные числа хвоста
+         отсеиваются), имя .strip() (у части систем trailing-space).
+      2. Строка резерва (№5) — ``col3 == '5'`` И/ИЛИ ``col4`` начинается с «Резерв
+         мощности источников тепловой энергии»; резерв каждой системы читаем из ТОЙ ЖЕ
+         колонки ``j``, что и её имя. Нулевой резерв (0.0) — честный дефицит, СОХРАНЯЕМ;
+         непарсибельная ячейка (текст/пусто) — систему пропускаем.
+
+    Нет строки систем ИЛИ строки резерва → warning-лог + ([], all_cells) (graceful).
+    Служебная колонка 25 ``Flag_Row_Size`` (числа-высоты строк) в парс не попадает —
+    именно она заставляла старый парсер хватать рубрики анкеты как «системы».
 
     ``all_cells`` — ВСЕ ячейки листа (список строк-списков) для сохранения в raw.
-    Ноль распознанных систем → warning-лог с первыми 20 строками (в ``load_*``).
     """
     wb = load_workbook(io.BytesIO(xlsx_bytes), read_only=True, data_only=True)
     ws = wb[_HEAT_SHEET] if _HEAT_SHEET in wb.sheetnames else wb.active
 
-    systems: list[dict] = []
     all_cells: list[list[object]] = []
+    header_cells: list[object] | None = None
+    reserve_cells: list[object] | None = None
     try:
         for row in ws.iter_rows(values_only=True):
             cells = list(row)
             all_cells.append(cells)
-
-            system_name = _first_system_text(cells)
-            if system_name is None:
-                continue  # не строка про систему (или заголовок) → скип
-            reserve = _rightmost_number(cells)
-            if reserve is None:
-                continue  # строка-заголовок системы без числа → скип
-            systems.append({"system_name": system_name, "reserve_gcal_h": reserve})
+            if header_cells is None and _is_systems_header(cells):
+                header_cells = cells
+            elif reserve_cells is None and _is_reserve_row(cells):
+                reserve_cells = cells
     finally:
         wb.close()
 
+    if header_cells is None or reserve_cells is None:
+        logger.warning(
+            "eias_heat: сетка не распознана (header=%s, reserve=%s) — 0 систем",
+            header_cells is not None,
+            reserve_cells is not None,
+        )
+        return [], all_cells
+
+    systems: list[dict] = []
+    for j, name in _system_columns(header_cells):
+        reserve = parse_reserve_number(reserve_cells[j] if j < len(reserve_cells) else None)
+        if reserve is None:
+            continue  # непарсибельная ячейка резерва (текст/пусто) → систему скипаем
+        systems.append({"system_name": name, "reserve_gcal_h": reserve})
+
     return systems, all_cells
 
 

backend/tests/test_eias_heat_loader.py

@@ -4,7 +4,9 @@ Pure / mock-based — без реальной сети и БД. Покрывае
 - extract_publications: (guid, id, период) из синтетического HTML грида + выбор
   свежайшего квартала (несколько публикаций одного квартала → все);
 - extract_tpl_xlsx: base64 → ZIP → член 'tpl' (генерим zip в памяти с xlsx-членом);
-- parse_heat_sheet: детект «СТ №54 … 3.26», скип заголовков, правейшее число;
+- parse_heat_sheet: column-aligned парс РЕАЛЬНОЙ сетки ЕТК (строка «Централизованная
+  система» ↔ строка №5 «Резерв мощности…»), нуль-резерв сохранён, Flag_Row_Size не ловит
+  рубрики анкеты (регрессия прод-бага);
 - _upsert_heat_rows: счётчики parsed/inserted/updated (mock-DB как в eesk-тестах).
 """
 
@@ -162,14 +164,101 @@ def _make_tpl_zip_html(xlsx_bytes: bytes, member: str = "tpl") -> str:
     )
 
