mirror of
https://github.com/catdevnull/preciazo.git
synced 2024-11-22 14:16:19 +00:00
validador basico de datasets
This commit is contained in:
parent
0d58e66b38
commit
818c4acde6
8 changed files with 390 additions and 0 deletions
BIN
sepa/bun.lockb
BIN
sepa/bun.lockb
Binary file not shown.
|
@ -5,6 +5,7 @@
|
||||||
"sepa-precios-archiver",
|
"sepa-precios-archiver",
|
||||||
"sepa-precios-importer",
|
"sepa-precios-importer",
|
||||||
"sepa-index-gen",
|
"sepa-index-gen",
|
||||||
|
"sepa-dataset-validator",
|
||||||
"ckan"
|
"ckan"
|
||||||
]
|
]
|
||||||
}
|
}
|
||||||
|
|
175
sepa/sepa-dataset-validator/.gitignore
vendored
Normal file
175
sepa/sepa-dataset-validator/.gitignore
vendored
Normal file
|
@ -0,0 +1,175 @@
|
||||||
|
# Based on https://raw.githubusercontent.com/github/gitignore/main/Node.gitignore
|
||||||
|
|
||||||
|
# Logs
|
||||||
|
|
||||||
|
logs
|
||||||
|
_.log
|
||||||
|
npm-debug.log_
|
||||||
|
yarn-debug.log*
|
||||||
|
yarn-error.log*
|
||||||
|
lerna-debug.log*
|
||||||
|
.pnpm-debug.log*
|
||||||
|
|
||||||
|
# Caches
|
||||||
|
|
||||||
|
.cache
|
||||||
|
|
||||||
|
# Diagnostic reports (https://nodejs.org/api/report.html)
|
||||||
|
|
||||||
|
report.[0-9]_.[0-9]_.[0-9]_.[0-9]_.json
|
||||||
|
|
||||||
|
# Runtime data
|
||||||
|
|
||||||
|
pids
|
||||||
|
_.pid
|
||||||
|
_.seed
|
||||||
|
*.pid.lock
|
||||||
|
|
||||||
|
# Directory for instrumented libs generated by jscoverage/JSCover
|
||||||
|
|
||||||
|
lib-cov
|
||||||
|
|
||||||
|
# Coverage directory used by tools like istanbul
|
||||||
|
|
||||||
|
coverage
|
||||||
|
*.lcov
|
||||||
|
|
||||||
|
# nyc test coverage
|
||||||
|
|
||||||
|
.nyc_output
|
||||||
|
|
||||||
|
# Grunt intermediate storage (https://gruntjs.com/creating-plugins#storing-task-files)
|
||||||
|
|
||||||
|
.grunt
|
||||||
|
|
||||||
|
# Bower dependency directory (https://bower.io/)
|
||||||
|
|
||||||
|
bower_components
|
||||||
|
|
||||||
|
# node-waf configuration
|
||||||
|
|
||||||
|
.lock-wscript
|
||||||
|
|
||||||
|
# Compiled binary addons (https://nodejs.org/api/addons.html)
|
||||||
|
|
||||||
|
build/Release
|
||||||
|
|
||||||
|
# Dependency directories
|
||||||
|
|
||||||
|
node_modules/
|
||||||
|
jspm_packages/
|
||||||
|
|
||||||
|
# Snowpack dependency directory (https://snowpack.dev/)
|
||||||
|
|
||||||
|
web_modules/
|
||||||
|
|
||||||
|
# TypeScript cache
|
||||||
|
|
||||||
|
*.tsbuildinfo
|
||||||
|
|
||||||
|
# Optional npm cache directory
|
||||||
|
|
||||||
|
.npm
|
||||||
|
|
||||||
|
# Optional eslint cache
|
||||||
|
|
||||||
|
.eslintcache
|
||||||
|
|
||||||
|
# Optional stylelint cache
|
||||||
|
|
||||||
|
.stylelintcache
|
||||||
|
|
||||||
|
# Microbundle cache
|
||||||
|
|
||||||
|
.rpt2_cache/
|
||||||
|
.rts2_cache_cjs/
|
||||||
|
.rts2_cache_es/
|
||||||
|
.rts2_cache_umd/
|
||||||
|
|
||||||
|
# Optional REPL history
|
||||||
|
|
||||||
|
.node_repl_history
|
||||||
|
|
||||||
|
# Output of 'npm pack'
|
||||||
|
|
||||||
|
*.tgz
|
||||||
|
|
||||||
|
# Yarn Integrity file
|
||||||
|
|
||||||
|
.yarn-integrity
|
||||||
|
|
||||||
|
# dotenv environment variable files
|
||||||
|
|
||||||
|
.env
|
||||||
|
.env.development.local
|
||||||
|
.env.test.local
|
||||||
|
.env.production.local
|
||||||
|
.env.local
|
||||||
|
|
||||||
|
# parcel-bundler cache (https://parceljs.org/)
|
||||||
|
|
||||||
|
.parcel-cache
|
||||||
|
|
