docid 0.1.3__py3-none-any.whl → 0.1.4__py3-none-any.whl

{docid-0.1.3.dist-info → docid-0.1.4.dist-info}/METADATA

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: docid
-Version: 0.1.3
+Version: 0.1.4
 Summary: Deterministyczny generator identyfikatorów dokumentów z OCR
 Home-page: https://github.com/softreck/docid
 Author: Softreck

docid-0.1.4.dist-info/RECORD

@@ -0,0 +1,14 @@
+exef_docid/__init__.py,sha256=CWtcc96kZjLBpVjFbg-bL2yPKsR132AgoF8SX6y5Lrk,2886
+exef_docid/cli.py,sha256=G8beRYj8ImzCvZPrHnIZkxORygCdsIE3O2_bHpJio5o,11109
+exef_docid/cli_universal.py,sha256=HlvLyYKtp3VBx0CEilSGoMDu912zUfo-1BGDzWyehJA,21649
+exef_docid/document_id.py,sha256=2sX4YTKGuazXdkNfBtj0buJMdwopcMk7UTSjr3oJOtQ,23490
+exef_docid/document_id_universal.py,sha256=M66ZjxtufVfxUQkQI4su2Ph3JGy0HEaO4U-8Osv_beQ,13873
+exef_docid/ocr_processor.py,sha256=eFD8m_LsKgUkFngGL_xAseeriBHhHj9ORVWScpxyP5A,19138
+exef_docid/pipeline.py,sha256=_UGjY9bImW__uJakUqLJztLSRPYi3IYZclR09dI3f4o,15435
+exef_docid/extractors/__init__.py,sha256=a2AS9aExd-EpOBp5eO3ZaUOmd0tP5sMSJ3QdVERrTAE,360
+exef_docid/extractors/base.py,sha256=l_8L2irgxOhm5MwM9URCA1IkKTzq0hl5pTSB8EWp_c0,17910
+docid-0.1.4.dist-info/METADATA,sha256=nYBvs7EC3iyhKSPPTREYAwVgn81HcnU7cSL4gbB0Gj4,16206
+docid-0.1.4.dist-info/WHEEL,sha256=wUyA8OaulRlbfwMtmQsvNngGrxQHAvkKcvRmdizlJi0,92
+docid-0.1.4.dist-info/entry_points.txt,sha256=P85wntY_GMh6lwhXTMsWV2QwCLCgIRe1sbIpGoDxrQE,94
+docid-0.1.4.dist-info/top_level.txt,sha256=wEXHg0mYQhhmZ0R3yymDasZhXfI7S0RpTxJ-hmdZ6Ww,11
+docid-0.1.4.dist-info/RECORD,,

exef_docid/__init__.py

@@ -1,5 +1,5 @@
 """
-EXEF Document ID Generator
+DOC Document ID Generator
 
 Deterministyczny generator identyfikatorów dokumentów z OCR.
 Generuje zawsze ten sam ID dla tego samego dokumentu,
@@ -10,14 +10,14 @@ Przykład użycia:
 
     # Pełne przetwarzanie
     result = process_document("faktura.pdf")
-    print(result.document_id)      # EXEF-FV-A7B3C9D2E1F04856
+    print(result.document_id)      # DOC-FV-A7B3C9D2E1F04856
     print(result.extraction.issuer_nip)  # 5213017228
 
     # Tylko ID
     doc_id = get_document_id("paragon.jpg")
 
     # Weryfikacja
-    is_same = verify_document_id("skan.png", "EXEF-FV-A7B3C9D2E1F04856")
+    is_same = verify_document_id("skan.png", "DOC-FV-A7B3C9D2E1F04856")
 
 Wymagania:
     pip install paddleocr paddlepaddle pdf2image pillow

exef_docid/cli.py

@@ -1,6 +1,6 @@
 #!/usr/bin/env python3
 """
-CLI dla EXEF Document ID Generator.
+CLI dla DOC Document ID Generator.
 