 
+# Сокращённая копия РЕАЛЬНОЙ сетки листа «ТП» ЕТК (снята с прода, raw jsonb). Колонки
+# 0-indexed. Систем 3 (col7/8/9), последняя колонка = служебный Flag_Row_Size (числа-
+# высоты строк шаблона ЕИАС) — ловушка, которая заставляла старый парсер хватать рубрики
+# анкеты. Строки-рубрики анкеты (col3 == 1..4) специально несут БОЛЬШИЕ Flag_Row_Size
+# (74/52) в последней колонке — регрессия прод-бага.
+_ROW_SIZE_COL = 25  # индекс служебной колонки Flag_Row_Size
+
+_LONG_RESERVE_NOTE = (
+    "Указывается резерв мощности для системы теплоснабжения, тариф для которой не "
+    "является отличным от тарифов других систем теплоснабжения регулируемой организации."
+)
+
+
+def _pad(cells: dict[int, object]) -> list[object]:
+    """Строка листа как список из 26 колонок: dict{col_index: value} → выровненный ряд."""
+    row: list[object] = [None] * 26
+    for idx, value in cells.items():
+        row[idx] = value
+    return row
+
+
 def _heat_xlsx_bytes() -> bytes:
-    """XLSX с листом 'ТП': строка-заголовок + СТ №54 → 3.26 Гкал/час."""
+    """XLSX с листом 'ТП' — сокращённая РЕАЛЬНАЯ сетка ЕТК (3 системы + строка №5).
+
+    Воспроизводит прод-структуру: строка «Централизованная система» (имена в col7/8/9 +
+    служебное число '15' в хвосте), строка №5 «Резерв мощности…» (0 / 3.26 / 11.28 в тех
+    же колонках + текст-примечание), рубрики анкеты с большим Flag_Row_Size (регрессия),
+    служебные строки diff_*/Flag_Col_Size.
+    """
     wb = openpyxl.Workbook()
     ws = wb.active
     ws.title = "ТП"
-    ws.append(["Резерв мощности источников тепловой энергии", None, None])  # заголовок, без числа
-    ws.append(["№ п/п", "Наименование", "Гкал/час"])  # шапка — без системного маркера
-    ws.append(["СТ №54", "источник", 3.26])  # система + правейшее число 3.26
+
+    # Служебная строка diff_* (col7.. заголовки-технические) + Flag_Row_Size.
+    ws.append(_pad({7: "diff_1", 8: "diff_5", 9: "diff_51", _ROW_SIZE_COL: 1}))
+    # Строка-заголовок систем: имена в col7/8/9 (trailing-space у части), '15' в хвосте.
+    ws.append(
+        _pad(
+            {
+                4: "Централизованная система",
+                7: "СТ № 56",
+                8: "СТ № 54 ",  # trailing space — должен быть stripped
+                9: "СТ № 60 ",
+                20: "15",  # служебное ЧИСЛО в хвосте строки-заголовка → фильтруется
+                _ROW_SIZE_COL: 15,
+            }
+        )
+    )
+    # Рубрика анкеты (col3==3): большой Flag_Row_Size 74 — старый парсер ловил его.
+    ws.append(
+        _pad(
+            {
+                3: 3,
+                4: "Количество заявок, по которым отказано в заключении договора",
+                5: "ед",
+                7: 0,
+                8: 0,
+                9: 0,
+                _ROW_SIZE_COL: 74,  # ЛОВУШКА: не должен попасть в системы
+            }
+        )
+    )
+    # Рубрика анкеты (col3==4): Flag_Row_Size 52 — тоже ловушка.
+    ws.append(
+        _pad(
+            {
+                3: 4,
+                4: "Причины отказа в заключении договора",
+                5: "x",
+                10: "Указывается текстовое описание причин.",
+                _ROW_SIZE_COL: 52,  # ЛОВУШКА
+            }
+        )
+    )
+    # Строка резерва №5: значения Гкал/ч в col7/8/9 (0 / 3.26 / 11.28) + примечание.
+    ws.append(
+        _pad(
+            {
+                3: 5,
+                4: "Резерв мощности источников тепловой энергии, входящих в систему, в т.ч.:",
+                5: "Гкал/час",
+                6: 0,  # слот без имени системы (col6 header = None) → игнорируется
+                7: 0,  # СТ № 56 → 0.0 (нулевой резерв — честный дефицит, сохраняем)
+                8: 3.26,  # СТ № 54
+                9: 11.28,  # СТ № 60
+                10: _LONG_RESERVE_NOTE,  # текст-примечание в хвосте
+                _ROW_SIZE_COL: 57,
+            }
+        )
+    )
+    # Кнопка «Добавить систему» с Flag_Row_Size 15 — тоже не должна стать системой.
+    ws.append(_pad({4: "Добавить систему", _ROW_SIZE_COL: 15}))
+    # Служебная последняя строка Flag_Col_Size.
+    ws.append(_pad({0: "Flag_Col_Size", 1: 0, 4: 36, _ROW_SIZE_COL: 23}))
+
     buf = io.BytesIO()
     wb.save(buf)
     return buf.getvalue()
@@ -202,42 +291,49 @@ def test_extract_tpl_xlsx_bad_zip_returns_none() -> None:
     assert eh.extract_tpl_xlsx(html) is None
 