||||||
|
# Next.js build output
|
||||||
|
|
||||||
|
.next
|
||||||
|
out
|
||||||
|
|
||||||
|
# Nuxt.js build / generate output
|
||||||
|
|
||||||
|
.nuxt
|
||||||
|
dist
|
||||||
|
|
||||||
|
# Gatsby files
|
||||||
|
|
||||||
|
# Comment in the public line in if your project uses Gatsby and not Next.js
|
||||||
|
|
||||||
|
# https://nextjs.org/blog/next-9-1#public-directory-support
|
||||||
|
|
||||||
|
# public
|
||||||
|
|
||||||
|
# vuepress build output
|
||||||
|
|
||||||
|
.vuepress/dist
|
||||||
|
|
||||||
|
# vuepress v2.x temp and cache directory
|
||||||
|
|
||||||
|
.temp
|
||||||
|
|
||||||
|
# Docusaurus cache and generated files
|
||||||
|
|
||||||
|
.docusaurus
|
||||||
|
|
||||||
|
# Serverless directories
|
||||||
|
|
||||||
|
.serverless/
|
||||||
|
|
||||||
|
# FuseBox cache
|
||||||
|
|
||||||
|
.fusebox/
|
||||||
|
|
||||||
|
# DynamoDB Local files
|
||||||
|
|
||||||
|
.dynamodb/
|
||||||
|
|
||||||
|
# TernJS port file
|
||||||
|
|
||||||
|
.tern-port
|
||||||
|
|
||||||
|
# Stores VSCode versions used for testing VSCode extensions
|
||||||
|
|
||||||
|
.vscode-test
|
||||||
|
|
||||||
|
# yarn v2
|
||||||
|
|
||||||
|
.yarn/cache
|
||||||
|
.yarn/unplugged
|
||||||
|
.yarn/build-state.yml
|
||||||
|
.yarn/install-state.gz
|
||||||
|
.pnp.*
|
||||||
|
|
||||||
|
# IntelliJ based IDEs
|
||||||
|
.idea
|
||||||
|
|
||||||
|
# Finder (MacOS) folder config
|
||||||
|
.DS_Store
|
15
sepa/sepa-dataset-validator/README.md
Normal file
15
sepa/sepa-dataset-validator/README.md
Normal file
|
@ -0,0 +1,15 @@
|
||||||
|
# sepa-dataset-validator
|
||||||
|
|
||||||
|
To install dependencies:
|
||||||
|
|
||||||
|
```bash
|
||||||
|
bun install
|
||||||
|
```
|
||||||
|
|
||||||
|
To run:
|
||||||
|
|
||||||
|
```bash
|
||||||
|
bun run index.ts
|
||||||
|
```
|
||||||
|
|
||||||
|
This project was created using `bun init` in bun v1.1.26. [Bun](https://bun.sh) is a fast all-in-one JavaScript runtime.
|
123
sepa/sepa-dataset-validator/index.ts
Normal file
123
sepa/sepa-dataset-validator/index.ts
Normal file
|
@ -0,0 +1,123 @@
|
||||||
|
import * as fs from "fs";
|
||||||
|
import { join } from "path";
|
||||||
|
import jschardet from "jschardet";
|
||||||
|
import Papa from "papaparse";
|
||||||
|
import { Comerico, ProductoSegúnSpec } from "./schemas";
|
||||||
|
|
||||||
|
const dir = process.argv[2];
|
||||||
|
|
||||||
|
if (!dir) {
|
||||||
|
console.error("Usage: bun index.ts <directory>");
|
||||||
|
process.exit(1);
|
||||||
|
}
|
||||||
|
|
||||||
|
async function readFiles(dir: string) {
|
||||||
|
const buffers = {
|
||||||
|
"productos.csv": await fs.promises.readFile(join(dir, "productos.csv")),
|
||||||
|
"sucursales.csv": await fs.promises.readFile(join(dir, "sucursales.csv")),
|
||||||
|
"comercio.csv": await fs.promises.readFile(join(dir, "comercio.csv")),
|
||||||
|
};
|
||||||
|
|
||||||
|
let texts: Record<keyof typeof buffers, string> = {
|
||||||
|
"productos.csv": "",
|
||||||
|
"sucursales.csv": "",
|
||||||
|
"comercio.csv": "",
|
||||||
|
};
|
||||||
|
|
||||||
|
let notUtf8 = [];
|
||||||
|
for (const [name, buffer] of Object.entries(buffers)) {
|
||||||
|
const det = jschardet.detect(buffer.subarray(0, 1024 * 1024));
|
||||||
|
if (det.encoding === "ascii") det.encoding = "UTF-8";
|
||||||
|
if (det.encoding !== "UTF-8") {
|
||||||
|
notUtf8.push(name);
|
||||||
|
if (det.encoding === "UTF-16LE") {