 Użycie:
     # Przetwórz pojedynczy plik
@@ -13,7 +13,7 @@ Użycie:
     docid batch ./dokumenty/ --output results.json
 
     # Weryfikacja ID
-    docid verify faktura.pdf EXEF-FV-A7B3C9D2E1F04856
+    docid verify faktura.pdf DOC-FV-A7B3C9D2E1F04856
 
     # Tylko OCR (bez generowania ID)
     docid ocr skan.jpg
@@ -267,7 +267,7 @@ def cmd_generate_id(args):
 
 def main():
     parser = argparse.ArgumentParser(
-        description='EXEF Document ID Generator - deterministyczne ID dokumentów z OCR',
+        description='DOC Document ID Generator - deterministyczne ID dokumentów z OCR',
         formatter_class=argparse.RawDescriptionHelpFormatter,
     )
     parser.add_argument('--version', action='version', version='docid 0.1.0')
@@ -279,7 +279,7 @@ def main():
     common.add_argument('--engine', choices=['paddle', 'tesseract'], default='paddle',
                        help='Silnik OCR (domyślnie: paddle)')
     common.add_argument('--lang', default='pl', help='Język dokumentów')
-    common.add_argument('--prefix', default='EXEF', help='Prefiks ID')
+    common.add_argument('--prefix', default='DOC', help='Prefiks ID')
     common.add_argument('--gpu', action='store_true', help='Użyj GPU')
     common.add_argument('-v', '--verbose', action='store_true', help='Więcej szczegółów')
 
@@ -324,7 +324,7 @@ def main():
     p_gen.add_argument('--number', help='Numer dokumentu')
     p_gen.add_argument('--date', help='Data (YYYY-MM-DD)')
     p_gen.add_argument('--amount', help='Kwota brutto')
-    p_gen.add_argument('--prefix', default='EXEF', help='Prefiks ID')
+    p_gen.add_argument('--prefix', default='DOC', help='Prefiks ID')
     p_gen.set_defaults(func=cmd_generate_id)
 
     args = parser.parse_args()

exef_docid/cli_universal.py

@@ -431,7 +431,7 @@ def main():
     """Main CLI entry point"""
     parser = argparse.ArgumentParser(
         prog='docid',
-        description='EXEF Document ID Generator - CLI'
+        description='DOC Document ID Generator - CLI'
     )
     
     parser.add_argument('--version', action='version', version='%(prog)s 0.1.0')

exef_docid/document_id.py

@@ -14,8 +14,8 @@ from decimal import ROUND_HALF_UP, Decimal
 from enum import Enum
 from typing import Optional, Union
 
-# Namespace UUID dla EXEF (RFC 4122 UUID v5)
-EXEF_NAMESPACE = uuid.UUID('a1b2c3d4-e5f6-7890-abcd-ef1234567890')
+# Namespace UUID dla DOC (RFC 4122 UUID v5)
+DOC_NAMESPACE = uuid.UUID('a1b2c3d4-e5f6-7890-abcd-ef1234567890')
 
 
 class DocumentType(Enum):
@@ -207,10 +207,10 @@ class DocumentIDGenerator:
     niezależnie od formatu źródłowego dokumentu.
     """
 
-    def __init__(self, prefix: str = "EXEF"):
+    def __init__(self, prefix: str = "DOC"):
         """
         Args:
-            prefix: Prefiks identyfikatora (domyślnie EXEF)
+            prefix: Prefiks identyfikatora (domyślnie DOC)
         """
         self.prefix = prefix
 
@@ -229,7 +229,7 @@ class DocumentIDGenerator:
 
         >>> gen = DocumentIDGenerator()
         >>> gen.generate_invoice_id("5213017228", "FV/2025/00142", "2025-01-15", 1230.00)
-        'EXEF-FV-A7B3C9D2E1F04856'
+        'DOC-FV-A7B3C9D2E1F04856'
         """
         canonical = CanonicalData(
             document_type=DocumentType.INVOICE,
@@ -265,7 +265,7 @@ class DocumentIDGenerator:
 
         >>> gen = DocumentIDGenerator()
         >>> gen.generate_receipt_id("5213017228", "2025-01-15", 45.99)
-        'EXEF-PAR-...'
+        'DOC-PAR-...'
         """
         parts = [
             NIPValidator.normalize(seller_nip),
@@ -649,7 +649,7 @@ class DocumentIDGenerator:
         Generuje finalny identyfikator z danych kanonicznych.
 
