Эндпоинты не работают

.gitignore

@@ -1,22 +1,8 @@
 # Python
 __pycache__
-__pycache__/
+*.pyc
-python_parser/__pycache__/
-python_parser/core/__pycache__/
-python_parser/adapters/__pycache__/
-python_parser/tests/__pycache__/
-python_parser/tests/test_core/__pycache__/
-python_parser/tests/test_adapters/__pycache__/
-python_parser/tests/test_app/__pycache__/
-python_parser/app/__pycache__/
-python_parser/app/schemas/__pycache__/
-python_parser/app/schemas/test_schemas/__pycache__/
-python_parser/app/schemas/test_schemas/test_core/__pycache__/
-python_parser/app/schemas/test_schemas/test_adapters/__pycache__/
-python_parser/app/schemas/test_schemas/test_app/__pycache__/
 
 nin_python_parser
-*.pyc
 
 *.py[cod]
 *$py.class
@@ -171,5 +157,3 @@ node_modules/
 npm-debug.log*
 yarn-debug.log*
 yarn-error.log* 
-
-__pycache__/

docker-compose.dev.yml

@@ -14,7 +14,7 @@ services:
     restart: unless-stopped
 
   fastapi:
-    image: python:3.11-slim
+    build: ./python_parser
     container_name: svodka_fastapi_dev
     ports:
       - "8000:8000"
@@ -24,20 +24,9 @@ services:
       - MINIO_SECRET_KEY=minioadmin
       - MINIO_SECURE=false
       - MINIO_BUCKET=svodka-data
-    volumes:
-      # Монтируем исходный код для автоматической перезагрузки
-      - ./python_parser:/app
-      # Монтируем requirements.txt для установки зависимостей
-      - ./python_parser/requirements.txt:/app/requirements.txt
-    working_dir: /app
     depends_on:
       - minio
     restart: unless-stopped
-    command: >
-      bash -c "
-        pip install --no-cache-dir -r requirements.txt &&
-        uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload
-      "
 
   streamlit:
     image: python:3.11-slim

python_parser/adapters/local_storage.py

@@ -0,0 +1,154 @@
+"""
+Локальный storage адаптер для тестирования
+Сохраняет данные в локальную файловую систему вместо MinIO
+"""
+import os
+import json
+import pickle
+from pathlib import Path
+from typing import Optional, Dict, Any
+import pandas as pd
+
+from core.ports import StoragePort
+
+
+class LocalStorageAdapter(StoragePort):
+    """Локальный адаптер для хранения данных в файловой системе"""
+    
+    def __init__(self, base_path: str = "local_storage"):
+        """
+        Инициализация локального storage
+        
+        Args:
+            base_path: Базовый путь для хранения данных
+        """
+        self.base_path = Path(base_path)
+        self.base_path.mkdir(parents=True, exist_ok=True)
+        
+        # Создаем поддиректории
+        (self.base_path / "data").mkdir(exist_ok=True)
+        (self.base_path / "metadata").mkdir(exist_ok=True)
+    
+    def object_exists(self, object_id: str) -> bool:
+        """Проверяет существование объекта"""
+        data_file = self.base_path / "data" / f"{object_id}.pkl"
+        return data_file.exists()
+    
+    def save_dataframe(self, object_id: str, df: pd.DataFrame) -> bool:
+        """Сохраняет DataFrame в локальную файловую систему"""
+        try:
+            data_file = self.base_path / "data" / f"{object_id}.pkl"
+            metadata_file = self.base_path / "metadata" / f"{object_id}.json"
+            
+            # Сохраняем DataFrame
+            with open(data_file, 'wb') as f:
+                pickle.dump(df, f)
+            
+            # Сохраняем метаданные
+            metadata = {
+                "object_id": object_id,
+                "shape": df.shape,
+                "columns": df.columns.tolist(),
+                "dtypes": {str(k): str(v) for k, v in df.dtypes.to_dict().items()}
+            }
+            
+            with open(metadata_file, 'w', encoding='utf-8') as f:
+                json.dump(metadata, f, ensure_ascii=False, indent=2)
+            
+            return True
+            
+        except Exception as e:
+            print(f"Ошибка при сохранении {object_id}: {e}")
+            return False
+    
+    def load_dataframe(self, object_id: str) -> Optional[pd.DataFrame]:
+        """Загружает DataFrame из локальной файловой системы"""
+        try:
+            data_file = self.base_path / "data" / f"{object_id}.pkl"
+            
+            if not data_file.exists():
+                return None
+            
+            with open(data_file, 'rb') as f:
+                df = pickle.load(f)
+            
+            return df
+            
+        except Exception as e:
+            print(f"Ошибка при загрузке {object_id}: {e}")
+            return None
+    
+    def delete_object(self, object_id: str) -> bool:
+        """Удаляет объект из локального storage"""
+        try:
+            data_file = self.base_path / "data" / f"{object_id}.pkl"
+            metadata_file = self.base_path / "metadata" / f"{object_id}.json"
+            
+            # Удаляем файлы если они существуют
+            if data_file.exists():
+                data_file.unlink()
+            
+            if metadata_file.exists():
+                metadata_file.unlink()
+            
+            return True
+            
+        except Exception as e:
+            print(f"Ошибка при удалении {object_id}: {e}")
+            return False
+    
+    def list_objects(self) -> list:
+        """Возвращает список всех объектов в storage"""
+        try:
+            data_dir = self.base_path / "data"
+            if not data_dir.exists():
+                return []
+            
+            objects = []
+            for file_path in data_dir.glob("*.pkl"):
+                object_id = file_path.stem
+                objects.append(object_id)
+            
+            return objects
+            
+        except Exception as e:
+            print(f"Ошибка при получении списка объектов: {e}")
+            return []
+    
+    def get_object_metadata(self, object_id: str) -> Optional[Dict[str, Any]]:
+        """Возвращает метаданные объекта"""
+        try:
+            metadata_file = self.base_path / "metadata" / f"{object_id}.json"
+            
+            if not metadata_file.exists():
+                return None
+            
+            with open(metadata_file, 'r', encoding='utf-8') as f:
+                metadata = json.load(f)
+            
+            return metadata
+            
+        except Exception as e:
+            print(f"Ошибка при получении метаданных {object_id}: {e}")
+            return None
+    
+    def clear_all(self) -> bool:
+        """Очищает весь storage"""
+        try:
+            data_dir = self.base_path / "data"
+            metadata_dir = self.base_path / "metadata"
+            
+            # Удаляем все файлы
+            for file_path in data_dir.glob("*"):
+                if file_path.is_file():
+                    file_path.unlink()
+            
+            for file_path in metadata_dir.glob("*"):
+                if file_path.is_file():
+                    file_path.unlink()
+            
+            return True
+            
+        except Exception as e:
+            print(f"Ошибка при очистке storage: {e}")
+            return False

python_parser/adapters/parsers/README_svodka_pm.md

@@ -1,88 +0,0 @@
-# Парсер Сводки ПМ
-
-## Описание
-
-Парсер для обработки сводок ПМ (план и факт) с поддержкой множественных геттеров. Наследуется от `ParserPort` и реализует архитектуру hexagonal architecture.
-
-## Доступные геттеры
-
-### 1. `get_single_og`
-Получение данных по одному ОГ из сводки ПМ.
-
-**Обязательные параметры:**
-- `id` (str): ID ОГ (например, "SNPZ", "KNPZ")
-- `codes` (list): Список кодов показателей (например, [78, 79, 81, 82])
-- `columns` (list): Список столбцов для извлечения (например, ["ПП", "БП", "СЭБ"])
-
-**Необязательные параметры:**
-- `search` (str): Значение для поиска в столбцах
-
-**Пример использования:**
-```python
-parser = SvodkaPMParser()
-params = {
-    "id": "SNPZ",
-    "codes": [78, 79, 81, 82],
-    "columns": ["ПП", "БП", "СЭБ"]
-}
-result = parser.get_value("get_single_og", params)
-```
-
-### 2. `get_total_ogs`
-Получение данных по всем ОГ из сводки ПМ.
-
-**Обязательные параметры:**
-- `codes` (list): Список кодов показателей
-- `columns` (list): Список столбцов для извлечения
-
-**Необязательные параметры:**
-- `search` (str): Значение для поиска в столбцах
-
-**Пример использования:**
-```python
-parser = SvodkaPMParser()
-params = {
-    "codes": [78, 79, 81, 82],
-    "columns": ["ПП", "БП", "СЭБ"]
-}
-result = parser.get_value("get_total_ogs", params)
-```
-
-## Поддерживаемые столбцы
-
-- **ПП, БП**: Данные из файлов плана
-- **ТБ, СЭБ, НЭБ**: Данные из файлов факта
-
-## Структура файлов
-
-Парсер ожидает следующую структуру файлов:
-- `data/pm_fact/svodka_fact_pm_{OG_ID}.xlsx` или `.xlsm`
-- `data/pm_plan/svodka_plan_pm_{OG_ID}.xlsx` или `.xlsm`
-
-Где `{OG_ID}` - это ID ОГ (например, SNPZ, KNPZ и т.д.)
-
-## Формат результата
-
-Результат возвращается в формате JSON со следующей структурой:
-```json
-{
-  "ПП": {
-    "78": 123.45,
-    "79": 234.56
-  },
-  "БП": {
-    "78": 111.11,
-    "79": 222.22
-  },
-  "СЭБ": {
-    "78": 333.33,
-    "79": 444.44
-  }
-}
-```
-
-## Обработка ошибок
-
-- Если файл плана/факта не найден, соответствующие столбцы будут пустыми
-- Если код показателя не найден, возвращается 0
-- Валидация параметров выполняется автоматически

python_parser/adapters/parsers/monitoring_fuel.py

@@ -4,8 +4,8 @@ import zipfile
 from typing import Dict, Tuple
 from core.ports import ParserPort
 from core.schema_utils import register_getter_from_schema, validate_params_with_schema
-from app.schemas.monitoring_fuel import MonitoringFuelTotalRequest, MonitoringFuelMonthRequest
+from app.schemas.monitoring_fuel import MonitoringFuelTotalRequest, MonitoringFuelMonthRequest, MonitoringFuelSeriesRequest
-from adapters.pconfig import data_to_json
+from adapters.pconfig import data_to_json, find_header_row
 
 
 class MonitoringFuelParser(ParserPort):
@@ -32,6 +32,14 @@ class MonitoringFuelParser(ParserPort):
             description="Получение данных за конкретный месяц"
         )
         
+        register_getter_from_schema(
+            parser_instance=self,
+            getter_name="series_by_id_and_columns",
+            method=self._get_series_by_id_and_columns,
+            schema_class=MonitoringFuelSeriesRequest,
+            description="Получение временных рядов по ID и колонкам"
+        )
+
     def _get_total_by_columns(self, params: dict):
         """Агрегация данных по колонкам"""
         # Валидируем параметры с помощью схемы Pydantic
@@ -39,31 +47,9 @@ class MonitoringFuelParser(ParserPort):
         
         columns = validated_params["columns"]
         
-        # Проверяем, есть ли данные в data_dict (из парсинга) или в df (из загрузки)
+        # TODO: Переделать под новую архитектуру
-        if hasattr(self, 'data_dict') and self.data_dict is not None:
+        df_means, _ = self.aggregate_by_columns(self.df, columns)
-            # Данные из парсинга
+        return df_means.to_dict(orient='index')
-            data_source = self.data_dict
-        elif hasattr(self, 'df') and self.df is not None and not self.df.empty:
-            # Данные из загрузки - преобразуем DataFrame обратно в словарь
-            data_source = self._df_to_data_dict()
-        else:
-            return {}
-        
-        # Агрегируем данные по колонкам
-        df_means, _ = self.aggregate_by_columns(data_source, columns)
-        
-        # Преобразуем в JSON-совместимый формат
-        result = {}
-        for idx, row in df_means.iterrows():
-            result[str(idx)] = {}
-            for col in columns:
-                value = row.get(col)
-                if pd.isna(value) or value == float('inf') or value == float('-inf'):
-                    result[str(idx)][col] = None
-                else:
-                    result[str(idx)][col] = float(value) if isinstance(value, (int, float)) else value
-        
-        return result
 
     def _get_month_by_code(self, params: dict):
         """Получение данных за конкретный месяц"""
@@ -72,73 +58,14 @@ class MonitoringFuelParser(ParserPort):
         
         month = validated_params["month"]
         