|
||||||
|
texts[name as keyof typeof buffers] = buffer.toString("utf-16le");
|
||||||
|
} else throw new Error(`Can't parse encoding ${det.encoding} in ${name}`);
|
||||||
|
} else {
|
||||||
|
texts[name as keyof typeof buffers] = buffer.toString("utf-8");
|
||||||
|
}
|
||||||
|
}
|
||||||
|
if (notUtf8.length > 0) {
|
||||||
|
console.error(`❌ No son UTF-8: ${notUtf8.join(", ")}`);
|
||||||
|
}
|
||||||
|
|
||||||
|
const csvs = {
|
||||||
|
"productos.csv": Papa.parse(texts["productos.csv"], {
|
||||||
|
header: true,
|
||||||
|
}),
|
||||||
|
"sucursales.csv": Papa.parse(texts["sucursales.csv"], {
|
||||||
|
header: true,
|
||||||
|
}),
|
||||||
|
"comercio.csv": Papa.parse(texts["comercio.csv"], {
|
||||||
|
header: true,
|
||||||
|
}),
|
||||||
|
};
|
||||||
|
|
||||||
|
const comercio = Comerico.parse(csvs["comercio.csv"].data[0]);
|
||||||
|
console.log(
|
||||||
|
` -> CUIT ${comercio.comercio_cuit}: ${comercio.comercio_razon_social}`
|
||||||
|
);
|
||||||
|
// if (Object.values(csvs).some((csv) => csv.errors.length > 0)) {
|
||||||
|
// console.error(`❌ Errors parsing CSV:`);
|
||||||
|
// for (const error of Object.values(csvs).flatMap((csv) => csv.errors)) {
|
||||||
|
// console.error(error);
|
||||||
|
// }
|
||||||
|
// process.exit(1);
|
||||||
|
// }
|
||||||
|
return csvs;
|
||||||
|
}
|
||||||
|
|
||||||
|
type Files = Awaited<ReturnType<typeof readFiles>>;
|
||||||
|
|
||||||
|
// si retorna truthy es un error
|
||||||
|
const checkers: Record<string, (files: Files) => boolean | string> = {
|
||||||
|
["[productos.csv] Hay tabs en productos_descripcion"](files) {
|
||||||
|
return files["productos.csv"].data.every((row) => {
|
||||||
|
if (!("productos_descripcion" in (row as any))) return true;
|
||||||
|
return (row as any).productos_descripcion.includes("\t");
|
||||||
|
});
|
||||||
|
},
|
||||||
|
["[productos.csv] Nombres de columnas correctas"](files) {
|
||||||
|
const firstRow = files["productos.csv"].data[0];
|
||||||
|
if (!firstRow) return true;
|
||||||
|
const res = ProductoSegúnSpec.safeParse(firstRow);
|
||||||
|
if (res.error) {
|
||||||
|
for (const [key, value] of Object.entries(res.error.format())) {
|
||||||
|
if (!value) continue;
|
||||||
|
const errors = Array.isArray(value) ? value : value._errors;
|
||||||
|
console.error(` Error en columna ${key}:`, errors.join(", "));
|
||||||
|
}
|
||||||
|
return true;
|
||||||
|
}
|
||||||
|
return false;
|
||||||
|
},
|
||||||
|
};
|
||||||
|
|
||||||
|
const content = await fs.promises.readdir(dir);
|
||||||
|
|
||||||
|
if (content.find((x) => x.endsWith(".csv"))) {
|
||||||
|
await chequearDataset(dir);
|
||||||
|
} else if (content.find((x) => x.startsWith("sepa"))) {
|
||||||
|
for (const subdir of content) {
|
||||||
|
if (!subdir.startsWith("sepa")) continue;
|
||||||
|
console.info(`chequeando ${subdir}...`);
|
||||||
|
await chequearDataset(join(dir, subdir));
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
async function chequearDataset(dir: string) {
|
||||||
|
const files = await readFiles(dir);
|
||||||
|
|
||||||
|
for (const [name, checker] of Object.entries(checkers)) {
|
||||||
|
try {
|
||||||
|
const res = checker(files);
|
||||||
|
if (res) {
|
||||||
|
console.error(`❌ ${name} (${res})`);
|
||||||
|
}
|
||||||
|
} catch (error) {
|
||||||
|
console.error(`❌ ${name}:`, error);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