         Format: {PREFIX}-{TYPE}-{HASH16}
-        Przykład: EXEF-FV-A7B3C9D2E1F04856
+        Przykład: DOC-FV-A7B3C9D2E1F04856
         """
         # SHA256 z canonical string
         hash_bytes = hashlib.sha256(canonical.canonical_string.encode('utf-8')).digest()
@@ -662,7 +662,7 @@ class DocumentIDGenerator:
         Weryfikuje czy ID odpowiada danym kanonicznym.
 
         >>> gen = DocumentIDGenerator()
-        >>> gen.verify_id("EXEF-FV-A7B3C9D2E1F04856", "5213017228|FV/2025/00142|2025-01-15|1230.00")
+        >>> gen.verify_id("DOC-FV-A7B3C9D2E1F04856", "5213017228|FV/2025/00142|2025-01-15|1230.00")
         True
         """
         hash_bytes = hashlib.sha256(canonical_string.encode('utf-8')).digest()
@@ -679,8 +679,8 @@ class DocumentIDGenerator:
         """
         Parsuje identyfikator dokumentu.
 
-        >>> DocumentIDGenerator.parse_id("EXEF-FV-A7B3C9D2E1F04856")
-        {'prefix': 'EXEF', 'type': 'FV', 'hash': 'A7B3C9D2E1F04856',
+        >>> DocumentIDGenerator.parse_id("DOC-FV-A7B3C9D2E1F04856")
+        {'prefix': 'DOC', 'type': 'FV', 'hash': 'A7B3C9D2E1F04856',
          'document_type': <DocumentType.INVOICE>}
         """
         parts = document_id.split('-')

exef_docid/ocr_processor.py

@@ -195,12 +195,8 @@ class PaddleOCRProcessor(BaseOCRProcessor):
                 self._ocr = PaddleOCR(
                     use_angle_cls=True,
                     lang=lang,
-                    use_gpu=self.use_gpu,
                     det_model_dir=self._det_model_dir,
                     rec_model_dir=self._rec_model_dir,
-                    # Optymalizacje CPU
-                    enable_mkldnn=True,
-                    cpu_threads=4,
                 )
             except ImportError:
                 raise ImportError(
@@ -216,7 +212,7 @@ class PaddleOCRProcessor(BaseOCRProcessor):
         self._init_ocr()
 
         image_path = str(image_path)
-        result = self._ocr.ocr(image_path, cls=True)
+        result = self._ocr.ocr(image_path)
 
         lines = []
         full_text_parts = []
@@ -439,8 +435,8 @@ class OCRProcessor:
 
     def __init__(
         self,
-        preferred_engine: OCREngine = OCREngine.PADDLE,
-        fallback_engine: OCREngine = OCREngine.TESSERACT,
+        preferred_engine: OCREngine = OCREngine.TESSERACT,
+        fallback_engine: OCREngine = OCREngine.PADDLE,
         lang: str = 'pl',
         use_gpu: bool = False,
     ):

exef_docid/pipeline.py

@@ -97,20 +97,20 @@ class DocumentPipeline:
     Przykład użycia:
         pipeline = DocumentPipeline()
         result = pipeline.process("faktura.pdf")
-        print(result.document_id)  # EXEF-FV-A7B3C9D2E1F04856
+        print(result.document_id)  # DOC-FV-A7B3C9D2E1F04856
     """
 
     def __init__(
         self,
-        ocr_engine: OCREngine = OCREngine.PADDLE,
-        id_prefix: str = "EXEF",
+        ocr_engine: OCREngine = OCREngine.TESSERACT,
+        id_prefix: str = "DOC",
         lang: str = "pl",
         use_gpu: bool = False,
     ):
         """
         Args:
             ocr_engine: Silnik OCR (PADDLE lub TESSERACT)
-            id_prefix: Prefiks identyfikatorów (domyślnie EXEF)
+            id_prefix: Prefiks identyfikatorów (domyślnie DOC)
             lang: Język dokumentów (pl, en)
             use_gpu: Czy używać GPU (domyślnie False dla CPU)
         """
@@ -390,7 +390,7 @@ class DocumentPipeline:
 _default_pipeline: Optional[DocumentPipeline] = None
 
