lib/parser/ntr_fileparser/parsers/universal_parser.py

"""
Модуль с универсальным парсером, объединяющим все специфичные парсеры.
"""

import logging
import os
from typing import BinaryIO

from ..data_classes import ParsedDocument
from .abstract_parser import AbstractParser
from .file_types import FileType
from .parser_factory import ParserFactory
from .specific_parsers import (
    DocParser,
    DocxParser,
    EmailParser,
    HTMLParser,
    MarkdownParser,
    PDFParser,
    XMLParser,
)

logger = logging.getLogger(__name__)


class UniversalParser:
    """
    Универсальный парсер, объединяющий все специфичные парсеры.

    Использует фабрику парсеров для выбора подходящего парсера
    на основе типа файла.
    """

    def __init__(self):
        """
        Инициализирует универсальный парсер и регистрирует все доступные парсеры.
        """
        self.factory = ParserFactory()

        # Регистрируем все доступные парсеры
        self.register_parsers(
            [
                XMLParser(),  # Реализованный парсер
                PDFParser(),  # Нереализованный парсер
                DocParser(),  # Нереализованный парсер
                DocxParser(),  # Реализованный парсер
                EmailParser(),  # Нереализованный парсер
                MarkdownParser(),  # Нереализованный парсер
                HTMLParser(),  # Нереализованный парсер
            ]
        )

    def register_parser(self, parser: AbstractParser) -> None:
        """
        Регистрирует парсер в фабрике.

        Args:
            parser (AbstractParser): Парсер для регистрации.
        """
        self.factory.register_parser(parser)

    def register_parsers(self, parsers: list[AbstractParser]) -> None:
        """
        Регистрирует несколько парсеров в фабрике.

        Args:
            parsers (list[AbstractParser]): Список парсеров для регистрации.
        """
        for parser in parsers:
            self.register_parser(parser)

    def parse_by_path(self, file_path: str) -> ParsedDocument | None:
        """
        Парсит документ по пути к файлу, используя подходящий парсер.

        Args:
            file_path (str): Путь к файлу для парсинга.

        Returns:
            ParsedDocument | None: Структурное представление документа или None,
                                 если подходящий парсер не найден.

        Raises:
            ValueError: Если файл не существует или не может быть прочитан.
        """
        if not os.path.exists(file_path):
            raise ValueError(f"Файл не найден: {file_path}")

        # Находим подходящий парсер
        parser = self.factory.get_parser(file_path)
        if not parser:
            logger.warning(f"Не найден подходящий парсер для файла: {file_path}")
            return None

        # Парсим документ
        try:
            return parser.parse_by_path(file_path)
        except Exception as e:
            logger.error(f"Ошибка при парсинге файла {file_path}: {e}")
            raise

    def parse(
        self, file: BinaryIO, file_type: FileType | str | None = None
    ) -> ParsedDocument | None:
        """
        Парсит документ из объекта файла, используя подходящий парсер.

        Args:
            file (BinaryIO): Объект файла для парсинга.
            file_type: Тип файла, может быть объектом FileType или строкой с расширением.
                Например: FileType.XML или ".xml"

        Returns:
            ParsedDocument | None: Структурное представление документа или None,
                                 если подходящий парсер не найден.

        Raises:
            ValueError: Если файл не может быть прочитан или распарсен.
        """
        # Преобразуем строковое расширение в FileType, если нужно
        ft = None
        if isinstance(file_type, str):
            try:
                ft = FileType.from_extension(file_type)
            except ValueError:
                logger.warning(f"Неизвестное расширение файла: {file_type}")
                return None
        else:
            ft = file_type

        if ft is None:
            logger.warning("Тип файла не указан при парсинге из объекта файла")
            return None

        # Получаем парсер для указанного типа файла
        parsers = [p for p in self.factory.parsers if p.supports_file(ft)]
        if not parsers:
            logger.warning(f"Не найден подходящий парсер для типа файла: {ft}")
            return None

        # Используем первый подходящий парсер
        parser = parsers[0]

        # Парсим документ
        try:
            return parser.parse(file, ft)
        except Exception as e:
            logger.error(f"Ошибка при парсинге файла: {e}")
            raise