houhuan/orc-order-v2
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases 1 Wiki Activity

修复一些问题

Browse Source
This commit is contained in:
侯欢
2025-05-05 19:38:51 +08:00
parent 0b40caaf91
commit b9739b5267
14 changed files with 2040 additions and 76 deletions
Download Patch File Download Diff File Expand all files Collapse all files
app/core/excel/__pycache__/converter.cpython-39.pyc
BIN
View File
Binary file not shown.
app/core/excel/__pycache__/merger.cpython-39.pyc
BIN
View File
Binary file not shown.
app/core/excel/__pycache__/processor.cpython-39.pyc
BIN
View File
Binary file not shown.
app/core/excel/converter.py
+23
View File
@@ -32,6 +32,13 @@ class UnitConverter:
'multiplier': 30, # 数量乘以30
'target_unit': '瓶', # 目标单位
'description': 'NFC产品特殊处理：每箱30瓶'
},
'6901826888138': {
'multiplier': 30, # 数量乘以30
'target_unit': '瓶', # 目标单位
'fixed_price': 112/30, # 固定单价为112/30
'specification': '1*30', # 固定规格
'description': '特殊处理: 规格1*30，数量*30，单价=112/30'
}
# 可以添加更多特殊条码的配置
}
@@ -253,6 +260,8 @@ class UnitConverter:
spec = re.sub(r'\s+', '', spec) # 移除所有空白
spec = re.sub(r'[xX×]', '*', spec) # 统一分隔符为*
logger.debug(f"解析规格: {spec}")
# 处理三级包装，如1*5*12
three_level_match = re.match(r'(\d+)[*](\d+)[*](\d+)', spec)
if three_level_match:
@@ -334,6 +343,20 @@ class UnitConverter:
# 如果有单价，单价除以倍数
new_price = price / multiplier if price else 0
# 如果有固定单价，优先使用
if 'fixed_price' in special_config:
new_price = special_config['fixed_price']
logger.info(f"特殊条码({barcode})使用固定单价: {new_price}")
# 如果有固定规格，设置规格
if 'specification' in special_config:
result['specification'] = special_config['specification']
# 解析规格以获取包装数量
package_quantity = self.parse_specification(special_config['specification'])
if package_quantity:
result['package_quantity'] = package_quantity
logger.info(f"特殊条码({barcode})使用固定规格: {special_config['specification']}, 包装数量={package_quantity}")
logger.info(f"特殊条码处理: {barcode}, 数量: {quantity} -> {new_quantity}, 单价: {price} -> {new_price}, 单位: {unit} -> {target_unit}")
result['quantity'] = new_quantity
app/core/excel/merger.py
+137 -75
View File
@@ -125,20 +125,23 @@ class PurchaseOrderMerger:
# 打印列名，用于调试
logger.debug(f"Excel文件的列名: {df.columns.tolist()}")
# 检查是否有特殊表头结构（如在第3行）
special_header = False
if len(df) > 3: # 确保有足够的行
row3 = df.iloc[3].astype(str)
header_keywords = ['行号', '条形码', '条码', '商品名称', '规格', '单价', '数量', '金额', '单位']
# 计算匹配的关键词数量
matches = sum(1 for keyword in header_keywords if any(keyword in str(val) for val in row3.values))
# 如果匹配了至少3个关键词，认为第3行是表头
if matches >= 3:
logger.info(f"检测到特殊表头结构，使用第3行作为列名")
# 创建新的数据帧，使用第3行作为列名，数据从第4行开始
header_row = df.iloc[3]
data_rows = df.iloc[4:].reset_index(drop=True)
# 为每一列分配一个名称（避免重复的列名）
# 处理特殊情况：检查是否需要读取指定行作为标题行
for header_row_idx in range(5): # 检查前5行
if len(df) <= header_row_idx:
continue
potential_header = df.iloc[header_row_idx].astype(str)