 
-# ── parse_heat_sheet: СТ №54 → 3.26, скип заголовков, правейшее число ─────────
+# ── parse_heat_sheet: column-aligned парс РЕАЛЬНОЙ сетки ЕТК ──────────────────
 
 
-def test_parse_heat_sheet_detects_system_and_rightmost_number() -> None:
-    """«СТ №54 … 3.26» распознан; строки-заголовки без чисел скипнуты."""
+def test_parse_heat_sheet_column_aligned_three_systems() -> None:
+    """Ровно 3 системы, читаемые по колонкам строки №5; имена stripped, нуль сохранён.
+
+    Реальные прод-пары: СТ № 56 → 0.0, СТ № 54 → 3.26, СТ № 60 → 11.28.
+    """
     systems, all_cells = eh.parse_heat_sheet(_heat_xlsx_bytes())
 
-    assert len(systems) == 1
-    assert systems[0]["system_name"] == "СТ №54"
-    assert systems[0]["reserve_gcal_h"] == 3.26
-    # all_cells содержит ВЕСЬ лист (3 строки) для raw.
-    assert len(all_cells) == 3
+    pairs = [(s["system_name"], s["reserve_gcal_h"]) for s in systems]
+    assert pairs == [
+        ("СТ № 56", 0.0),  # нулевой резерв — честный дефицит, СОХРАНЯЕТСЯ
+        ("СТ № 54", 3.26),  # trailing-space в имени убран .strip()
+        ("СТ № 60", 11.28),
+    ]
+    # all_cells содержит ВЕСЬ лист (7 строк) для raw.
+    assert len(all_cells) == 7
 
 
-def test_parse_heat_sheet_rightmost_number_wins() -> None:
-    """Если в строке несколько чисел — берётся правейшее."""
+def test_parse_heat_sheet_ignores_anketa_rubrics_flag_row_size() -> None:
+    """Регрессия прод-бага: рубрики анкеты (Flag_Row_Size 74/52 в служебной колонке)
+    и кнопка «Добавить систему» НЕ распознаются как системы теплоснабжения."""
+    systems, _ = eh.parse_heat_sheet(_heat_xlsx_bytes())
+
+    names = {s["system_name"] for s in systems}
+    reserves = {s["reserve_gcal_h"] for s in systems}
+    # ни одна рубрика/кнопка не просочилась
+    assert not any("Количество" in n for n in names)
+    assert not any("Причины" in n for n in names)
+    assert "Добавить систему" not in names
+    # значения Flag_Row_Size (74, 52, 15) не попали в резервы
+    assert 74.0 not in reserves
+    assert 52.0 not in reserves
+
+
+def test_parse_heat_sheet_no_systems_header_returns_empty() -> None:
+    """Нет строки «Централизованная система» → ([], all_cells) (graceful, не падаем)."""
     wb = openpyxl.Workbook()
     ws = wb.active
     ws.title = "ТП"
-    ws.append(["зона Центральная", 100.0, 12.5])  # правейшее = 12.5 (резерв)
-    buf = io.BytesIO()
-    wb.save(buf)
-
-    systems, _ = eh.parse_heat_sheet(buf.getvalue())
-    assert len(systems) == 1
-    assert systems[0]["system_name"] == "зона Центральная"
-    assert systems[0]["reserve_gcal_h"] == 12.5
-
-
-def test_parse_heat_sheet_zero_systems() -> None:
-    """Лист без системных строк → systems пуст, но all_cells собран."""
-    wb = openpyxl.Workbook()
-    ws = wb.active
-    ws.title = "ТП"
-    ws.append(["Совершенно посторонний заголовок", None])
-    ws.append(["ещё строка", 5.0])  # число есть, но нет системного маркера → скип
+    ws.append(_pad({4: "Какой-то посторонний заголовок", _ROW_SIZE_COL: 15}))
+    ws.append(_pad({3: 5, 4: "Резерв мощности источников тепловой энергии, в т.ч.:", 7: 3.26}))
     buf = io.BytesIO()
     wb.save(buf)