wb_real_handler 1.0 + yandex_real_handler 1.1

server/backend/handlers/wb_handler.py

@@ -0,0 +1,35 @@
+from pydantic import ValidationError
+from server.backend.pydantic import ExcelInfo
+import re
+def process_sheet(df, document_type= ''):
+    pattern = r'[A-ZА-Я]{0,1}\d{4}[A-ZА-Я]{1,2}\d{1}' #regex
+    df = df[['Артикул поставщика', 'Тип документа', 'Кол-во', 'Вайлдберриз реализовал Товар (Пр)']].copy().dropna() #copy and drop all NA values
+    df = df[(df != 0).all(axis=1)] #drop all 0 values
+    df_validate = df[['Артикул поставщика', 'Кол-во', 'Вайлдберриз реализовал Товар (Пр)']].copy()
+    df_validate.rename(columns={'Артикул поставщика': 'arti', 'Кол-во': 'counts', 'Вайлдберриз реализовал Товар (Пр)': 'price'}, inplace=True) #переименовываем для pydantic
+    df_validate['arti'] = df_validate['arti'].astype(str).str.extract(f'({pattern})', flags=re.IGNORECASE) #arti под regex
+    
+    df_validate['price'] = df_validate['price'].astype(float) #Float to Int, if exists  
+    df_validate['counts'] = df_validate['counts'].astype(int) #Float to Int, if exists
+
+    validated_rows, errors = [], []
+    for i, row in df_validate.iterrows(): #проходит построчно по df, где i - индекс строки, row - данные строки
+        try:
+            if df.loc[i, 'Тип документа'] == document_type:
+                validated_rows.append(ExcelInfo(**row.to_dict())) #добавляем в список проверенные данные полученные от pydantic, которые туда передаются в виде dict
+        except ValidationError as e:
+            errors.append((i, e.errors())) #выводит ошибку и пишет номер строки
+    if errors:
+        raise Exception(f"There are some errors with validation in Sheet1, check it ", errors)
+    return validated_rows
+
+def evaluating(dfs):
+    validated_rows_1 = process_sheet(dfs["Sheet1"], document_type='Продажа')
+    validated_rows_2 = process_sheet(dfs["Sheet1"], document_type='Возврат')
+    # sum_1 = sum(row.price for row in validated_rows_1)
+    # sum_2 = sum(row.price for row in validated_rows_2)
+
+    # print("Sum for 'Продажа':", sum_1)
+    # print("Sum for 'Возврат':", sum_2)
+    return validated_rows_1, validated_rows_2
+

server/backend/handlers/yandex_handler.py

@@ -6,9 +6,13 @@ def process_sheet(df, multiply_price=1, sheet_name=''):
     pattern = r'[A-ZА-Я]{0,1}\d{4}[A-ZА-Я]{1,2}\d{1}'
 
     df = df[['Ваш SKU', 'Количество, шт.', 'Сумма транзакции, ₽']].copy().dropna() #выбираем нужные колонки, делаем копию, чтобы можно было удалить None inline модом
+    df = df[(df != 0).all(axis=1)] #drop all 0 values
     df['Сумма транзакции, ₽'] *= multiply_price #умножаем на -1 для возвратов
     df.rename(columns={'Ваш SKU': 'arti', 'Количество, шт.': 'counts', 'Сумма транзакции, ₽': 'price'}, inplace=True) #переименовываем для pydantic
-    df['arti'] = df['arti'].astype(str).str.extract(f'({pattern})', flags=re.IGNORECASE) #
+    df['arti'] = df['arti'].astype(str).str.extract(f'({pattern})', flags=re.IGNORECASE) #regex implemented
+    
+    df['price'] = df['price'].astype(float) #To float, if exists 
+    df['counts'] = df['counts'].astype(int) #To float, if exists 
 
     validated_rows, errors = [], []
     for i, row in df.iterrows(): #проходит построчно по df, где i - индекс строки, row - данные строки