"""Audita la versión DEIS del caso y genera un candidato JSON para revisión.""" import argparse from collections import Counter import csv import hashlib import io import json import math from pathlib import Path import re import sys import unicodedata COLUMNS = { "id": "EstablecimientoCodigo", "nombre": "EstablecimientoGlosa", "region": "RegionCodigo", "comuna": "ComunaCodigo", "estado": "EstadoFuncionamiento", "latitud": "Latitud", "longitud": "Longitud", } IDENTIFIERS = {"id": 6, "region": 2, "comuna": 5} STATES = { "vigente en operación habitual": "vigente_habitual", "vigente en operación transitoria": "vigente_transitoria", "cerrado": "cerrado", "cerrado temporal": "cerrado_temporal", "cerrado definitivo": "cerrado_definitivo", } def clean(value): return " ".join(unicodedata.normalize("NFC", value).split()) def coordinate(value, bound): if not re.fullmatch(r"[+-]?[0-9]+(?:[.,][0-9]+)?", value): raise ValueError("Formato de coordenada") number = float(value.replace(",", ".")) if not math.isfinite(number) or abs(number) > bound: raise ValueError("Coordenada fuera de rango") return number def audit(data): reader = csv.DictReader(io.StringIO(data.decode("utf-8-sig"), newline=""), delimiter=";", strict=True) fields = reader.fieldnames or [] if len(set(fields)) != len(fields) or not set(COLUMNS.values()) <= set(fields): raise ValueError("Encabezados duplicados o contrato incompleto") rows = [] names = Counter() ids = Counter() blank_cells = 0 for row in reader: if None in row or None in row.values(): raise ValueError(f"Estructura de CSV inválida en línea {reader.line_num}") blank_cells += sum(not value.strip() for value in row.values()) item = {key: clean(row[column]) for key, column in COLUMNS.items()} if item["id"]: ids[item["id"]] += 1 if item["nombre"]: names[item["nombre"].casefold()] += 1 rows.append((reader.line_num, item)) if not rows: raise ValueError("CSV sin registros") accepted, rejected = [], [] quality = Counter({"sin_par_coordenadas": 0, "par_coordenadas_invalido": 0}) states = Counter() regions = {} for line, item in rows: reasons = [f"formato_{key}" for key, width in IDENTIFIERS.items() if not re.fullmatch(rf"[0-9]{{{width}}}", item[key])] if ids[item["id"]] > 1: reasons.append("id_repetido") if not item["nombre"] or len(item["nombre"]) > 250: reasons.append("nombre_invalido") state = STATES.get(item["estado"].casefold()) if state is None: reasons.append("estado_desconocido") if reasons: rejected.append({"linea_fin": line, "reglas": reasons}) continue lat, lon = item.pop("latitud"), item.pop("longitud") location = None if not lat and not lon: quality["sin_par_coordenadas"] += 1 else: try: location = [coordinate(lon, 180), coordinate(lat, 90)] if location == [0.0, 0.0]: raise ValueError("Origen geográfico no admitido para este directorio") except ValueError: location = None quality["par_coordenadas_invalido"] += 1 item["ubicacion"] = location item["estado"] = state states[state] += 1 if state.startswith("vigente_"): totals = regions.setdefault(item["region"], {"vigentes": 0, "sin_ubicacion": 0}) totals["vigentes"] += 1 totals["sin_ubicacion"] += location is None accepted.append(item) report = { "sha256_fuente": hashlib.sha256(data).hexdigest(), "filas": len(rows), "columnas": len(fields), "celdas_vacias": blank_cells, "completitud_bruta": 1 - blank_cells / (len(rows) * len(fields)), "grupos_id_repetido": sum(n > 1 for n in ids.values()), "grupos_nombre_repetido": sum(n > 1 for n in names.values()), "aceptadas": len(accepted), "en_cuarentena": len(rejected), "coordenadas": dict(quality), "estados_aceptados": dict(states), "cobertura_vigentes_por_region": dict(sorted(regions.items())), "rechazos": rejected, } return report, {"version_contrato": 1, "establecimientos": accepted} def write_json(path, payload): path.write_text(json.dumps(payload, ensure_ascii=False, allow_nan=False, indent=2) + "\n", encoding="utf-8") def main(): parser = argparse.ArgumentParser(description=__doc__) parser.add_argument("csv", type=Path) parser.add_argument("salida", type=Path, help="Directorio nuevo para el informe y el candidato") args = parser.parse_args() try: report, candidate = audit(args.csv.read_bytes()) args.salida.mkdir() write_json(args.salida / "auditoria.json", report) if not report["en_cuarentena"]: write_json(args.salida / "establecimientos.json", candidate) return 0 print("Hay registros en cuarentena. Revisa auditoria.json.", file=sys.stderr) return 2 except (OSError, UnicodeError, ValueError, csv.Error) as error: print(f"Auditoría interrumpida: {error}", file=sys.stderr) return 1 if __name__ == "__main__": raise SystemExit(main())