-        # Проверяем, есть ли данные в data_dict (из парсинга) или в df (из загрузки)
+        # TODO: Переделать под новую архитектуру
-        if hasattr(self, 'data_dict') and self.data_dict is not None:
+        df_month = self.get_month(self.df, month)
-            # Данные из парсинга
+        return df_month.to_dict(orient='index')
-            data_source = self.data_dict
-        elif hasattr(self, 'df') and self.df is not None and not self.df.empty:
-            # Данные из загрузки - преобразуем DataFrame обратно в словарь
-            data_source = self._df_to_data_dict()
-        else:
-            return {}
-        
-        # Получаем данные за конкретный месяц
-        df_month = self.get_month(data_source, month)
-        
-        # Преобразуем в JSON-совместимый формат
-        result = {}
-        for idx, row in df_month.iterrows():
-            result[str(idx)] = {}
-            for col in df_month.columns:
-                value = row[col]
-                if pd.isna(value) or value == float('inf') or value == float('-inf'):
-                    result[str(idx)][col] = None
-                else:
-                    result[str(idx)][col] = float(value) if isinstance(value, (int, float)) else value
-        
-        return result
-
-    def _df_to_data_dict(self):
-        """Преобразование DataFrame обратно в словарь данных"""
-        if not hasattr(self, 'df') or self.df is None or self.df.empty:
-            return {}
-        
-        data_dict = {}
-        
-        # Группируем данные по месяцам
-        for _, row in self.df.iterrows():
-            month = row.get('month')
-            data = row.get('data')
-            
-            if month and data is not None:
-                data_dict[month] = data
-        
-        return data_dict
 
     def parse(self, file_path: str, params: dict) -> pd.DataFrame:
         """Парсинг файла и возврат DataFrame"""
-        # Парсим данные и сохраняем словарь для использования в геттерах
+        # Сохраняем DataFrame для использования в геттерах
-        self.data_dict = self.parse_monitoring_fuel_files(file_path, params)
+        self.df = self.parse_monitoring_fuel_files(file_path, params)
-        
-        # Преобразуем словарь в DataFrame для совместимости с services.py
-        if self.data_dict:
-            # Создаем DataFrame с информацией о месяцах и данных
-            data_rows = []
-            for month, df_data in self.data_dict.items():
-                if df_data is not None and not df_data.empty:
-                    data_rows.append({
-                        'month': month,
-                        'rows_count': len(df_data),
-                        'data': df_data
-                    })
-            
-            if data_rows:
-                df = pd.DataFrame(data_rows)
-                self.df = df
-                return df
-        
-        # Если данных нет, возвращаем пустой DataFrame
-        self.df = pd.DataFrame()
         return self.df
 
     def parse_monitoring_fuel_files(self, zip_path: str, params: dict) -> Dict[str, pd.DataFrame]:
@@ -173,30 +100,13 @@ class MonitoringFuelParser(ParserPort):
 
         return df_monitorings
 
-    def find_header_row(self, file_path: str, sheet: str, search_value: str = "Установка", max_rows: int = 50) -> int:
-        """Определение индекса заголовка в Excel по ключевому слову"""
-        # Читаем первые max_rows строк без заголовков
-        df_temp = pd.read_excel(
-            file_path,
-            sheet_name=sheet,
-            header=None,
-            nrows=max_rows,
-            engine='openpyxl'
-        )
 
-        # Ищем строку, где хотя бы в одном столбце встречается искомое значение
-        for idx, row in df_temp.iterrows():
-            if row.astype(str).str.strip().str.contains(f"^{search_value}$", case=False, regex=True).any():
-                print(f"Заголовок найден в строке {idx} (Excel: {idx + 1})")
-                return idx + 1  # возвращаем индекс строки (0-based)
-
-        raise ValueError(f"Не найдена строка с заголовком '{search_value}' в первых {max_rows} строках.")
 
     def parse_single(self, file, sheet, header_num=None):
         ''' Собственно парсер отчетов одного объекта'''
         # Автоопределение header_num, если не передан
         if header_num is None:
-            header_num = self.find_header_row(file, sheet, search_value="Установка")
+            header_num = find_header_row(file, sheet, search_value="Установка")
         # Читаем весь лист, начиная с найденной строки как заголовок
         df_full = pd.read_excel(
             file,
@@ -229,11 +139,7 @@ class MonitoringFuelParser(ParserPort):
         if 'name' in df_full.columns:
             # Применяем функцию get_id_by_name к каждой строке в колонке 'name'
             # df_full['id'] = df_full['name'].apply(get_object_by_name) # This line was removed as per new_code
-            # Временно используем name как id
+            pass # Placeholder for new_code
-            df_full['id'] = df_full['name']
-        else:
-            # Если нет колонки name, создаем id из индекса
-            df_full['id'] = df_full.index
 
         # Устанавливаем id как индекс
         df_full.set_index('id', inplace=True)
@@ -322,3 +228,47 @@ class MonitoringFuelParser(ParserPort):
         total.name = 'mean'
 
         return total, df_combined
+
+    def _get_series_by_id_and_columns(self, params: dict):
+        """Получение временных рядов по ID и колонкам"""
+        # Валидируем параметры с помощью схемы Pydantic
+        validated_params = validate_params_with_schema(params, MonitoringFuelSeriesRequest)
+        
+        columns = validated_params["columns"]
+        
+        # Проверяем, что все колонки существуют хотя бы в одном месяце
+        valid_columns = set()
+        for month in self.df.values():
+            valid_columns.update(month.columns)
+        
+        for col in columns:
+            if col not in valid_columns:
+                raise ValueError(f"Колонка '{col}' не найдена ни в одном месяце")
+
+        # Подготавливаем результат: словарь id → {col: [значения по месяцам]}
+        result = {}
+
+        # Обрабатываем месяцы от 01 до 12
+        for month_key in [f"{i:02d}" for i in range(1, 13)]:
+            if month_key not in self.df:
+                print(f"Месяц '{month_key}' не найден в df_monitorings, пропускаем.")
+                continue
+
+            df = self.df[month_key]
+
+            for col in columns:
+                if col not in df.columns:
+                    continue  # Пропускаем, если в этом месяце нет колонки
+
+                for idx, value in df[col].items():
+                    if pd.isna(value):
+                        continue  # Можно пропустить NaN, или оставить как null
+
+                    if idx not in result:
+                        result[idx] = {c: [] for c in columns}
+
+                    result[idx][col].append(value)
+
+        # Преобразуем ключи id в строки (для JSON-совместимости)
+        result_str_keys = {str(k): v for k, v in result.items()}
+        return result_str_keys

python_parser/adapters/parsers/svodka_ca.py

@@ -25,197 +25,134 @@ class SvodkaCAParser(ParserPort):
 
     def _get_data_wrapper(self, params: dict):
         """Получение данных по режимам и таблицам"""
-        print(f"🔍 DEBUG: _get_data_wrapper вызван с параметрами: {params}")
-        
         # Валидируем параметры с помощью схемы Pydantic
         validated_params = validate_params_with_schema(params, SvodkaCARequest)
         
         modes = validated_params["modes"]
         tables = validated_params["tables"]
         
-        print(f"🔍 DEBUG: Запрошенные режимы: {modes}")
+        # TODO: Переделать под новую архитектуру
-        print(f"🔍 DEBUG: Запрошенные таблицы: {tables}")
-        
-        # Проверяем, есть ли данные в data_dict (из парсинга) или в df (из загрузки)
-        if hasattr(self, 'data_dict') and self.data_dict is not None:
-            # Данные из парсинга
-            data_source = self.data_dict
-            print(f"🔍 DEBUG: Используем data_dict с режимами: {list(data_source.keys())}")
-        elif hasattr(self, 'df') and self.df is not None and not self.df.empty:
-            # Данные из загрузки - преобразуем DataFrame обратно в словарь
-            data_source = self._df_to_data_dict()
-            print(f"🔍 DEBUG: Используем df, преобразованный в data_dict с режимами: {list(data_source.keys())}")
-        else:
-            print(f"🔍 DEBUG: Нет данных! data_dict={getattr(self, 'data_dict', 'None')}, df={getattr(self, 'df', 'None')}")
-            return {}
-        
-        # Фильтруем данные по запрошенным режимам и таблицам
-        result_data = {}
-        for mode in modes:
-            if mode in data_source:
-                result_data[mode] = {}
-                available_tables = list(data_source[mode].keys())
-                print(f"🔍 DEBUG: Режим '{mode}' содержит таблицы: {available_tables}")
-                for table_name, table_data in data_source[mode].items():
-                    # Ищем таблицы по частичному совпадению
-                    for requested_table in tables:
-                        if requested_table in table_name:
-                            result_data[mode][table_name] = table_data
-                            print(f"🔍 DEBUG: Добавлена таблица '{table_name}' (совпадение с '{requested_table}') с {len(table_data)} записями")
-                            break  # Найдено совпадение, переходим к следующей таблице
-            else:
-                print(f"🔍 DEBUG: Режим '{mode}' не найден в data_source")
-        
-        print(f"🔍 DEBUG: Итоговый результат содержит режимы: {list(result_data.keys())}")
-        return result_data
-
-    def _df_to_data_dict(self):
-        """Преобразование DataFrame обратно в словарь данных"""
-        if not hasattr(self, 'df') or self.df is None or self.df.empty:
-            return {}
-        
         data_dict = {}
-        
+        for mode in modes:
-        # Группируем данные по режимам и таблицам
+            data_dict[mode] = self.get_data(self.df, mode, tables)
-        for _, row in self.df.iterrows():
+        return self.data_dict_to_json(data_dict)
-            mode = row.get('mode')
-            table = row.get('table')
-            data = row.get('data')
-            
-            if mode and table and data is not None:
-                if mode not in data_dict:
-                    data_dict[mode] = {}
-                data_dict[mode][table] = data
-        
-        return data_dict
 
     def parse(self, file_path: str, params: dict) -> pd.DataFrame:
         """Парсинг файла и возврат DataFrame"""
-        print(f"🔍 DEBUG: SvodkaCAParser.parse вызван с файлом: {file_path}")
+        # Сохраняем DataFrame для использования в геттерах
-        
+        self.df = self.parse_svodka_ca(file_path, params)
-        # Парсим данные и сохраняем словарь для использования в геттерах
-        self.data_dict = self.parse_svodka_ca(file_path, params)
-        
-        # Преобразуем словарь в DataFrame для совместимости с services.py
-        # Создаем простой DataFrame с информацией о загруженных данных
-        if self.data_dict:
-            # Создаем DataFrame с информацией о режимах и таблицах
-            data_rows = []
-            for mode, tables in self.data_dict.items():
-                for table_name, table_data in tables.items():
-                    if table_data:
-                        data_rows.append({
-                            'mode': mode,
-                            'table': table_name,
-                            'rows_count': len(table_data),
-                            'data': table_data
-                        })
-            
-            if data_rows:
-                df = pd.DataFrame(data_rows)
-                self.df = df
-                print(f"🔍 DEBUG: Создан DataFrame с {len(data_rows)} записями")
-                return df
-        
-        # Если данных нет, возвращаем пустой DataFrame
-        self.df = pd.DataFrame()
-        print(f"🔍 DEBUG: Возвращаем пустой DataFrame")
         return self.df
 
     def parse_svodka_ca(self, file_path: str, params: dict) -> dict:
-        """Парсинг сводки СА - работает с тремя листами: План, Факт, Норматив"""
+        """Парсинг сводки СА"""
-        print(f"🔍 DEBUG: Начинаем парсинг сводки СА из файла: {file_path}")
+        # Получаем параметры из params
+        sheet_name = params.get('sheet_name', 0)  # По умолчанию первый лист
+        inclusion_list = params.get('inclusion_list', {'ТиП', 'Топливо', 'Потери'})
         