header_keywords = ['条码', '条形码', '商品条码', '商品名称', '规格', '单价', '数量', '金额', '单位', '必填']
matches = sum(1 for keyword in header_keywords if any(keyword in str(val) for val in potential_header.values))
if matches >= 3: # 如果至少匹配3个关键词，认为是表头
logger.info(f"检测到表头在第 {header_row_idx+1} 行")
# 使用此行作为列名，数据从下一行开始
header_row = potential_header
data_rows = df.iloc[header_row_idx+1:].reset_index(drop=True)
# 为每一列分配名称（避免重复的列名）
new_columns = []
for i, col in enumerate(header_row):
col_str = str(col)
@@ -146,45 +149,77 @@ class PurchaseOrderMerger:
new_columns.append(f"Col_{i}")
else:
new_columns.append(col_str)
# 使用新列名创建新的DataFrame
data_rows.columns = new_columns
df = data_rows
special_header = True
logger.debug(f"重新构建的数据帧列名: {df.columns.tolist()}")
break
# 定义可能的列名映射
column_mapping = {
'条码': ['条码', '条形码', '商品条码', 'barcode', '商品条形码', '条形码', '商品条码', '商品编码', '商品编号', '条形码', '条码（必填）'],
'采购量': ['数量', '采购数量', '购买数量', '采购数量', '订单数量', '采购数量', '采购量（必填）'],
'采购单价': ['单价', '价格', '采购单价', '销售价', '采购单价（必填）'],
'采购量': ['数量', '采购数量', '购买数量', '采购数量', '订单数量', '采购数量', '采购量（必填）', '采购量', '数量（必填）'],
'采购单价': ['单价', '价格', '采购单价', '销售价', '采购单价（必填）', '单价（必填）', '价格（必填）'],
'赠送量': ['赠送量', '赠品数量', '赠送数量', '赠品']
}
# 显示所有列名，用于调试
all_columns = df.columns.tolist()
logger.info(f"列名: {all_columns}")
# 映射实际的列名
mapped_columns = {}
for target_col, possible_names in column_mapping.items():
for col in df.columns:
# 移除列名中的空白字符和括号内容以进行比较
clean_col = re.sub(r'\s+', '', str(col))
clean_col = re.sub(r'（.*?）', '', clean_col) # 移除括号内容
for col in all_columns:
# 清理列名以进行匹配
col_str = str(col).strip()
# 直接匹配整个列名
if col_str in possible_names:
mapped_columns[target_col] = col
logger.info(f"直接匹配列名: {col_str} -> {target_col}")
break
# 移除列名中的空白字符进行比较
clean_col = re.sub(r'\s+', '', col_str)
for name in possible_names:
clean_name = re.sub(r'\s+', '', name)
clean_name = re.sub(r'（.*?）', '', clean_name) # 移除括号内容
# 完全匹配
if clean_col == clean_name:
mapped_columns[target_col] = col
logger.info(f"清理后匹配列名: {col_str} -> {target_col}")
break
# 部分匹配（列名包含关键词）
elif clean_name in clean_col:
mapped_columns[target_col] = col
logger.info(f"部分匹配列名: {col_str} -> {target_col}")
break
if target_col in mapped_columns:
break
# 如果没有找到匹配，尝试模糊匹配
if target_col not in mapped_columns:
for col in all_columns:
col_str = str(col).strip().lower()
for name in possible_names:
name_lower = name.lower()
if name_lower in col_str:
mapped_columns[target_col] = col
logger.info(f"模糊匹配列名: {col} -> {target_col}")
break
if target_col in mapped_columns:
break
# 如果找到了必要的列，重命名列
if mapped_columns:
# 如果没有找到条码列，无法继续处理
if '条码' not in mapped_columns:
logger.error(f"未找到条码列: {file_path}")
return None
df = df.rename(columns=mapped_columns)
logger.info(f"列名映射结果: {mapped_columns}")
rename_dict = {mapped_columns[key]: key for key in mapped_columns}
