solduri2roa/tests/anonimizeaza_etalon.py

"""Produce etalonul de regresie: copii anonimizate ale xlsx-urilor importate in productie.

Ce se pastreaza NEATINS: conturile, sumele, structura si numarul randurilor, datele, tipul
randului. Asta este ce verifica poarta de regresie.
Ce se inlocuieste:
 - pe randurile FACTURA: numele partenerului, codul fiscal, registrul comertului, adresa,
   explicatia;
 - ORIUNDE in fisier: IBAN-urile. Randurile BALANTA de pe 5121/5124 au in `nume` denumirea
   analiticului, care la conturile de banca este chiar IBAN-ul clientului
   (`RO73 BACX 0000 0008 7243 0001`). Restul denumirilor de cont (CAPITAL SOCIAL, REZULTAT
   REPORTAT, DEBITORI DIVERSI) sunt din planul de conturi si raman.

Inlocuirea e stabila: acelasi nume real primeste mereu acelasi nume fals, ca relatiile dintre
randuri (mai multe facturi ale aceluiasi partener) sa se pastreze.

Tabela de corespondenta se scrie in tests/_corespondenta_anonimizare.json, care este IGNORAT de
git. Nu o comite: cu ea, anonimizarea se poate desface.

Rulare:  py tests\anonimizeaza_etalon.py
"""
import json
import pathlib
import re
import shutil

import openpyxl

RADACINA = pathlib.Path(__file__).resolve().parent.parent
GOLDEN = RADACINA / "tests" / "golden"
CORESP = RADACINA / "tests" / "_corespondenta_anonimizare.json"

SURSE = [
    ("init_FUNDATIA_2025_12.xlsx", "golden_FUNDATIA_2025_12.xlsx"),
    ("init_MASTER_2025_12.xlsx", "golden_MASTER_2025_12.xlsx"),
]

# coloana (1-based) -> cum se falsifica
COL_NUME = 10
COL_COD_FISCAL = 11
COL_REG_COM = 12
COL_ADRESA = 13
COL_EXPLICATIA = 14
COL_TIP = 5

# IBAN romanesc, cu sau fara spatii: RO + 2 cifre + 4 litere + 16 caractere alfanumerice
IBAN = re.compile(r"RO\s?\d{2}(?:\s?[A-Z0-9]{4}){5}", re.IGNORECASE)


def citeste_corespondenta(cale=CORESP):
    """Tabela real -> fals folosita la construirea etalonului. NU se regenereaza."""
    return json.loads(pathlib.Path(cale).read_text(encoding="utf-8"))


def anonimizeaza_foaie(ws, coresp):
    """Anonimizeaza foaia `ws` in loc, completand tabela `coresp`. NU salveaza.

    Intoarce (randuri FACTURA atinse, celule cu IBAN inlocuite).
    """
    schimbate = 0
    for rand in range(2, ws.max_row + 1):
        if (ws.cell(rand, COL_TIP).value or "").strip().upper() != "FACTURA":
            continue
        schimbate += 1

        nume = ws.cell(rand, COL_NUME).value
        if nume:
            if nume not in coresp["nume"]:
                coresp["nume"][nume] = "PARTENER %03d" % (len(coresp["nume"]) + 1)
            ws.cell(rand, COL_NUME).value = coresp["nume"][nume]

        cf = ws.cell(rand, COL_COD_FISCAL).value
        if cf:
            cf = str(cf)
            if cf not in coresp["cod_fiscal"]:
                coresp["cod_fiscal"][cf] = "CF%06d" % (len(coresp["cod_fiscal"]) + 1)
            ws.cell(rand, COL_COD_FISCAL).value = coresp["cod_fiscal"][cf]

        for col in (COL_REG_COM, COL_ADRESA, COL_EXPLICATIA):
            if ws.cell(rand, col).value:
                ws.cell(rand, col).value = None

    # IBAN-urile apar si in afara randurilor FACTURA (denumirea analiticului de banca)
    ibanuri = 0
    for rand in ws.iter_rows():
        for celula in rand:
            if not isinstance(celula.value, str) or not IBAN.search(celula.value):
                continue
            def fals(m, _c=coresp):
                real = m.group(0)
                if real not in _c["iban"]:
                    _c["iban"][real] = "RO00 IBAN %04d" % (len(_c["iban"]) + 1)
                return _c["iban"][real]

            celula.value = IBAN.sub(fals, celula.value)
            ibanuri += 1
    return schimbate, ibanuri


def anonimizeaza_fisier(sursa, tinta, coresp=None):
    """Scrie in `tinta` o copie anonimizata a lui `sursa`, cu aceleasi reguli.

    Tabela implicita e cea comisa (CORESP); nu o regenereaza, doar o citeste.
    """
    if coresp is None:
        coresp = citeste_corespondenta()
    wb = openpyxl.load_workbook(sursa)
    schimbate, ibanuri = anonimizeaza_foaie(wb.active, coresp)
    wb.save(tinta)
    return schimbate, ibanuri


def anonimizeaza():
    GOLDEN.mkdir(parents=True, exist_ok=True)
    coresp = {"nume": {}, "cod_fiscal": {}, "iban": {}}
    raport = []

    for sursa, tinta in SURSE:
        cale = RADACINA / "iesiri" / sursa
        if not cale.exists():
            raise SystemExit(
                "Lipseste iesiri/%s. Etalonul nu se poate construi - vezi docs/handoff_etapa2_convertor.md"
                % sursa
            )
        shutil.copy(cale, GOLDEN / tinta)
        wb = openpyxl.load_workbook(GOLDEN / tinta)
        ws = wb.active
        schimbate, ibanuri = anonimizeaza_foaie(ws, coresp)

        wb.save(GOLDEN / tinta)
        raport.append((tinta, ws.max_row - 1, schimbate, ibanuri))

    CORESP.write_text(json.dumps(coresp, ensure_ascii=False, indent=1), encoding="utf-8")

    for tinta, randuri, schimbate, ibanuri in raport:
        print(
            "%-34s %4d randuri, %3d FACTURA anonimizate, %2d celule cu IBAN"
            % (tinta, randuri, schimbate, ibanuri)
        )
    print(
        "%d nume, %d coduri fiscale si %d IBAN-uri inlocuite. Corespondenta: %s (ignorata de git)"
        % (len(coresp["nume"]), len(coresp["cod_fiscal"]), len(coresp["iban"]), CORESP.name)
    )


if __name__ == "__main__":
    anonimizeaza()