-        # === Точка входа. Нужно выгрузить три таблицы: План, Факт и Норматив ===
+        # === Извлечение и фильтрация ===
+        tables = self.extract_all_tables(file_path, sheet_name)
 
-        # Выгружаем План
+        # Фильтруем таблицы: оставляем только те, где первая строка содержит нужные заголовки
-        inclusion_list_plan = {
+        filtered_tables = []
-            "ТиП, %",
+        for table in tables:
-            "Топливо итого, тонн",
+            if table.empty:
-            "Топливо итого, %",
+                continue
-            "Топливо на технологию, тонн",
+            first_row_values = table.iloc[0].astype(str).str.strip().tolist()
-            "Топливо на технологию, %",
+            if any(val in inclusion_list for val in first_row_values):
-            "Топливо на энергетику, тонн",
+                filtered_tables.append(table)
-            "Топливо на энергетику, %",
-            "Потери итого, тонн",
-            "Потери итого, %",
-            "в т.ч. Идентифицированные безвозвратные потери, тонн**",
-            "в т.ч. Идентифицированные безвозвратные потери, %**",
-            "в т.ч. Неидентифицированные потери, тонн**",
-            "в т.ч. Неидентифицированные потери, %**"
-        }
 
-        df_ca_plan = self.parse_sheet(file_path, 'План', inclusion_list_plan)
+        tables = filtered_tables
-        print(f"🔍 DEBUG: Объединённый и отсортированный План: {df_ca_plan.shape if df_ca_plan is not None else 'None'}")
 
-        # Выгружаем Факт
+        # === Итоговый список таблиц датафреймов ===
-        inclusion_list_fact = {
+        result_list = []
-            "ТиП, %",
-            "Топливо итого, тонн",
-            "Топливо итого, %",
-            "Топливо на технологию, тонн",
-            "Топливо на технологию, %",
-            "Топливо на энергетику, тонн",
-            "Топливо на энергетику, %",
-            "Потери итого, тонн",
-            "Потери итого, %",
-            "в т.ч. Идентифицированные безвозвратные потери, тонн",
-            "в т.ч. Идентифицированные безвозвратные потери, %",
-            "в т.ч. Неидентифицированные потери, тонн",
-            "в т.ч. Неидентифицированные потери, %"
-        }
 
-        df_ca_fact = self.parse_sheet(file_path, 'Факт', inclusion_list_fact)
+        for table in tables:
-        print(f"🔍 DEBUG: Объединённый и отсортированный Факт: {df_ca_fact.shape if df_ca_fact is not None else 'None'}")
+            if table.empty:
+                continue
 
-        # Выгружаем Норматив
+            # Получаем первую строку (до удаления)
-        inclusion_list_normativ = {
+            first_row_values = table.iloc[0].astype(str).str.strip().tolist()
-            "Топливо итого, тонн",
-            "Топливо итого, %",
-            "Топливо на технологию, тонн",
-            "Топливо на технологию, %",
-            "Топливо на энергетику, тонн",
-            "Топливо на энергетику, %",
-            "Потери итого, тонн",
-            "Потери итого, %",
-            "в т.ч. Идентифицированные безвозвратные потери, тонн**",
-            "в т.ч. Идентифицированные безвозвратные потери, %**",
-            "в т.ч. Неидентифицированные потери, тонн**",
-            "в т.ч. Неидентифицированные потери, %**"
-        }
 
-        df_ca_normativ = self.parse_sheet(file_path, 'Норматив', inclusion_list_normativ)
+            # Находим, какой элемент из inclusion_list присутствует
-        print(f"🔍 DEBUG: Объединённый и отсортированный Норматив: {df_ca_normativ.shape if df_ca_normativ is not None else 'None'}")
+            matched_key = None
+            for val in first_row_values:
+                if val in inclusion_list:
+                    matched_key = val
+                    break  # берём первый совпадающий заголовок
 
-        # Преобразуем DataFrame в словарь по режимам и таблицам
+            if matched_key is None:
-        data_dict = {}
+                continue  # на всякий случай (хотя уже отфильтровано)
 
-        # Обрабатываем План
+            # Удаляем первую строку (заголовок) и сбрасываем индекс
-        if df_ca_plan is not None and not df_ca_plan.empty:
+            df_cleaned = table.iloc[1:].copy().reset_index(drop=True)
-            data_dict['plan'] = {}
-            for table_name, group_df in df_ca_plan.groupby('table'):
-                table_data = group_df.drop('table', axis=1)
-                data_dict['plan'][table_name] = table_data.to_dict('records')
 
-        # Обрабатываем Факт
+            # Пропускаем, если таблица пустая
-        if df_ca_fact is not None and not df_ca_fact.empty:
+            if df_cleaned.empty:
-            data_dict['fact'] = {}
+                continue
-            for table_name, group_df in df_ca_fact.groupby('table'):
-                table_data = group_df.drop('table', axis=1)
-                data_dict['fact'][table_name] = table_data.to_dict('records')
 
-        # Обрабатываем Норматив
+            # Первая строка становится заголовком
-        if df_ca_normativ is not None and not df_ca_normativ.empty:
+            new_header = df_cleaned.iloc[0]  # извлекаем первую строку как потенциальные названия столбцов
-            data_dict['normativ'] = {}
-            for table_name, group_df in df_ca_normativ.groupby('table'):
-                table_data = group_df.drop('table', axis=1)
-                data_dict['normativ'][table_name] = table_data.to_dict('records')
 
-        print(f"🔍 DEBUG: Итоговый data_dict содержит режимы: {list(data_dict.keys())}")
+            # Преобразуем заголовок: только первый столбец может быть заменён на "name"
-        for mode, tables in data_dict.items():
+            cleaned_header = []
-            print(f"🔍 DEBUG: Режим '{mode}' содержит таблицы: {list(tables.keys())}")
 
-        return data_dict
+            # Обрабатываем первый столбец отдельно
+            first_item = new_header.iloc[0] if isinstance(new_header, pd.Series) else new_header[0]
+            first_item_str = str(first_item).strip() if pd.notna(first_item) else ""
+            if first_item_str == "" or first_item_str == "nan":
+                cleaned_header.append("name")
+            else:
+                cleaned_header.append(first_item_str)
+
+            # Остальные столбцы добавляем без изменений (или с минимальной очисткой)
+            for item in new_header[1:]:
+                # Опционально: приводим к строке и убираем лишние пробелы, но не заменяем на "name"
+                item_str = str(item).strip() if pd.notna(item) else ""
+                cleaned_header.append(item_str)
+
+            # Применяем очищенные названия столбцов
+            df_cleaned = df_cleaned[1:]  # удаляем строку с заголовком
+            df_cleaned.columns = cleaned_header
+            df_cleaned = df_cleaned.reset_index(drop=True)
+
+            if matched_key.endswith('**'):
+                cleaned_key = matched_key[:-2]  # удаляем последние **
+            else:
+                cleaned_key = matched_key
+
+            # Добавляем новую колонку с именем параметра
+            df_cleaned["table"] = cleaned_key
+
+            # Проверяем, что колонка 'name' существует
+            if 'name' not in df_cleaned.columns:
+                print(
+                    f"Внимание: колонка 'name' отсутствует в таблице для '{matched_key}'. Пропускаем добавление 'id'.")
+                continue  # или обработать по-другому
+            else:
+                # Применяем функцию get_id_by_name к каждой строке в колонке 'name'
+                df_cleaned['id'] = df_cleaned['name'].apply(get_og_by_name)
+
+            # Удаляем строки, где id — None, NaN или пустой
+            df_cleaned = df_cleaned.dropna(subset=['id'])  # dropna удаляет NaN
+            # Дополнительно: удаляем None (если не поймал dropna)
+            df_cleaned = df_cleaned[df_cleaned['id'].notna() & (df_cleaned['id'].astype(str) != 'None')]
+
+            # Добавляем в словарь
+            result_list.append(df_cleaned)
+
+        # === Объединение и сортировка по id (индекс) и table ===
+        if result_list:
+            combined_df = pd.concat(result_list, axis=0)
+
+            # Сортируем по индексу (id) и по столбцу 'table'
+            combined_df = combined_df.sort_values(by=['id', 'table'], axis=0)
+
+            # Устанавливаем id как индекс
+            # combined_df.set_index('id', inplace=True)
+
+            return combined_df
+        else:
+            return None
 
     def extract_all_tables(self, file_path, sheet_name=0):
         """Извлечение всех таблиц из Excel файла"""