 
-def get_pipeline(ocr_engine: OCREngine = OCREngine.PADDLE) -> DocumentPipeline:
+def get_pipeline(ocr_engine: OCREngine = OCREngine.TESSERACT) -> DocumentPipeline:
     """Zwraca domyślny pipeline (lazy init)."""
     global _default_pipeline
     if _default_pipeline is None or _default_pipeline.ocr.preferred_engine != ocr_engine:
@@ -398,7 +398,7 @@ def get_pipeline(ocr_engine: OCREngine = OCREngine.PADDLE) -> DocumentPipeline:
     return _default_pipeline
 
 
-def process_document(file_path: Union[str, Path], ocr_engine: OCREngine = OCREngine.PADDLE, use_ocr: bool = True) -> ProcessedDocument:
+def process_document(file_path: Union[str, Path], ocr_engine: OCREngine = OCREngine.TESSERACT, use_ocr: bool = True) -> ProcessedDocument:
     """
     Przetwarza dokument i zwraca wynik z ID.
 
@@ -416,7 +416,7 @@ def get_document_id(file_path: Union[str, Path]) -> str:
 
     Przykład:
         doc_id = get_document_id("faktura.pdf")
-        print(doc_id)  # EXEF-FV-A7B3C9D2E1F04856
+        print(doc_id)  # DOC-FV-A7B3C9D2E1F04856
     """
     return get_pipeline().process(file_path).document_id
 
@@ -426,6 +426,6 @@ def verify_document_id(file_path: Union[str, Path], expected_id: str) -> bool:
     Weryfikuje czy dokument ma oczekiwany ID.
 
     Przykład:
-        is_valid = verify_document_id("skan.jpg", "EXEF-FV-A7B3C9D2E1F04856")
+        is_valid = verify_document_id("skan.jpg", "DOC-FV-A7B3C9D2E1F04856")
     """
     return get_pipeline().verify_document(file_path, expected_id)

docid-0.1.3.dist-info/RECORD

@@ -1,14 +0,0 @@
-exef_docid/__init__.py,sha256=fhG2gmFD4ZCOFNW6G_QZ-i-SQ5GDHKrTp8DWuMDBVOc,2889
-exef_docid/cli.py,sha256=-04_ykTVBvlYN5-AnMH-OLVjoFADawJ5QzGWR_6NazI,11114
-exef_docid/cli_universal.py,sha256=bcupHuuLG4ep_Rh9gTqQizuR9cQCAO7bNY6cWqzelg4,21650
-exef_docid/document_id.py,sha256=lE9raTmmFa7xEnSfJPuNPM8yOlvixC5uF5gFO5S7GHU,23500
-exef_docid/document_id_universal.py,sha256=M66ZjxtufVfxUQkQI4su2Ph3JGy0HEaO4U-8Osv_beQ,13873
-exef_docid/ocr_processor.py,sha256=Ooy7X_EKd3wQUz4fNmD-oGIKYLauylrXAxQ9IfssmaI,19305
-exef_docid/pipeline.py,sha256=-o-sPCqYEwzsA2R6llkKv61EbcQ8F2KhJVSuJus7tWU,15431
-exef_docid/extractors/__init__.py,sha256=a2AS9aExd-EpOBp5eO3ZaUOmd0tP5sMSJ3QdVERrTAE,360
-exef_docid/extractors/base.py,sha256=l_8L2irgxOhm5MwM9URCA1IkKTzq0hl5pTSB8EWp_c0,17910
-docid-0.1.3.dist-info/METADATA,sha256=gtoHdagrVWN2Eu_Ii9DUWTgkRYrFQs_cxRWcf4w3t14,16206
-docid-0.1.3.dist-info/WHEEL,sha256=wUyA8OaulRlbfwMtmQsvNngGrxQHAvkKcvRmdizlJi0,92
-docid-0.1.3.dist-info/entry_points.txt,sha256=P85wntY_GMh6lwhXTMsWV2QwCLCgIRe1sbIpGoDxrQE,94
-docid-0.1.3.dist-info/top_level.txt,sha256=wEXHg0mYQhhmZ0R3yymDasZhXfI7S0RpTxJ-hmdZ6Ww,11
-docid-0.1.3.dist-info/RECORD,,