From 3a4cd2fde40b286ddc99fe5f22a9daeee2ceb590 Mon Sep 17 00:00:00 2001
From: DokoGen <prog1764@labnethub.ru>
Date: Mon, 3 Aug 2026 12:45:10 +0400
Subject: [PATCH] =?UTF-8?q?fix:=20=D0=BD=D0=BE=D1=80=D0=BC=D0=B0=D0=BB?=
 =?UTF-8?q?=D0=B8=D0=B7=D0=B0=D1=86=D0=B8=D1=8F=20=D0=9A=D0=90=D0=9F=D0=A1?=
 =?UTF-8?q?=D0=B0=20=D0=BF=D0=BE=20=D1=81=D0=BB=D0=BE=D0=B2=D0=B0=D0=BC=20?=
 =?UTF-8?q?(=D0=B3=D0=BE=D1=80=D0=BE=D0=B4=20+=20=D0=B4=D0=BE=D0=BB=D0=B6?=
 =?UTF-8?q?=D0=BD=D0=BE=D1=81=D1=82=D0=B8)?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

- раньше: если в тексте есть аббревиатура (ООО, И.О.) или цифры
  (индекс в адресе) — весь текст оставался КАПСОМ
- теперь: каждое слово нормализуется отдельно, аббревиатуры
  (АРМ, СКУД, ООО, ИНН и т.п.) и инициалы сохраняются
- город: '350000, Г. КРАСНОДАР...' → 'Г. Краснодар' → город
  снова определяется при импорте
- должность: 'ГЛАВА' → 'Глава', ФИО: 'ИВАНОВ ИВАН ИВАНОВИЧ' → 'Иванов Иван Иванович'
---
 dokogen/importer.py | 73 +++++++++++++++++++++++++++++++++++++--------
 1 file changed, 60 insertions(+), 13 deletions(-)

diff --git a/dokogen/importer.py b/dokogen/importer.py
index b166d30..f28e5f6 100644
--- a/dokogen/importer.py
+++ b/dokogen/importer.py
@@ -15,6 +15,62 @@ except ImportError:
 from .import_settings import load_settings, parse_cell_ref, cell_value
 
 
+# Известные аббревиатуры, которые сохраняются КАПСОМ при нормализации
+_CAPS_ABBR = {
+    'АРМ', 'СКУД', 'СЗИ', 'СКЗИ', 'СОВ', 'ЛВС', 'ИНН', 'КПП', 'ОГРН', 'ЦОД',
+    'МБУ', 'МКУ', 'ООО', 'СНИЛС', 'СБИС', 'ЕМСЭД', 'ФИО', 'ИСПДН', 'ККТ',
+}
+
+
+def _normalize_caps(text: str) -> str:
+    """Приводит КАПС-текст к нормальному регистру по словам.
+
+    Сохраняет:
+    - аббревиатуры из белого списка (АРМ, СКУД, ООО, ИНН и т.п.)
+    - инициалы и короткие служебные слова (И., Г., УЛ., №1)
+    - числа и номера (350000, №1)
+    - слова, уже содержащие строчные буквы
+    Длинные слова целиком заглавными (ДИРЕКТОР, КРАСНОДАР, ПЕТРОВ) → «Директор», «Краснодар».
+    """
+    words = text.split()
+    result = []
+    for w in words:
+        # отделяем пунктуацию по краям слова
+        pre = ''
+        post = ''
+        core = w
+        while core and not core[0].isalnum():
+            pre += core[0]
+            core = core[1:]
+        while core and not core[-1].isalnum():
+            post = core[-1] + post
+            core = core[:-1]
+        if not core:
+            result.append(w)
+            continue
+        # в слове уже есть строчные буквы — не трогаем
+        if any('а' <= c <= 'я' or c == 'ё' for c in core):
+            result.append(w)
+            continue
+        # нет заглавных кириллических букв (числа, латиница и т.п.) — не трогаем
+        if not any('А' <= c <= 'Я' or c == 'Ё' for c in core):
+            result.append(w)
+            continue
+        letters = [c for c in core if c.isalpha()]
+        # инициалы и служебные слова (1-2 буквы: И., Г., УЛ., ООО — но ООО в белом списке)
+        if len(letters) <= 2:
+            result.append(w)
+            continue
+        # известная аббревиатура — сохраняем как есть
+        if core.upper() in _CAPS_ABBR:
+            result.append(w)
+            continue
+        # обычное длинное слово: первая заглавная, остальные строчные
+        normalized = core[0].upper() + core[1:].lower()
+        result.append(pre + normalized + post)
+    return ' '.join(result)
+
+
 def clean_value(val):
     """Очистка и нормализация значения ячейки Excel."""
     if val is None:
@@ -33,20 +89,11 @@ def clean_value(val):
     text = str(val).strip()
     text = text.replace('\n', ' ').replace('\r', ' ')
     text = ' '.join(text.split())
-    # Приведение регистра: если текст содержит только заглавные буквы РУ
-    # НО не трогаем аббревиатуры/номера (АРМ №1, ИС, ЕМСЭД, СКУД и т.п.)
-    if len(text) > 4 and any('А' <= c <= 'Я' or c == 'Ё' for c in text):
+    # Если весь текст КАПСОМ (нет строчных букв) — нормализуем по словам
+    if len(text) > 2 and any('А' <= c <= 'Я' or c == 'Ё' for c in text):
         has_lower = any('а' <= c <= 'я' or c == 'ё' for c in text)
-        has_digit_or_num = bool(re.search(r'[0-9№«»"\']', text))
-        if not has_lower and not has_digit_or_num:
-            words = text.split()
-            # если есть короткая аббревиатура целиком заглавными — не трогаем
-            has_abbr = any(len(w) <= 4 and w.isupper() and any('А' <= c <= 'Я' for c in w) for w in words)
-            if not has_abbr:
-                if len(words) >= 3:
-                    text = text.title()
-                else:
-                    text = text.capitalize()
+        if not has_lower:
+            text = _normalize_caps(text)
     return text