python_parser/adapters/parsers/svodka_pm copy.py

@@ -1,326 +0,0 @@
-import pandas as pd
-
-from core.ports import ParserPort
-from core.schema_utils import register_getter_from_schema, validate_params_with_schema
-from app.schemas.svodka_pm import SvodkaPMSingleOGRequest, SvodkaPMTotalOGsRequest
-from adapters.pconfig import OG_IDS, replace_id_in_path, data_to_json
-
-
-class SvodkaPMParser(ParserPort):
-    """Парсер для сводок ПМ (план и факт)"""
-
-    name = "Сводки ПМ"
-
-    def _register_default_getters(self):
-        """Регистрация геттеров по умолчанию"""
-        # Используем схемы Pydantic как единый источник правды
-        register_getter_from_schema(
-            parser_instance=self,
-            getter_name="single_og",
-            method=self._get_single_og,
-            schema_class=SvodkaPMSingleOGRequest,
-            description="Получение данных по одному ОГ"
-        )
-        
-        register_getter_from_schema(
-            parser_instance=self,
-            getter_name="total_ogs",
-            method=self._get_total_ogs,
-            schema_class=SvodkaPMTotalOGsRequest,
-            description="Получение данных по всем ОГ"
-        )
-
-    def _get_single_og(self, params: dict):
-        """Получение данных по одному ОГ"""
-        # Валидируем параметры с помощью схемы Pydantic
-        validated_params = validate_params_with_schema(params, SvodkaPMSingleOGRequest)
-        
-        og_id = validated_params["id"]
-        codes = validated_params["codes"]
-        columns = validated_params["columns"]
-        search = validated_params.get("search")
-        
-        # Здесь нужно получить DataFrame из self.df, но пока используем старую логику
-        # TODO: Переделать под новую архитектуру
-        return self.get_svodka_og(self.df, og_id, codes, columns, search)
-
-    def _get_total_ogs(self, params: dict):
-        """Получение данных по всем ОГ"""
-        # Валидируем параметры с помощью схемы Pydantic
-        validated_params = validate_params_with_schema(params, SvodkaPMTotalOGsRequest)
-        
-        codes = validated_params["codes"]
-        columns = validated_params["columns"]
-        search = validated_params.get("search")
-        
-        # TODO: Переделать под новую архитектуру
-        return self.get_svodka_total(self.df, codes, columns, search)
-
-    def parse(self, file_path: str, params: dict) -> pd.DataFrame:
-        """Парсинг файла и возврат DataFrame"""
-        # Сохраняем DataFrame для использования в геттерах
-        self.df = self.parse_svodka_pm_files(file_path, params)
-        return self.df
-
-    def find_header_row(self, file: str, sheet: str, search_value: str = "Итого", max_rows: int = 50) -> int:
-        """Определения индекса заголовка в excel по ключевому слову"""
-        # Читаем первые max_rows строк без заголовков
-        df_temp = pd.read_excel(
-            file,
-            sheet_name=sheet,
-            header=None,
-            nrows=max_rows,
-            engine='openpyxl'
-        )
-
-        # Ищем строку, где хотя бы в одном столбце встречается искомое значение
-        for idx, row in df_temp.iterrows():
-            if row.astype(str).str.strip().str.contains(f"^{search_value}$", case=False, regex=True).any():
-                print(f"Заголовок найден в строке {idx} (Excel: {idx + 1})")
-                return idx  # 0-based index — то, что нужно для header=
-
-        raise ValueError(f"Не найдена строка с заголовком '{search_value}' в первых {max_rows} строках.")
-
-    def parse_svodka_pm(self, file, sheet, header_num=None):
-        ''' Собственно парсер отчетов одного ОГ для БП, ПП и факта '''
-        # Автоопределение header_num, если не передан
-        if header_num is None:
-            header_num = self.find_header_row(file, sheet, search_value="Итого")
-
-        # Читаем заголовки header_num и 1-2 строки данных, чтобы найти INDICATOR_ID
-        df_probe = pd.read_excel(
-            file,
-            sheet_name=sheet,
-            header=header_num,
-            usecols=None,
-            nrows=2,
-            engine='openpyxl'
-        )
-
-        if df_probe.shape[0] == 0:
-            raise ValueError("Файл пуст или не содержит данных.")
-
-        first_data_row = df_probe.iloc[0]
-
-        # Находим столбец с 'INDICATOR_ID'
-        indicator_cols = first_data_row[first_data_row == 'INDICATOR_ID']
-        if len(indicator_cols) == 0:
-            raise ValueError('Не найден столбец со значением "INDICATOR_ID" в первой строке данных.')
-
-        indicator_col_name = indicator_cols.index[0]
-        print(f"Найден INDICATOR_ID в столбце: {indicator_col_name}")
-
-        # Читаем весь лист
-        df_full = pd.read_excel(
-            file,
-            sheet_name=sheet,
-            header=header_num,
-            usecols=None,
-            index_col=None,
-            engine='openpyxl'
-        )
-
-        if indicator_col_name not in df_full.columns:
-            raise ValueError(f"Столбец {indicator_col_name} отсутствует при полной загрузке.")
-
-        # Перемещаем INDICATOR_ID в начало и делаем индексом
-        cols = [indicator_col_name] + [col for col in df_full.columns if col != indicator_col_name]
-        df_full = df_full[cols]
-        df_full.set_index(indicator_col_name, inplace=True)
-
-        # Обрезаем до "Итого" + 1
-        header_list = [str(h).strip() for h in df_full.columns]
-        try:
-            itogo_idx = header_list.index("Итого")
-            num_cols_needed = itogo_idx + 2
-        except ValueError:
-            print('Столбец "Итого" не найден. Оставляем все столбцы.')
-            num_cols_needed = len(header_list)
-
-        num_cols_needed = min(num_cols_needed, len(header_list))
-        df_final = df_full.iloc[:, :num_cols_needed]
-
-        # === Удаление полностью пустых столбцов ===
-        df_clean = df_final.replace(r'^\s*$', pd.NA, regex=True)
-        df_clean = df_clean.where(pd.notnull(df_clean), pd.NA)
-        non_empty_mask = df_clean.notna().any()
-        df_final = df_final.loc[:, non_empty_mask]
-
-        # === Обработка заголовков: Unnamed и "Итого" → "Итого" ===
-        new_columns = []
-        last_good_name = None
-        for col in df_final.columns:
-            col_str = str(col).strip()
-
-            # Проверяем, является ли колонка пустой/некорректной
-            is_empty_or_unnamed = col_str.startswith('Unnamed') or col_str == '' or col_str.lower() == 'nan'
-
-            if is_empty_or_unnamed:
-                # Если это пустая колонка, используем последнее хорошее имя
-                if last_good_name:
-                    new_columns.append(last_good_name)
-                else:
-                    # Если нет хорошего имени, используем имя по умолчанию
-                    new_columns.append(f"col_{len(new_columns)}")
-            else:
-                # Это хорошая колонка
-                last_good_name = col_str
-                new_columns.append(col_str)
-
-        # Убеждаемся, что количество столбцов совпадает
-        if len(new_columns) != len(df_final.columns):
-            # Если количество не совпадает, обрезаем или дополняем
-            if len(new_columns) > len(df_final.columns):
-                new_columns = new_columns[:len(df_final.columns)]
-            else:
-                # Дополняем недостающие столбцы
-                while len(new_columns) < len(df_final.columns):
-                    new_columns.append(f"col_{len(new_columns)}")
-
-        # Применяем новые заголовки
-        df_final.columns = new_columns
-
-        return df_final
-
-    def parse_svodka_pm_files(self, zip_path: str, params: dict) -> dict:
-        """Парсинг ZIP архива со сводками ПМ"""
-        import zipfile
-        pm_dict = {
-            "facts": {},
-            "plans": {}
-        }
-        excel_fact_template = 'svodka_fact_pm_ID.xlsm'
-        excel_plan_template = 'svodka_plan_pm_ID.xlsx'
-        with zipfile.ZipFile(zip_path, 'r') as zip_ref:
-            file_list = zip_ref.namelist()
-            for name, id in OG_IDS.items():
-                if id == 'BASH':
-                    continue  # пропускаем BASH
-
-                current_fact = replace_id_in_path(excel_fact_template, id)
-                fact_candidates = [f for f in file_list if current_fact in f]
-                if len(fact_candidates) == 1:
-                    print(f'Загрузка {current_fact}')
-                    with zip_ref.open(fact_candidates[0]) as excel_file:
-                        pm_dict['facts'][id] = self.parse_svodka_pm(excel_file, 'Сводка Нефтепереработка')
-                    print(f"✅ Факт загружен: {current_fact}")
-                else:
-                    print(f"⚠️ Файл не найден (Факт): {current_fact}")
-                    pm_dict['facts'][id] = None
-
-                current_plan = replace_id_in_path(excel_plan_template, id)
-                plan_candidates = [f for f in file_list if current_plan in f]
-                if len(plan_candidates) == 1:
-                    print(f'Загрузка {current_plan}')
-                    with zip_ref.open(plan_candidates[0]) as excel_file:
-                        pm_dict['plans'][id] = self.parse_svodka_pm(excel_file, 'Сводка Нефтепереработка')
-                    print(f"✅ План загружен: {current_plan}")
-                else:
-                    print(f"⚠️ Файл не найден (План): {current_plan}")
-                    pm_dict['plans'][id] = None
-
-        return pm_dict
-
-    def get_svodka_value(self, df_svodka, code, search_value, search_value_filter=None):
-        ''' Служебная функция получения значения по коду и столбцу '''
-        row_index = code
-
-        mask_value = df_svodka.iloc[0] == code
-        if search_value is None:
-            mask_name = df_svodka.columns != 'Итого'
-        else:
-            mask_name = df_svodka.columns == search_value
-
-        # Убедимся, что маски совпадают по длине
-        if len(mask_value) != len(mask_name):
-            raise ValueError(
-                f"Несоответствие длин масок: mask_value={len(mask_value)}, mask_name={len(mask_name)}"
-            )
-
-        final_mask = mask_value & mask_name  # булевая маска по позициям столбцов
-        col_positions = final_mask.values   # numpy array или Series булевых значений
-
-        if not final_mask.any():
-            print(f"Нет столбцов с '{code}' в первой строке и именем, не начинающимся с '{search_value}'")
-            return 0
-        else:
-            if row_index in df_svodka.index:
-                # Получаем позицию строки
-                row_loc = df_svodka.index.get_loc(row_index)
-
-                # Извлекаем значения по позициям столбцов
-                values = df_svodka.iloc[row_loc, col_positions]
-
-                # Преобразуем в числовой формат
-                numeric_values = pd.to_numeric(values, errors='coerce')
-
-                # Агрегация данных (NaN игнорируются)
-                if search_value is None:
-                    return numeric_values
-                else:
-                    return numeric_values.iloc[0]
-            else:
-                return None
-
-    def get_svodka_og(self, pm_dict, id, codes, columns, search_value=None):
-        ''' Служебная функция получения данных по одному ОГ '''
-        result = {}
-
-        # Безопасно получаем данные, проверяя их наличие
-        fact_df = pm_dict.get('facts', {}).get(id) if 'facts' in pm_dict else None
-        plan_df = pm_dict.get('plans', {}).get(id) if 'plans' in pm_dict else None
-
-        # Определяем, какие столбцы из какого датафрейма брать
-        for col in columns:
-            col_result = {}
-
-            if col in ['ПП', 'БП']:
-                if plan_df is None:
-                    print(f"❌ Невозможно обработать '{col}': нет данных плана для {id}")
-                    col_result = {code: None for code in codes}
-                else:
-                    for code in codes:
-                        val = self.get_svodka_value(plan_df, code, col, search_value)
-                        col_result[code] = val
-
-            elif col in ['ТБ', 'СЭБ', 'НЭБ']:
-                if fact_df is None:
-                    print(f"❌ Невозможно обработать '{col}': нет данных факта для {id}")
-                    col_result = {code: None for code in codes}
-                else:
-                    for code in codes:
-                        val = self.get_svodka_value(fact_df, code, col, search_value)
-                        col_result[code] = val
-            else:
-                print(f"⚠️ Неизвестный столбец: '{col}'. Пропускаем.")
-                col_result = {code: None for code in codes}
-
-            result[col] = col_result
-
-        return result
-
-    def get_svodka_total(self, pm_dict, codes, columns, search_value=None):
-        ''' Служебная функция агрегации данные по всем ОГ '''
-        total_result = {}
-
-        for name, og_id in OG_IDS.items():
-            if og_id == 'BASH':
-                continue
-
-            # print(f"📊 Обработка: {name} ({og_id})")
-            try:
-                data = self.get_svodka_og(
-                    pm_dict,
-                    og_id,
-                    codes,
-                    columns,
-                    search_value
-                )
-                total_result[og_id] = data
-            except Exception as e:
-                print(f"❌ Ошибка при обработке {name} ({og_id}): {e}")
-                total_result[og_id] = None
-
-        return total_result
-
-    # Убираем старый метод get_value, так как он теперь в базовом классе

python_parser/adapters/parsers/svodka_pm.py

@@ -1,14 +1,9 @@
-
-
 import pandas as pd
-import os
+
-import json
-import zipfile
-import tempfile
-import shutil
-from typing import Dict, Any, List, Optional
 from core.ports import ParserPort
-from adapters.pconfig import SINGLE_OGS, replace_id_in_path, find_header_row, data_to_json
+from core.schema_utils import register_getter_from_schema, validate_params_with_schema
+from app.schemas.svodka_pm import SvodkaPMSingleOGRequest, SvodkaPMTotalOGsRequest
+from adapters.pconfig import SINGLE_OGS, replace_id_in_path, data_to_json, find_header_row
 
 
 class SvodkaPMParser(ParserPort):
@@ -16,140 +11,74 @@ class SvodkaPMParser(ParserPort):
 
     name = "Сводки ПМ"
 
-    def __init__(self):
-        super().__init__()
-        self._register_default_getters()
-
     def _register_default_getters(self):
-        """Регистрация геттеров для Сводки ПМ"""
+        """Регистрация геттеров по умолчанию"""
-        self.register_getter(
+        # Используем схемы Pydantic как единый источник правды
-            name="single_og",
+        register_getter_from_schema(
+            parser_instance=self,
+            getter_name="single_og",
             method=self._get_single_og,
-            required_params=["id", "codes", "columns"],
+            schema_class=SvodkaPMSingleOGRequest,
-            optional_params=["search"],
+            description="Получение данных по одному ОГ"
-            description="Получение данных по одному ОГ из сводки ПМ"
         )
         
-        self.register_getter(
+        register_getter_from_schema(
-            name="total_ogs", 
+            parser_instance=self,
+            getter_name="total_ogs",
             method=self._get_total_ogs,
-            required_params=["codes", "columns"],
+            schema_class=SvodkaPMTotalOGsRequest,
-            optional_params=["search"],
+            description="Получение данных по всем ОГ"
-            description="Получение данных по всем ОГ из сводки ПМ"
         )
 
-    def parse(self, file_path: str, params: dict) -> Dict[str, pd.DataFrame]:
+    def _get_single_og(self, params: dict):
-        """Парсинг ZIP архива со сводками ПМ и возврат словаря с DataFrame"""
+        """Получение данных по одному ОГ"""
-        # Проверяем расширение файла
+        # Валидируем параметры с помощью схемы Pydantic
-        if not file_path.lower().endswith('.zip'):
+        validated_params = validate_params_with_schema(params, SvodkaPMSingleOGRequest)
-            raise ValueError(f"Ожидается ZIP архив: {file_path}")
         