logger.info(f"列名重命名映射: {rename_dict}")
df = df.rename(columns=rename_dict)
logger.info(f"重命名后的列名: {df.columns.tolist()}")
else:
logger.warning(f"未找到可映射的列名: {file_path}")
return df
@@ -233,21 +268,31 @@ class PurchaseOrderMerger:
# 处理赠送量列不存在的情况
if '赠送量' not in df.columns:
df['赠送量'] = pd.NA
df['赠送量'] = 0
# 选择需要的列
selected_df = df[['条码', '采购量', '采购单价', '赠送量']].copy()
# 选择并清理需要的列
cleaned_df = pd.DataFrame()
# 清理和转换数据
selected_df['条码'] = selected_df['条码'].apply(lambda x: format_barcode(x) if pd.notna(x) else x)
selected_df['采购量'] = pd.to_numeric(selected_df['采购量'], errors='coerce')
selected_df['采购单价'] = pd.to_numeric(selected_df['采购单价'], errors='coerce')
selected_df['赠送量'] = pd.to_numeric(selected_df['赠送量'], errors='coerce')
# 清理条码 - 确保是字符串且无小数点
cleaned_df['条码'] = df['条码'].apply(lambda x: format_barcode(x) if pd.notna(x) else '')
# 过滤无效行
valid_df = selected_df.dropna(subset=['条码', '采购量'])
# 清理采购量 - 确保是数字
cleaned_df['采购量'] = pd.to_numeric(df['采购量'], errors='coerce').fillna(0)
processed_dfs.append(valid_df)
# 清理单价 - 确保是数字并保留4位小数
cleaned_df['采购单价'] = pd.to_numeric(df['采购单价'], errors='coerce').fillna(0).round(4)
# 清理赠送量 - 确保是数字
cleaned_df['赠送量'] = pd.to_numeric(df['赠送量'], errors='coerce').fillna(0)
# 过滤无效行 - 条码为空或采购量为0的行跳过
valid_df = cleaned_df[(cleaned_df['条码'] != '') & (cleaned_df['采购量'] > 0)]
if len(valid_df) > 0:
processed_dfs.append(valid_df)
logger.info(f"处理文件 {i+1}: 有效记录 {len(valid_df)} 行")
else:
logger.warning(f"处理文件 {i+1}: 没有有效记录")
if not processed_dfs:
logger.warning("没有有效的数据帧用于合并")
@@ -257,26 +302,27 @@ class PurchaseOrderMerger:
merged_df = pd.concat(processed_dfs, ignore_index=True)
# 按条码和单价分组，合并相同商品
merged_df['采购单价'] = merged_df['采购单价'].round(4) # 四舍五入到4位小数，避免浮点误差
# 四舍五入到4位小数，避免浮点误差导致相同价格被当作不同价格
merged_df['采购单价'] = merged_df['采购单价'].round(4)
# 对于同一条码和单价的商品，合并数量和赠送量
grouped = merged_df.groupby(['条码', '采购单价'], as_index=False).agg({
result = merged_df.groupby(['条码', '采购单价'], as_index=False).agg({
'采购量': 'sum',
'赠送量': lambda x: sum(x.dropna()) if len(x.dropna()) > 0 else pd.NA
'赠送量': 'sum'
})
# 计算其他信息
grouped['采购金额'] = grouped['采购量'] * grouped['采购单价']
# 排序，按条码升序
result = grouped.sort_values('条码').reset_index(drop=True)
result = result.sort_values('条码').reset_index(drop=True)
# 设置为0的赠送量设为空
result.loc[result['赠送量'] == 0, '赠送量'] = pd.NA
logger.info(f"合并完成，共 {len(result)} 条商品记录")
return result
def create_merged_purchase_order(self, df: pd.DataFrame) -> Optional[str]:
"""
创建合并的采购单文件
创建合并的采购单文件，完全按照银豹格式要求
Args:
df: 合并后的数据帧
@@ -289,39 +335,55 @@ class PurchaseOrderMerger:
template_workbook = xlrd.open_workbook(self.template_path, formatting_info=True)
template_sheet = template_workbook.sheet_by_index(0)
# 首先分析模板结构，确定关键列的位置
logger.info(f"分析模板结构")
for i in range(min(5, template_sheet.nrows)):
row_values = [str(cell.value).strip() for cell in template_sheet.row(i)]
