feat(etl): извлечение прайсов по форматам (xlsx/xls/docx/pdf) и распознавание сложных страниц через Gemini Vision

scripts/proof/extract_all.py

@@ -0,0 +1,29 @@
+"""Прогон извлечения по всему архиву: сколько позиций берёт каждый формат."""
+
+import sys
+from pathlib import Path
+
+REPO = Path(__file__).resolve().parents[2]
+sys.path.insert(0, str(REPO))
+
+from etl.extractors import extract
+
+files = sorted((REPO / "data/raw").glob("*"))
+total = 0
+for path in files:
+    doc = extract(str(path))
+    total += len(doc.rows)
+    tiers = sorted({t for row in doc.rows for t in row.prices})
+    print(f"\n{'=' * 68}")
+    print(
+        f"{path.name}  [{doc.file_format}]  партнёр='{doc.partner_name}'  дата={doc.effective_date}"
+    )
+    print(f"  позиций: {len(doc.rows)} | тарифы: {tiers}")
+    if doc.parse_log:
+        print(f"  лог: {doc.parse_log[:2]}")
+    for row in doc.rows[:3]:
+        print(
+            f"    код={row.service_code_source!r} «{row.service_name_raw[:40]}» {row.prices} секц={row.section!r}"
+        )
+
+print(f"\n{'=' * 68}\nИТОГО позиций по архиву: {total}")