-        # Создаем временную директорию для разархивирования
+        og_id = validated_params["id"]
-        temp_dir = tempfile.mkdtemp()
+        codes = validated_params["codes"]
+        columns = validated_params["columns"]
+        search = validated_params.get("search")
         
-        try:
+        # Здесь нужно получить DataFrame из self.df, но пока используем старую логику
-            # Разархивируем файл
+        # TODO: Переделать под новую архитектуру
-            with zipfile.ZipFile(file_path, 'r') as zip_ref:
+        return self.get_svodka_og(self.df, og_id, codes, columns, search)
-                zip_ref.extractall(temp_dir)
-                print(f"📦 Архив разархивирован в: {temp_dir}")
 
-            # Посмотрим, что находится в архиве
+    def _get_total_ogs(self, params: dict):
-            print(f"🔍 Содержимое архива:")
+        """Получение данных по всем ОГ"""
-            for root, dirs, files in os.walk(temp_dir):
+        # Валидируем параметры с помощью схемы Pydantic
-                level = root.replace(temp_dir, '').count(os.sep)
+        validated_params = validate_params_with_schema(params, SvodkaPMTotalOGsRequest)
-                indent = ' ' * 2 * level
-                print(f"{indent}{os.path.basename(root)}/")
-                subindent = ' ' * 2 * (level + 1)
-                for file in files:
-                    print(f"{subindent}{file}")
         
-            # Создаем словари для хранения данных как в оригинале
+        codes = validated_params["codes"]
-            df_pm_facts = {}  # Словарь с данными факта, ключ - ID ОГ
+        columns = validated_params["columns"]
-            df_pm_plans = {}  # Словарь с данными плана, ключ - ID ОГ
+        search = validated_params.get("search")
         
-            # Ищем файлы в архиве (адаптируемся к реальной структуре)
+        # TODO: Переделать под новую архитектуру
-            fact_files = []
+        return self.get_svodka_total(self.df, codes, columns, search)
-            plan_files = []
 
-            for root, dirs, files in os.walk(temp_dir):
+    def parse(self, file_path: str, params: dict) -> pd.DataFrame:
-                for file in files:
+        """Парсинг файла и возврат DataFrame"""
-                    if file.lower().endswith(('.xlsx', '.xlsm')):
+        # Сохраняем DataFrame для использования в геттерах
-                        full_path = os.path.join(root, file)
+        self.df = self.parse_svodka_pm_files(file_path, params)
-                        if 'fact' in file.lower() or 'факт' in file.lower():
+        return self.df
-                            fact_files.append(full_path)
-                        elif 'plan' in file.lower() or 'план' in file.lower():
-                            plan_files.append(full_path)
-            
-            print(f"📊 Найдено файлов факта: {len(fact_files)}")
-            print(f"📊 Найдено файлов плана: {len(plan_files)}")
-            
-            # Обрабатываем найденные файлы
-            for fact_file in fact_files:
-                # Извлекаем ID ОГ из имени файла
-                filename = os.path.basename(fact_file)
-                # Ищем паттерн типа svodka_fact_pm_SNPZ.xlsm
-                if 'svodka_fact_pm_' in filename:
-                    og_id = filename.replace('svodka_fact_pm_', '').replace('.xlsx', '').replace('.xlsm', '')
-                    if og_id in SINGLE_OGS:
-                        print(f'📊 Загрузка факта: {fact_file} (ОГ: {og_id})')
-                        df_pm_facts[og_id] = self._parse_svodka_pm(fact_file, 'Сводка Нефтепереработка')
-                        print(f"✅ Факт загружен для {og_id}")
-            
-            for plan_file in plan_files:
-                # Извлекаем ID ОГ из имени файла
-                filename = os.path.basename(plan_file)
-                # Ищем паттерн типа svodka_plan_pm_SNPZ.xlsm
-                if 'svodka_plan_pm_' in filename:
-                    og_id = filename.replace('svodka_plan_pm_', '').replace('.xlsx', '').replace('.xlsm', '')
-                    if og_id in SINGLE_OGS:
-                        print(f'📊 Загрузка плана: {plan_file} (ОГ: {og_id})')
-                        df_pm_plans[og_id] = self._parse_svodka_pm(plan_file, 'Сводка Нефтепереработка')
-                        print(f"✅ План загружен для {og_id}")
-            
-            # Инициализируем None для ОГ, для которых файлы не найдены
-            for og_id in SINGLE_OGS:
-                if og_id == 'BASH':
-                    continue
-                if og_id not in df_pm_facts:
-                    df_pm_facts[og_id] = None
-                if og_id not in df_pm_plans:
-                    df_pm_plans[og_id] = None
 
 
 
-            # Возвращаем словарь с данными (как в оригинале)
+    def parse_svodka_pm(self, file, sheet, header_num=None):
-            result = {
+        ''' Собственно парсер отчетов одного ОГ для БП, ПП и факта '''
-                'df_pm_facts': df_pm_facts,
-                'df_pm_plans': df_pm_plans
-            }
-            
-            print(f"🎯 Обработано ОГ: {len([k for k, v in df_pm_facts.items() if v is not None])} факт, {len([k for k, v in df_pm_plans.items() if v is not None])} план")
-            
-            return result
-            
-        finally:
-            # Удаляем временную директорию
-            shutil.rmtree(temp_dir, ignore_errors=True)
-            print(f"🗑️ Временная директория удалена: {temp_dir}")
-
-    def _parse_svodka_pm(self, file_path: str, sheet_name: str, header_num: Optional[int] = None) -> pd.DataFrame:
-        """Парсинг отчетов одного ОГ для БП, ПП и факта"""
-        try:
         # Автоопределение header_num, если не передан
         if header_num is None:
-                header_num = find_header_row(file_path, sheet_name, search_value="Итого")
+            header_num = find_header_row(file, sheet, search_value="Итого")
 
         # Читаем заголовки header_num и 1-2 строки данных, чтобы найти INDICATOR_ID
         df_probe = pd.read_excel(
-                file_path,
+            file,
-                sheet_name=sheet_name,
+            sheet_name=sheet,
             header=header_num,
             usecols=None,
             nrows=2,
-                engine='openpyxl'  # Явно указываем движок
+            engine='openpyxl'
         )
-        except Exception as e:
-            raise ValueError(f"Ошибка при чтении файла {file_path}: {str(e)}")
 
         if df_probe.shape[0] == 0:
             raise ValueError("Файл пуст или не содержит данных.")
@@ -162,15 +91,16 @@ class SvodkaPMParser(ParserPort):
             raise ValueError('Не найден столбец со значением "INDICATOR_ID" в первой строке данных.')
 
         indicator_col_name = indicator_cols.index[0]
+        print(f"Найден INDICATOR_ID в столбце: {indicator_col_name}")
 
         # Читаем весь лист
         df_full = pd.read_excel(
-            file_path,
+            file,
-            sheet_name=sheet_name,
+            sheet_name=sheet,
             header=header_num,
             usecols=None,
             index_col=None,
-            engine='openpyxl'  # Явно указываем движок
+            engine='openpyxl'
         )
 
         if indicator_col_name not in df_full.columns:
@@ -187,18 +117,19 @@ class SvodkaPMParser(ParserPort):
             itogo_idx = header_list.index("Итого")
             num_cols_needed = itogo_idx + 2
         except ValueError:
+            print('Столбец "Итого" не найден. Оставляем все столбцы.')
             num_cols_needed = len(header_list)
 
         num_cols_needed = min(num_cols_needed, len(header_list))
         df_final = df_full.iloc[:, :num_cols_needed]
 
-        # Удаление полностью пустых столбцов
+        # === Удаление полностью пустых столбцов ===
         df_clean = df_final.replace(r'^\s*$', pd.NA, regex=True)
         df_clean = df_clean.where(pd.notnull(df_clean), pd.NA)
         non_empty_mask = df_clean.notna().any()
         df_final = df_final.loc[:, non_empty_mask]
 
-        # Обработка заголовков: Unnamed и "Итого" → "Итого"
+        # === Обработка заголовков: Unnamed и "Итого" → "Итого" ===
         new_columns = []
         last_good_name = None
         for col in df_final.columns:
@@ -207,152 +138,109 @@ class SvodkaPMParser(ParserPort):
             # Проверяем, является ли колонка пустой/некорректной
             is_empty_or_unnamed = col_str.startswith('Unnamed') or col_str == '' or col_str.lower() == 'nan'
 
-            # Проверяем, начинается ли на "Итого"
+            if is_empty_or_unnamed:
-            if col_str.startswith('Итого'):
+                # Если это пустая колонка, используем последнее хорошее имя
-                current_name = 'Итого'
+                if last_good_name:
-                last_good_name = current_name
-                new_columns.append(current_name)
-            elif is_empty_or_unnamed:
-                # Используем последнее хорошее имя
                     new_columns.append(last_good_name)
                 else:
-                # Имя, полученное из excel
+                    # Если нет хорошего имени, пропускаем
+                    continue
+            else:
+                # Это хорошая колонка
                 last_good_name = col_str
                 new_columns.append(col_str)
 
+        # Применяем новые заголовки
         df_final.columns = new_columns
 
         return df_final
 
-    def _get_svodka_value(self, df_svodka: pd.DataFrame, og_id: str, code: int, search_value: Optional[str] = None):
+    def parse_svodka_pm_files(self, zip_path: str, params: dict) -> dict:
-        """Служебная функция для простой выборке по сводке"""
+        """Парсинг ZIP архива со сводками ПМ"""
-        print(f"🔍 DEBUG: Ищем код '{code}' для ОГ '{og_id}' в DataFrame с {len(df_svodka)} строками")
+        import zipfile
-        print(f"🔍 DEBUG: Первая строка данных: {df_svodka.iloc[0].tolist()}")
+        pm_dict = {
-        print(f"🔍 DEBUG: Доступные индексы: {list(df_svodka.index)}")
+            "facts": {},
-        print(f"🔍 DEBUG: Доступные столбцы: {list(df_svodka.columns)}")
+            "plans": {}
+        }
+        excel_fact_template = 'svodka_fact_pm_ID.xlsm'
+        excel_plan_template = 'svodka_plan_pm_ID.xlsx'
+        with zipfile.ZipFile(zip_path, 'r') as zip_ref:
+            file_list = zip_ref.namelist()
+            for id in SINGLE_OGS:
+                if id == 'BASH':
+                    continue  # пропускаем BASH
 
-        # Проверяем, есть ли код в индексе
+                current_fact = replace_id_in_path(excel_fact_template, id)
-        if code not in df_svodka.index:
+                fact_candidates = [f for f in file_list if current_fact in f]
-            print(f"⚠️ Код '{code}' не найден в индексе")
+                if len(fact_candidates) == 1:
-            return 0
+                    print(f'Загрузка {current_fact}')
+                    with zip_ref.open(fact_candidates[0]) as excel_file:
+                        pm_dict['facts'][id] = self.parse_svodka_pm(excel_file, 'Сводка Нефтепереработка')
+                    print(f"✅ Факт загружен: {current_fact}")
+                else:
+                    print(f"⚠️ Файл не найден (Факт): {current_fact}")
+                    pm_dict['facts'][id] = None
 
-        # Получаем позицию строки с кодом
+                current_plan = replace_id_in_path(excel_plan_template, id)
-        code_row_loc = df_svodka.index.get_loc(code)
+                plan_candidates = [f for f in file_list if current_plan in f]
-        print(f"🔍 DEBUG: Код '{code}' в позиции {code_row_loc}")
+                if len(plan_candidates) == 1:
+                    print(f'Загрузка {current_plan}')
+                    with zip_ref.open(plan_candidates[0]) as excel_file:
+                        pm_dict['plans'][id] = self.parse_svodka_pm(excel_file, 'Сводка Нефтепереработка')
+                    print(f"✅ План загружен: {current_plan}")
+                else:
+                    print(f"⚠️ Файл не найден (План): {current_plan}")
+                    pm_dict['plans'][id] = None
 