logger.debug(f"模板第{i+1}行: {row_values}")
# 银豹模板的标准列位置：
# 条码列(商品条码): B列(索引1)
barcode_col = 1
# 采购量列: C列(索引2)
quantity_col = 2
# 赠送量列: D列(索引3)
gift_col = 3
# 采购单价列: E列(索引4)
price_col = 4
# 找到数据开始行 - 通常是第二行(索引1)
data_start_row = 1
# 创建可写的副本
output_workbook = xlcopy(template_workbook)
output_sheet = output_workbook.get_sheet(0)
# 填充商品信息
start_row = 4 # 从第5行开始填充数据（索引从0开始）
# 设置单价的格式样式（保留4位小数）
price_style = xlwt.XFStyle()
price_style.num_format_str = '0.0000'
# 数量格式
quantity_style = xlwt.XFStyle()
quantity_style.num_format_str = '0'
# 遍历数据并填充到Excel
for i, (_, row) in enumerate(df.iterrows()):
r = start_row + i
r = data_start_row + i
# 序号
output_sheet.write(r, 0, i + 1)
# 商品编码（条码）
output_sheet.write(r, 1, row['条码'])
# 商品名称（合并单没有名称信息，留空）
output_sheet.write(r, 2, "")
# 规格（合并单没有规格信息，留空）
output_sheet.write(r, 3, "")
# 单位（合并单没有单位信息，留空）
output_sheet.write(r, 4, "")
# 单价
output_sheet.write(r, 5, row['采购单价'])
# 采购数量
output_sheet.write(r, 6, row['采购量'])
# 采购金额
output_sheet.write(r, 7, row['采购金额'])
# 税率
output_sheet.write(r, 8, 0)
# 赠送量
if pd.notna(row['赠送量']):
output_sheet.write(r, 9, row['赠送量'])
else:
output_sheet.write(r, 9, "")
# 只填充银豹采购单格式要求的4个列：条码、采购量、赠送量、采购单价
# 条码（必填）- B列(1)
output_sheet.write(r, barcode_col, row['条码'])
# 采购量（必填）- C列(2)
output_sheet.write(r, quantity_col, float(row['采购量']), quantity_style)
# 赠送量 - D列(3)
if pd.notna(row['赠送量']) and float(row['赠送量']) > 0:
output_sheet.write(r, gift_col, float(row['赠送量']), quantity_style)
# 采购单价（必填）- E列(4)
output_sheet.write(r, price_col, float(row['采购单价']), price_style)
# 生成输出文件名
timestamp = datetime.now().strftime("%Y%m%d%H%M%S")
@@ -329,7 +391,7 @@ class PurchaseOrderMerger:
# 保存文件
output_workbook.save(output_file)
logger.info(f"合并采购单已保存到: {output_file}")
logger.info(f"合并采购单已保存到: {output_file}，共{len(df)}条记录")
return output_file
except Exception as e:
app/core/excel/processor.py
+11 -1
View File
@@ -255,12 +255,22 @@ class ExcelProcessor:
'barcode': barcode,
'name': str(row[column_mapping['name']]) if column_mapping.get('name') else '',
'quantity': quantity_value,
'price': float(row[column_mapping['price']]) if column_mapping.get('price') and not pd.isna(row[column_mapping['price']]) else 0,
'price': 0,
'unit': str(row[column_mapping['unit']]) if column_mapping.get('unit') and not pd.isna(row[column_mapping['unit']]) else '',
'specification': '',
'package_quantity': None
}
# 处理价格字段 - 清理可能的换行符和空格
if column_mapping.get('price') and not pd.isna(row[column_mapping['price']]):
price_str = str(row[column_mapping['price']])
# 清理换行符、空格并替换逗号
price_str = price_str.replace('\n', '').replace(' ', '').replace(',', '.')
try:
product['price'] = float(price_str)
except ValueError:
logger.warning(f"价格转换失败，原始值: '{price_str}'，使用默认值0")
# 清理单位
if product['unit'] == 'nan' or product['unit'] == 'None':
product['unit'] = ''