console.error(`¡Haga patria, arregle su dataset!`);
|
16
sepa/sepa-dataset-validator/package.json
Normal file
16
sepa/sepa-dataset-validator/package.json
Normal file
|
@ -0,0 +1,16 @@
|
||||||
|
{
|
||||||
|
"name": "sepa-dataset-validator",
|
||||||
|
"module": "index.ts",
|
||||||
|
"type": "module",
|
||||||
|
"devDependencies": {
|
||||||
|
"@types/bun": "latest"
|
||||||
|
},
|
||||||
|
"peerDependencies": {
|
||||||
|
"typescript": "^5.0.0"
|
||||||
|
},
|
||||||
|
"dependencies": {
|
||||||
|
"jschardet": "^3.1.3",
|
||||||
|
"papaparse": "^5.4.1",
|
||||||
|
"zod": "^3.23.8"
|
||||||
|
}
|
||||||
|
}
|
33
sepa/sepa-dataset-validator/schemas.ts
Normal file
33
sepa/sepa-dataset-validator/schemas.ts
Normal file
|
@ -0,0 +1,33 @@
|
||||||
|
import { z } from "zod";
|
||||||
|
|
||||||
|
export const Comerico = z.object({
|
||||||
|
id_comercio: z.string(),
|
||||||
|
id_bandera: z.string(),
|
||||||
|
comercio_cuit: z.string(),
|
||||||
|
comercio_razon_social: z.string(),
|
||||||
|
comercio_bandera_nombre: z.string(),
|
||||||
|
comercio_bandera_url: z.string(),
|
||||||
|
comercio_ultima_actualizacion: z.string(),
|
||||||
|
comercio_version_sepa: z.string().optional(), // no es opcional pero a veces no lo agregan...
|
||||||
|
});
|
||||||
|
|
||||||
|
export const ProductoSegúnSpec = z.object({
|
||||||
|
id_comercio: z.coerce.number(),
|
||||||
|
id_bandera: z.coerce.number(),
|
||||||
|
id_sucursal: z.coerce.number(),
|
||||||
|
id_producto: z.coerce.number(),
|
||||||
|
// 0 es ID interna del comercio, 1 es EAN/UPC-A
|
||||||
|
productos_ean: z.union([z.literal("0"), z.literal("1")]),
|
||||||
|
productos_descripcion: z.string(),
|
||||||
|
productos_cantidad_presentacion: z.coerce.number(),
|
||||||
|
productos_unidad_medida_presentacion: z.string(),
|
||||||
|
productos_marca: z.string(),
|
||||||
|
productos_precio_lista: z.coerce.number(),
|
||||||
|
productos_precio_referencia: z.coerce.number(),
|
||||||
|
productos_cantidad_referencia: z.coerce.number(),
|
||||||
|
productos_unidad_medida_referencia: z.string(),
|
||||||
|
productos_precio_unitario_promo1: z.coerce.number().optional(),
|
||||||
|
productos_leyenda_promo1: z.string().optional(),
|
||||||
|
productos_precio_unitario_promo2: z.coerce.number().optional(),
|
||||||
|
productos_leyenda_promo2: z.string().optional(),
|
||||||
|
});
|
27
sepa/sepa-dataset-validator/tsconfig.json
Normal file
27
sepa/sepa-dataset-validator/tsconfig.json
Normal file
|
@ -0,0 +1,27 @@
|
||||||
|
{
|
||||||
|
"compilerOptions": {
|
||||||
|
// Enable latest features
|
||||||
|
"lib": ["ESNext", "DOM"],
|
||||||
|
"target": "ESNext",
|
||||||
|
"module": "ESNext",
|
||||||
|
"moduleDetection": "force",
|
||||||
|
"jsx": "react-jsx",
|
||||||
|
"allowJs": true,
|
||||||
|
|
||||||
|
// Bundler mode
|
||||||
|
"moduleResolution": "bundler",
|
||||||
|
"allowImportingTsExtensions": true,
|
||||||
|
"verbatimModuleSyntax": true,
|
||||||
|
"noEmit": true,
|
||||||
|
|
||||||
|
// Best practices
|
||||||
|
"strict": true,
|
||||||
|
"skipLibCheck": true,
|
||||||
|
"noFallthroughCasesInSwitch": true,
|
||||||
|
|
||||||
|
// Some stricter flags (disabled by default)
|
||||||
|
"noUnusedLocals": false,
|
||||||
|
"noUnusedParameters": false,
|
||||||
|
"noPropertyAccessFromIndexSignature": false
|
||||||
|
}
|
||||||
|
}
|
Loading…
Reference in a new issue