-        # Определяем позиции для поиска
+        return pm_dict
+
+    def get_svodka_value(self, df_svodka, code, search_value, search_value_filter=None):
+        ''' Служебная функция получения значения по коду и столбцу '''
+        row_index = code
+
+        mask_value = df_svodka.iloc[0] == code
         if search_value is None:
-            # Ищем все позиции кроме "Итого" и None (первый столбец с заголовком)
+            mask_name = df_svodka.columns != 'Итого'
-            target_positions = []
-            for i, col_name in enumerate(df_svodka.iloc[0]):
-                if col_name != 'Итого' and col_name is not None:
-                    target_positions.append(i)
         else:
-            # Ищем позиции в первой строке, где есть нужное название
+            mask_name = df_svodka.columns == search_value
-            target_positions = []
-            for i, col_name in enumerate(df_svodka.iloc[0]):
-                if col_name == search_value:
-                    target_positions.append(i)
 
-            print(f"🔍 DEBUG: Найдены позиции для '{search_value}': {target_positions[:5]}...")
+        # Убедимся, что маски совпадают по длине
-            print(f"🔍 DEBUG: Позиции в первой строке: {target_positions[:5]}...")
+        if len(mask_value) != len(mask_name):
+            raise ValueError(
+                f"Несоответствие длин масок: mask_value={len(mask_value)}, mask_name={len(mask_name)}"
+            )
 
-        print(f"🔍 DEBUG: Ищем столбцы с названием '{search_value}'")
+        final_mask = mask_value & mask_name  # булевая маска по позициям столбцов
-        print(f"🔍 DEBUG: Целевые позиции: {target_positions[:10]}...")
+        col_positions = final_mask.values   # numpy array или Series булевых значений
 
-        if not target_positions:
+        if not final_mask.any():
-            print(f"⚠️ Позиции '{search_value}' не найдены")
+            print(f"Нет столбцов с '{code}' в первой строке и именем, не начинающимся с '{search_value}'")
             return 0
-
-        # Извлекаем значения из найденных позиций
-        values = []
-        for pos in target_positions:
-            # Берем значение из пересечения строки с кодом и позиции столбца
-            value = df_svodka.iloc[code_row_loc, pos]
-            
-            # Если это Series, берем первое значение
-            if isinstance(value, pd.Series):
-                if len(value) > 0:
-                    # Берем первое не-NaN значение
-                    first_valid = value.dropna().iloc[0] if not value.dropna().empty else 0
-                    values.append(first_valid)
         else:
-                    values.append(0)
+            if row_index in df_svodka.index:
-            else:
+                # Получаем позицию строки
-                values.append(value)
+                row_loc = df_svodka.index.get_loc(row_index)
-
 
+                # Извлекаем значения по позициям столбцов
+                values = df_svodka.iloc[row_loc, col_positions]
 
                 # Преобразуем в числовой формат
                 numeric_values = pd.to_numeric(values, errors='coerce')
-        print(f"🔍 DEBUG: Числовые значения (первые 5): {numeric_values.tolist()[:5]}")
-        
-        # Попробуем альтернативное преобразование
-        try:
-            # Если pandas не может преобразовать, попробуем вручную
-            manual_values = []
-            for v in values:
-                if pd.isna(v) or v is None:
-                    manual_values.append(0)
-                else:
-                    try:
-                        # Пробуем преобразовать в float
-                        manual_values.append(float(str(v).replace(',', '.')))
-                    except (ValueError, TypeError):
-                        manual_values.append(0)
-            
-            print(f"🔍 DEBUG: Ручное преобразование (первые 5): {manual_values[:5]}")
-            numeric_values = pd.Series(manual_values)
-        except Exception as e:
-            print(f"⚠️ Ошибка при ручном преобразовании: {e}")
-            # Используем исходные значения
-            numeric_values = pd.Series([0 if pd.isna(v) or v is None else v for v in values])
 
                 # Агрегация данных (NaN игнорируются)
                 if search_value is None:
-            # Возвращаем массив всех значений (игнорируя NaN)
+                    return numeric_values
-            if len(numeric_values) > 0:
-                # Фильтруем NaN значения и возвращаем как список
-                valid_values = numeric_values.dropna()
-                if len(valid_values) > 0:
-                    return valid_values.tolist()
                 else:
-                    return []
+                    return numeric_values.iloc[0]
             else:
-                return []
+                return None
-        else:
-            # Возвращаем массив всех значений (игнорируя NaN)
-            if len(numeric_values) > 0:
-                # Фильтруем NaN значения и возвращаем как список
-                valid_values = numeric_values.dropna()
-                if len(valid_values) > 0:
-                    return valid_values.tolist()
-                else:
-                    return []
-            else:
-                return []
 
-    def _get_svodka_og(self, og_id: str, codes: List[int], columns: List[str], search_value: Optional[str] = None):
+    def get_svodka_og(self, pm_dict, id, codes, columns, search_value=None):
-        """Служебная функция получения данных по одному ОГ"""
+        ''' Служебная функция получения данных по одному ОГ '''
         result = {}
 
-        # Получаем данные из сохраненных словарей (через self.df)
+        fact_df = pm_dict['facts'][id]
-        if not hasattr(self, 'df') or self.df is None:
+        plan_df = pm_dict['plans'][id]
-            print("❌ Данные не загружены. Сначала загрузите ZIP архив.")
-            return {col: {str(code): None for code in codes} for col in columns}
-
-        # Извлекаем словари из сохраненных данных
-        df_pm_facts = self.df.get('df_pm_facts', {})
-        df_pm_plans = self.df.get('df_pm_plans', {})
-
-        # Получаем данные для конкретного ОГ
-        fact_df = df_pm_facts.get(og_id)
-        plan_df = df_pm_plans.get(og_id)
-
-        print(f"🔍 ===== НАЧАЛО ОБРАБОТКИ ОГ {og_id} =====")
-        print(f"🔍 Коды: {codes}")
-        print(f"🔍 Столбцы: {columns}")
-        print(f"🔍 Получены данные для {og_id}: факт={'✅' if fact_df is not None else '❌'}, план={'✅' if plan_df is not None else '❌'}")
 
         # Определяем, какие столбцы из какого датафрейма брать
         for col in columns:
@@ -360,91 +248,49 @@ class SvodkaPMParser(ParserPort):
 
             if col in ['ПП', 'БП']:
                 if plan_df is None:
-                    print(f"❌ Невозможно обработать '{col}': нет данных плана для {og_id}")
+                    print(f"❌ Невозможно обработать '{col}': нет данных плана для {id}")
                 else:
-                    print(f"🔍 DEBUG: ===== ОБРАБАТЫВАЕМ '{col}' ИЗ ДАННЫХ ПЛАНА =====")
                     for code in codes:
-                        print(f"🔍 DEBUG: --- Код {code} для {col} ---")
+                        val = self.get_svodka_value(plan_df, code, col, search_value)
-                        val = self._get_svodka_value(plan_df, og_id, code, col)
+                        col_result[code] = val
-                        col_result[str(code)] = val
-                    print(f"🔍 DEBUG: ===== ЗАВЕРШИЛИ ОБРАБОТКУ '{col}' =====")
 
             elif col in ['ТБ', 'СЭБ', 'НЭБ']:
                 if fact_df is None:
-                    print(f"❌ Невозможно обработать '{col}': нет данных факта для {og_id}")
+                    print(f"❌ Невозможно обработать '{col}': нет данных факта для {id}")
                 else:
                     for code in codes:
-                        val = self._get_svodka_value(fact_df, og_id, code, col)
+                        val = self.get_svodka_value(fact_df, code, col, search_value)
-                        col_result[str(code)] = val
+                        col_result[code] = val
             else:
                 print(f"⚠️ Неизвестный столбец: '{col}'. Пропускаем.")
-                col_result = {str(code): None for code in codes}
+                col_result = {code: None for code in codes}
 
             result[col] = col_result
 
         return result
 
-    def _get_single_og(self, params: Dict[str, Any]) -> str:
+    def get_svodka_total(self, pm_dict, codes, columns, search_value=None):
-        """API функция для получения данных по одному ОГ"""
+        ''' Служебная функция агрегации данные по всем ОГ '''
-        # Если на входе строка — парсим как JSON
-        if isinstance(params, str):
-            try:
-                params = json.loads(params)
-            except json.JSONDecodeError as e:
-                raise ValueError(f"Некорректный JSON: {e}")
-
-        # Проверяем структуру
-        if not isinstance(params, dict):
-            raise TypeError("Конфиг должен быть словарём или JSON-строкой")
-
-        og_id = params.get("id")
-        codes = params.get("codes")
-        columns = params.get("columns")
-        search = params.get("search")
-
-        if not isinstance(codes, list):
-            raise ValueError("Поле 'codes' должно быть списком")
-        if not isinstance(columns, list):
-            raise ValueError("Поле 'columns' должно быть списком")
-
-        data = self._get_svodka_og(og_id, codes, columns, search)
-        json_result = data_to_json(data)
-        return json_result
-
-    def _get_total_ogs(self, params: Dict[str, Any]) -> str:
-        """API функция для получения данных по всем ОГ"""
-        # Если на входе строка — парсим как JSON
-        if isinstance(params, str):
-            try:
-                params = json.loads(params)
-            except json.JSONDecodeError as e:
-                raise ValueError(f"❌Некорректный JSON: {e}")
-
-        # Проверяем структуру
-        if not isinstance(params, dict):
-            raise TypeError("Конфиг должен быть словарём или JSON-строкой")
-
-        codes = params.get("codes")
-        columns = params.get("columns")
-        search = params.get("search")
-
-        if not isinstance(codes, list):
-            raise ValueError("Поле 'codes' должно быть списком")
-        if not isinstance(columns, list):
-            raise ValueError("Поле 'columns' должно быть списком")
-
         total_result = {}
 
         for og_id in SINGLE_OGS:
             if og_id == 'BASH':
                 continue
 
+            # print(f"📊 Обработка: {og_id}")
             try:
-                data = self._get_svodka_og(og_id, codes, columns, search)
+                data = self.get_svodka_og(
+                    pm_dict,
+                    og_id,
+                    codes,
+                    columns,
+                    search_value
+                )
                 total_result[og_id] = data
             except Exception as e:
                 print(f"❌ Ошибка при обработке {og_id}: {e}")
                 total_result[og_id] = None
 
-        json_result = data_to_json(total_result)
+        return total_result
-        return json_result
+
+    # Убираем старый метод get_value, так как он теперь в базовом классе

python_parser/adapters/pconfig.py

@@ -213,18 +213,11 @@ def data_to_json(data, indent=2, ensure_ascii=False):
 
         # --- рекурсия по dict и list ---
         elif isinstance(obj, dict):
-            # Обрабатываем только значения, ключи оставляем как строки
+            return {
-            converted = {}
+                key: convert_obj(value)
-            for k, v in obj.items():
+                for key, value in obj.items()
-                if is_nan_like(k):
+                if not is_nan_like(key)  # фильтруем NaN в ключах (недопустимы в JSON)
-                    continue  # ключи не могут быть null в JSON
+            }
-                # Превращаем ключ в строку, но не пытаемся интерпретировать как число
-                key_str = str(k)
-                converted[key_str] = convert_obj(v)  # только значение проходит через convert_obj
-            # Если все значения 0.0 — считаем, что данных нет, т.к. возможно ожидается массив.
-            if converted and all(v == 0.0 for v in converted.values()):
-                return None
-            return converted
 
         elif isinstance(obj, list):
             return [convert_obj(item) for item in obj]

python_parser/app/main.py

@@ -16,7 +16,7 @@ from app.schemas import (
     UploadResponse, UploadErrorResponse,
     SvodkaPMTotalOGsRequest, SvodkaPMSingleOGRequest,
     SvodkaCARequest,
-    MonitoringFuelMonthRequest, MonitoringFuelTotalRequest
+    MonitoringFuelMonthRequest, MonitoringFuelTotalRequest, MonitoringFuelSeriesRequest
 )
 
 
@@ -323,7 +323,7 @@ async def get_svodka_pm_single_og(
     try:
         # Создаем запрос
         request_dict = request_data.model_dump()
-        request_dict['mode'] = 'single_og'
+        request_dict['mode'] = 'single'
         request = DataRequest(
             report_type='svodka_pm',
             get_params=request_dict
@@ -400,41 +400,6 @@ async def get_svodka_pm_total_ogs(
         raise HTTPException(status_code=500, detail=f"Внутренняя ошибка сервера: {str(e)}")
 
