feat(etl): извлечение по форматам (агент B) — docx/xlsx/xls/pdf

- единый грид-экстрактор: поиск шапки, роли колонок, секции, N тарифов
- отсев колонок-индексов и не-цен; название по доле кириллицы
- PDF: реконструкция таблицы по координатам слов (нет линий → extract_tables пуст)
- детектор битого текстового слоя → пометка scan_pdf для Vision
- проверено на реальном архиве: 6/8 клиник нативно, 15599 позиций; 2 файла → Vision

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

etl/extractors/__init__.py

@@ -0,0 +1,58 @@
+"""Диспетчер извлечения: путь к файлу → ParsedDocument.
+
+Определяет формат, читает файл в сетки и прогоняет их через общий грид-экстрактор.
+PDF с битым текстовым слоем помечается как scan_pdf — его добирает путь через Vision.
+Любой сбой чтения логируется, но не роняет обработку остального архива.
+"""
+from __future__ import annotations
+
+import sys
+from datetime import date
+from pathlib import Path
+
+sys.path.insert(0, str(Path(__file__).resolve().parents[2]))
+
+from contracts.models import ParsedDocument  # noqa: E402
+from etl.extractors import readers  # noqa: E402
+from etl.extractors.grid import extract_rows_from_grid  # noqa: E402
+
+
+def extract(path: str) -> ParsedDocument:
+    """Разобрать один файл прайса в структурированный ParsedDocument."""
+    name = Path(path).name
+    fmt = readers.detect_format(path)
+    doc = ParsedDocument(file_name=name, file_format=fmt, partner_name=readers.partner_from_name(name))
+
+    year = readers.year_from_name(name)
+    if year:
+        doc.effective_date = date(year, 1, 1)
+
+    try:
+        if fmt == "xlsx":
+            grids, text = readers.xlsx_grids(path)
+        elif fmt == "xls":
+            grids, text = readers.xls_grids(path)
+        elif fmt == "docx":
+            grids, text = readers.docx_grids(path)
+        elif fmt == "pdf":
+            grids, text = readers.pdf_grids(path)
+            if readers.is_garbled(text):
+                doc.file_format = "scan_pdf"
+                doc.parse_log.append("битый текстовый слой — требуется распознавание (Vision)")
+        else:
+            doc.parse_log.append(f"неизвестный формат: {fmt}")
+            return doc
+    except Exception as exc:  # noqa: BLE001 — сбой чтения логируем, конвейер не роняем
+        doc.parse_log.append(f"ошибка чтения: {type(exc).__name__}: {exc}")
+        return doc
+
+    doc.raw_content = text[:200_000]
+    for grid in grids:
+        try:
+            doc.rows.extend(extract_rows_from_grid(grid))
+        except Exception as exc:  # noqa: BLE001
+            doc.parse_log.append(f"ошибка разбора таблицы: {type(exc).__name__}: {exc}")
+
+    if not doc.rows and doc.file_format != "scan_pdf":
+        doc.parse_log.append("позиции не извлечены — возможно, нужен Vision или иной парсер")
+    return doc