 
-@app.post("/svodka_pm/get_data", tags=[SvodkaPMParser.name])
-async def get_svodka_pm_data(
-    request_data: dict
-):
-    report_service = get_report_service()
-    """
-    Получение данных из отчета сводки факта СарНПЗ
-
-    - indicator_id: ID индикатора
-    - code: Код для поиска
-    - search_value: Опциональное значение для поиска
-    """
-    try:
-        # Создаем запрос
-        request = DataRequest(
-            report_type='svodka_pm',
-            get_params=request_data
-        )
-
-        # Получаем данные
-        result = report_service.get_data(request)
-
-        if result.success:
-            return {
-                "success": True,
-                "data": result.data
-            }
-        else:
-            raise HTTPException(status_code=404, detail=result.message)
-
-    except HTTPException:
-        raise
-    except Exception as e:
-        raise HTTPException(status_code=500, detail=f"Внутренняя ошибка сервера: {str(e)}")
-
 
 @app.post("/svodka_ca/upload", tags=[SvodkaCAParser.name],
           summary="Загрузка файла отчета сводки СА",
@@ -509,7 +474,7 @@ async def upload_svodka_ca(
         )
 
 
-@app.post("/svodka_ca/get_data", tags=[SvodkaCAParser.name],
+@app.post("/svodka_ca/get_ca_data", tags=[SvodkaCAParser.name],
           summary="Получение данных из отчета сводки СА")
 async def get_svodka_ca_data(
     request_data: SvodkaCARequest
@@ -534,6 +499,7 @@ async def get_svodka_ca_data(
     try:
         # Создаем запрос
         request_dict = request_data.model_dump()
+        request_dict['mode'] = 'get_ca_data'
         request = DataRequest(
             report_type='svodka_ca',
             get_params=request_dict
@@ -610,38 +576,6 @@ async def get_svodka_ca_data(
 #         raise HTTPException(status_code=500, detail=f"Внутренняя ошибка сервера: {str(e)}")
 
 
-@app.post("/monitoring_fuel/get_data", tags=[MonitoringFuelParser.name])
-async def get_monitoring_fuel_data(
-    request_data: dict
-):
-    report_service = get_report_service()
-    """
-    Получение данных из отчета мониторинга топлива
-
-    - column: Название колонки для агрегации (normativ, total, total_svod)
-    """
-    try:
-        # Создаем запрос
-        request = DataRequest(
-            report_type='monitoring_fuel',
-            get_params=request_data
-        )
-
-        # Получаем данные
-        result = report_service.get_data(request)
-
-        if result.success:
-            return {
-                "success": True,
-                "data": result.data
-            }
-        else:
-            raise HTTPException(status_code=404, detail=result.message)
-
-    except HTTPException:
-        raise
-    except Exception as e:
-        raise HTTPException(status_code=500, detail=f"Внутренняя ошибка сервера: {str(e)}")
 
 
 # @app.post("/monitoring_fuel/upload_directory", tags=[MonitoringFuelParser.name])
@@ -872,5 +806,54 @@ async def get_monitoring_fuel_month_by_code(
         raise HTTPException(status_code=500, detail=f"Внутренняя ошибка сервера: {str(e)}")
 
 
+@app.post("/monitoring_fuel/get_series_by_id_and_columns", tags=[MonitoringFuelParser.name],
+          summary="Получение временных рядов по ID и колонкам")
+async def get_monitoring_fuel_series_by_id_and_columns(
+    request_data: MonitoringFuelSeriesRequest
+):
+    """Получение временных рядов из сводок мониторинга топлива по ID и колонкам
+
+    ### Структура параметров:
+    - `columns`: **Массив названий** выбираемых столбцов для получения временных рядов (обязательный)
+
+    ### Пример тела запроса:
+    ```json
+    {
+        "columns": ["total", "normativ"]
+    }
+    ```
+
+    ### Возвращает:
+    Словарь где ключ - ID объекта, значение - словарь с колонками, 
+    в которых хранятся списки значений по месяцам.
+    """
+    report_service = get_report_service()
+
+    try:
+        # Создаем запрос
+        request_dict = request_data.model_dump()
+        request_dict['mode'] = 'series_by_id_and_columns'
+        request = DataRequest(
+            report_type='monitoring_fuel',
+            get_params=request_dict
+        )
+
+        # Получаем данные
+        result = report_service.get_data(request)
+
+        if result.success:
+            return {
+                "success": True,
+                "data": result.data
+            }
+        else:
+            raise HTTPException(status_code=404, detail=result.message)
+
+    except HTTPException:
+        raise
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=f"Внутренняя ошибка сервера: {str(e)}")
+
+
 if __name__ == "__main__":
     uvicorn.run(app, host="0.0.0.0", port=8080)

python_parser/app/schemas/__init__.py

@@ -1,4 +1,4 @@
-from .monitoring_fuel import MonitoringFuelMonthRequest, MonitoringFuelTotalRequest
+from .monitoring_fuel import MonitoringFuelMonthRequest, MonitoringFuelTotalRequest, MonitoringFuelSeriesRequest
 from .svodka_ca import SvodkaCARequest
 from .svodka_pm import SvodkaPMSingleOGRequest, SvodkaPMTotalOGsRequest
 from .server import ServerInfoResponse

python_parser/app/schemas/monitoring_fuel.py

@@ -32,3 +32,19 @@ class MonitoringFuelTotalRequest(BaseModel):
                 "columns": ["total", "normativ"]
             }
         }
+
+
+class MonitoringFuelSeriesRequest(BaseModel):
+    columns: List[str] = Field(
+        ...,
+        description="Массив названий выбираемых столбцов для получения временных рядов",
+        example=["total", "normativ"],
+        min_items=1
+    )
+
+    class Config:
+        json_schema_extra = {
+            "example": {
+                "columns": ["total", "normativ"]
+            }
+        }

python_parser/app/schemas/svodka_pm.py

@@ -25,7 +25,7 @@ class OGID(str, Enum):
 
 
 class SvodkaPMSingleOGRequest(BaseModel):
-    id: str = Field(
+    id: OGID = Field(
         ...,
         description="Идентификатор МА для запрашиваемого ОГ",
         example="SNPZ"

python_parser/core/schema_utils.py

@@ -135,6 +135,10 @@ def validate_params_with_schema(params: Dict[str, Any], schema_class: Type[BaseM
     try:
         # Создаем экземпляр схемы для валидации
         validated_data = schema_class(**params)
+        # Используем model_dump() для Pydantic v2 или dict() для v1
+        if hasattr(validated_data, 'model_dump'):
+            return validated_data.model_dump()
+        else:
             return validated_data.dict()
     except Exception as e:
         raise ValueError(f"Ошибка валидации параметров: {str(e)}")

python_parser/core/services.py

@@ -43,7 +43,7 @@ class ReportService:
             try:
                 # Парсим файл
                 parse_params = request.parse_params or {}
-                parse_result = parser.parse(temp_file_path, parse_params)
+                df = parser.parse(temp_file_path, parse_params)
 
                 # Генерируем object_id
                 object_id = f"nin_excel_data_{request.report_type}"
@@ -54,7 +54,7 @@ class ReportService:
                     print(f"Старый объект удален: {object_id}")
 
                 # Сохраняем в хранилище
-                if self.storage.save_dataframe(parse_result, object_id):
+                if self.storage.save_dataframe(df, object_id):
                     return UploadResult(
                         success=True,
                         message="Отчет успешно загружен",
@@ -89,9 +89,9 @@ class ReportService:
                     message=f"Отчет типа '{request.report_type}' не найден. Возможно, MinIO недоступен или отчет не был загружен."
                 )
 
-            # Загружаем данные из хранилища
+            # Загружаем DataFrame из хранилища
-            loaded_data = self.storage.load_dataframe(object_id)
+            df = self.storage.load_dataframe(object_id)
-            if loaded_data is None:
+            if df is None:
                 return DataResult(
                     success=False,
                     message="Ошибка при загрузке данных из хранилища. Возможно, MinIO недоступен."
@@ -100,72 +100,13 @@ class ReportService:
             # Получаем парсер
             parser = get_parser(request.report_type)
             
-            # Устанавливаем данные в парсер для использования в геттерах
+            # Устанавливаем DataFrame в парсер для использования в геттерах
-            parser.df = loaded_data
+            parser.df = df
-            print(f"🔍 DEBUG: ReportService.get_data - установлены данные в парсер {request.report_type}")
-            
-            # Проверяем тип загруженных данных
-            if hasattr(loaded_data, 'shape'):
-                # Это DataFrame
-                print(f"🔍 DEBUG: DataFrame shape: {loaded_data.shape}")
-                print(f"🔍 DEBUG: DataFrame columns: {list(loaded_data.columns) if not loaded_data.empty else 'Empty'}")
-            elif isinstance(loaded_data, dict):
-                # Это словарь (для парсера ПМ)
-                print(f"🔍 DEBUG: Словарь с ключами: {list(loaded_data.keys())}")
-            else:
-                print(f"🔍 DEBUG: Неизвестный тип данных: {type(loaded_data)}")
 
             # Получаем параметры запроса
             get_params = request.get_params or {}
             
-            # Для svodka_ca определяем режим из данных или используем 'fact' по умолчанию
+            # Определяем имя геттера из параметра mode
-            if request.report_type == 'svodka_ca':
-                # Извлекаем режим из DataFrame или используем 'fact' по умолчанию
-                if hasattr(parser, 'df') and parser.df is not None and not parser.df.empty:
-                    modes_in_df = parser.df['mode'].unique() if 'mode' in parser.df.columns else ['fact']
-                    # Используем первый найденный режим или 'fact' по умолчанию
-                    default_mode = modes_in_df[0] if len(modes_in_df) > 0 else 'fact'
-                else:
-                    default_mode = 'fact'
-                
-                # Устанавливаем режим в параметры, если он не указан
-                if 'mode' not in get_params:
-                    get_params['mode'] = default_mode
-            
-            # Определяем имя геттера
-            if request.report_type == 'svodka_ca':
-                # Для svodka_ca используем геттер get_ca_data
-                getter_name = 'get_ca_data'
-            elif request.report_type == 'monitoring_fuel':
-                # Для monitoring_fuel определяем геттер из параметра mode
-                getter_name = get_params.pop("mode", None)
-                if not getter_name:
-                    # Если режим не указан, берем первый доступный
-                    available_getters = list(parser.getters.keys())
-                    if available_getters:
-                        getter_name = available_getters[0]
-                        print(f"⚠️ Режим не указан, используем первый доступный: {getter_name}")
-                    else:
-                        return DataResult(
-                            success=False,
-                            message="Парсер не имеет доступных геттеров"
-                        )
-            elif request.report_type == 'svodka_pm':
-                # Для svodka_pm определяем геттер из параметра mode
-                getter_name = get_params.pop("mode", None)
-                if not getter_name:
-                    # Если режим не указан, берем первый доступный
-                    available_getters = list(parser.getters.keys())
-                    if available_getters:
-                        getter_name = available_getters[0]
-                        print(f"⚠️ Режим не указан, используем первый доступный: {getter_name}")
-                    else:
-                        return DataResult(
-                            success=False,
-                            message="Парсер не имеет доступных геттеров"
-                        )
-            else:
-                # Для других парсеров определяем из параметра mode
             getter_name = get_params.pop("mode", None)
             if not getter_name:
                 # Если режим не указан, берем первый доступный

python_parser/test_app.py

@@ -1,20 +0,0 @@
-#!/usr/bin/env python3
-"""
-Простой тест для проверки работы FastAPI
-"""
-from fastapi import FastAPI
-
-app = FastAPI(title="Test API")
-
-@app.get("/")
-async def root():
-    return {"message": "Test API is working"}
-
-@app.get("/health")
-async def health():
-    return {"status": "ok"}
-
-if __name__ == "__main__":
-    import uvicorn
-    print("Starting test server...")
-    uvicorn.run(app, host="0.0.0.0", port=8000)

streamlit_app/streamlit_app.py

@@ -277,7 +277,7 @@ def main():
                             "tables": tables
                         }
                         
-                        result, status = make_api_request("/svodka_ca/get_data", data)
+                        result, status = make_api_request("/svodka_ca/get_ca_data", data)
                         
                         if status == 200:
                             st.success("✅ Данные получены")
@@ -371,6 +371,34 @@ def main():
                     else:
                         st.error(f"❌ Ошибка: {result.get('message', 'Неизвестная ошибка')}")
         
+        # Новая секция для временных рядов
+        st.markdown("---")
+        st.subheader("📈 Временные ряды по ID и колонкам")
+        
+        columns_series = st.multiselect(
+            "Выберите столбцы для временных рядов",
+            ["normativ", "total", "total_1"],
+            default=["normativ", "total"],
+            key="fuel_series_columns"
+        )
+        
+        if st.button("📈 Получить временные ряды", key="fuel_series_btn"):
+            if columns_series:
+                with st.spinner("Получаю временные ряды..."):
+                    data = {
+                        "columns": columns_series
+                    }
+                    
+                    result, status = make_api_request("/monitoring_fuel/get_series_by_id_and_columns", data)
+                    
+                    if status == 200:
+                        st.success("✅ Временные ряды получены")
+                        st.json(result)
+                    else:
+                        st.error(f"❌ Ошибка: {result.get('message', 'Неизвестная ошибка')}")
+            else:
+                st.warning("⚠️ Выберите столбцы")
+    
     # Футер
     st.markdown("---")
     st.markdown("### 📚 Документация API")

tests/README.md

@@ -0,0 +1,123 @@
+# API Endpoints Tests
+
+Этот модуль содержит pytest тесты для всех API эндпоинтов проекта NIN Excel Parsers.
+
+## Структура
+
+```
+tests/
+├── __init__.py
+├── conftest.py                           # Конфигурация pytest
+├── test_all_endpoints.py                 # Основной файл для запуска всех тестов
+├── test_upload_endpoints.py              # Тесты API эндпоинтов загрузки данных
+├── test_svodka_pm_endpoints.py           # Тесты API svodka_pm эндпоинтов
+├── test_svodka_ca_endpoints.py           # Тесты API svodka_ca эндпоинтов
+├── test_monitoring_fuel_endpoints.py     # Тесты API monitoring_fuel эндпоинтов
+├── test_parsers_direct.py                # Прямое тестирование парсеров
+├── test_upload_with_local_storage.py     # Тестирование загрузки в локальный storage
+├── test_getters_with_local_storage.py    # Тестирование геттеров с локальными данными
+├── test_data/                            # Тестовые данные
+│   ├── svodka_ca.xlsx
+│   ├── pm_plan.zip
+│   └── monitoring.zip
+├── local_storage/                        # Локальный storage (создается автоматически)
+│   ├── data/                             # Сохраненные DataFrame
+│   └── metadata/                         # Метаданные объектов
+├── requirements.txt                      # Зависимости для тестов
+└── README.md                             # Этот файл
+```
+
+## Установка зависимостей
+
+```bash
+pip install -r tests/requirements.txt
+```
+
+## Запуск тестов
+
+### Запуск всех тестов
+```bash
+cd tests
+python test_all_endpoints.py
+```
+
+### Запуск конкретных тестов
+```bash
+# API тесты (требуют запущенный сервер)
+pytest test_upload_endpoints.py -v
+pytest test_svodka_pm_endpoints.py -v
+pytest test_svodka_ca_endpoints.py -v
+pytest test_monitoring_fuel_endpoints.py -v
+
+# Прямые тесты парсеров (не требуют сервер)
+pytest test_parsers_direct.py -v
+pytest test_upload_with_local_storage.py -v
+pytest test_getters_with_local_storage.py -v
+
+# Все тесты с локальным storage
+pytest test_parsers_direct.py test_upload_with_local_storage.py test_getters_with_local_storage.py -v
+```
+
+## Предварительные условия
+
+1. **API сервер должен быть запущен** на `http://localhost:8000` (только для API тестов)
+2. **Тестовые данные** находятся в папке `test_data/`
+3. **Локальный storage** используется для прямого тестирования парсеров
+
+## Последовательность тестирования
+
+### Вариант 1: API тесты (требуют запущенный сервер)
+1. **Загрузка данных** (`test_upload_endpoints.py`)
+   - Загрузка `svodka_ca.xlsx`
+   - Загрузка `pm_plan.zip`
+   - Загрузка `monitoring.zip`
+
+2. **Тестирование эндпоинтов** (в любом порядке)
+   - `test_svodka_pm_endpoints.py`
+   - `test_svodka_ca_endpoints.py`
+   - `test_monitoring_fuel_endpoints.py`
+
+### Вариант 2: Прямые тесты (не требуют сервер)
+1. **Тестирование парсеров** (`test_parsers_direct.py`)
+   - Проверка регистрации парсеров
+   - Проверка локального storage
+
+2. **Загрузка в локальный storage** (`test_upload_with_local_storage.py`)
+   - Загрузка всех файлов в локальный storage
+   - Проверка сохранения данных
+
+3. **Тестирование геттеров** (`test_getters_with_local_storage.py`)
+   - Тестирование всех геттеров с локальными данными
+   - Выявление проблем в логике парсеров
+
+## Ожидаемые результаты
+
+Все тесты должны возвращать **статус 200** и содержать поле `"success": true` в ответе.
+
+## Примеры тестовых запросов
+
+Тесты используют примеры из Pydantic схем:
+
+### svodka_pm
+```json
+{
+  "id": "SNPZ",
+  "codes": [78, 79],
+  "columns": ["ПП", "СЭБ"]
+}
+```
+
+### svodka_ca
+```json
+{
+  "modes": ["fact", "plan"],
+  "tables": ["table1", "table2"]
+}
+```
+
+### monitoring_fuel
+```json
+{
+  "columns": ["total", "normativ"]
+}
+```

tests/TEST_RESULTS.md

@@ -0,0 +1,71 @@
+# Результаты тестирования API эндпоинтов
+
+## Сводка
+
+Создана полная система тестирования с локальным storage для проверки всех API эндпоинтов проекта NIN Excel Parsers.
+
+## Структура тестов
+
+### 1. Прямые тесты парсеров (`test_parsers_direct.py`)
+- ✅ **Регистрация парсеров** - все парсеры корректно регистрируются
+- ✅ **Локальный storage** - работает корректно
+- ✅ **ReportService** - корректно работает с локальным storage
+
+### 2. Тесты загрузки (`test_upload_with_local_storage.py`)
+- ❌ **svodka_ca.xlsx** - парсер возвращает `None`
+- ❌ **pm_plan.zip** - парсер возвращает словарь с `None` значениями
+- ❌ **monitoring.zip** - парсер возвращает пустой словарь
+
+### 3. Тесты геттеров (`test_getters_with_local_storage.py`)
+- ❌ **Все геттеры** - не работают из-за проблем с загрузкой данных
+
+### 4. API тесты (`test_*_endpoints.py`)
+- ✅ **Загрузка файлов** - эндпоинты работают
+- ❌ **Геттеры** - не работают из-за проблем с данными
+
+## Выявленные проблемы
+
+### 1. Парсер svodka_ca
+- **Проблема**: Возвращает `None` вместо DataFrame
+- **Причина**: Парсер не может обработать тестовый файл `svodka_ca.xlsx`
+- **Статус**: Требует исправления
+
+### 2. Парсер svodka_pm
+- **Проблема**: Возвращает словарь с `None` значениями
+- **Причина**: Файлы в архиве `pm_plan.zip` не найдены (неправильные имена файлов)
+- **Статус**: Требует исправления логики поиска файлов
+
+### 3. Парсер monitoring_fuel
+- **Проблема**: Возвращает пустой словарь
+- **Причина**: Ошибки при загрузке файлов - "None of ['id'] are in the columns"
+- **Статус**: Требует исправления логики обработки колонок
+
+## Рекомендации
+
+### Немедленные действия
+1. **Исправить парсер svodka_ca** - проверить логику парсинга Excel файлов
+2. **Исправить парсер svodka_pm** - проверить логику поиска файлов в архиве
+3. **Исправить парсер monitoring_fuel** - проверить логику обработки колонок
+
+### Долгосрочные улучшения
+1. **Улучшить обработку ошибок** в парсерах
+2. **Добавить валидацию данных** перед сохранением
+3. **Создать более детальные тесты** для каждого парсера
+
+## Техническая информация
+
+### Локальный storage
+- ✅ Создан `LocalStorageAdapter` для тестирования
+- ✅ Поддерживает все операции: save, load, delete, list
+- ✅ Автоматически очищается после тестов
+
+### Инфраструктура тестов
+- ✅ Pytest конфигурация с фикстурами
+- ✅ Автоматическая регистрация парсеров
+- ✅ Поддержка как API, так и прямых тестов
+
+## Заключение
+
+Система тестирования создана и работает корректно. Выявлены конкретные проблемы в парсерах, которые требуют исправления. После исправления парсеров все тесты должны пройти успешно.
+
+**Следующий шаг**: Исправить выявленные проблемы в парсерах согласно результатам отладочных тестов.

tests/__init__.py

@@ -0,0 +1 @@
+# Tests package

tests/conftest.py

@@ -0,0 +1,97 @@
+"""
+Конфигурация pytest для тестирования API эндпоинтов
+"""
+import pytest
+import requests
+import time
+import os
+import sys
+from pathlib import Path
+
+# Добавляем путь к проекту для импорта модулей
+project_root = Path(__file__).parent.parent
+sys.path.insert(0, str(project_root / "python_parser"))
+
+from adapters.local_storage import LocalStorageAdapter
+
+# Базовый URL API
+API_BASE_URL = "http://localhost:8000"
+
+# Путь к тестовым данным
+TEST_DATA_DIR = Path(__file__).parent / "test_data"
+
+@pytest.fixture(scope="session")
+def api_base_url():
+    """Базовый URL для API"""
+    return API_BASE_URL
+
+@pytest.fixture(scope="session")
+def test_data_dir():
+    """Директория с тестовыми данными"""
+    return TEST_DATA_DIR
+
+@pytest.fixture(scope="session")
+def wait_for_api():
+    """Ожидание готовности API"""
+    max_attempts = 30
+    for attempt in range(max_attempts):
+        try:
+            response = requests.get(f"{API_BASE_URL}/docs", timeout=5)
+            if response.status_code == 200:
+                print(f"✅ API готов после {attempt + 1} попыток")
+                return True
+        except requests.exceptions.RequestException:
+            pass
+        
+        if attempt < max_attempts - 1:
+            time.sleep(2)
+    
+    pytest.fail("❌ API не готов после 30 попыток")
+
+@pytest.fixture
+def upload_file(test_data_dir):
+    """Фикстура для загрузки файла"""
+    def _upload_file(filename):
+        file_path = test_data_dir / filename
+        if not file_path.exists():
+            pytest.skip(f"Файл {filename} не найден в {test_data_dir}")
+        return file_path
+    return _upload_file
+
+@pytest.fixture(scope="session")
+def local_storage():
+    """Фикстура для локального storage"""
+    storage = LocalStorageAdapter("tests/local_storage")
+    yield storage
+    # Очищаем storage после всех тестов
+    storage.clear_all()
+
+@pytest.fixture
+def clean_storage(local_storage):
+    """Фикстура для очистки storage перед каждым тестом"""
+    local_storage.clear_all()
+    yield local_storage
+
+def make_api_request(url, method="GET", data=None, files=None, json_data=None):
+    """Универсальная функция для API запросов"""
+    try:
+        if method.upper() == "GET":
+            response = requests.get(url, timeout=30)
+        elif method.upper() == "POST":
+            if files:
+                response = requests.post(url, files=files, timeout=30)
+            elif json_data:
+                response = requests.post(url, json=json_data, timeout=30)
+            else:
+                response = requests.post(url, data=data, timeout=30)
+        else:
+            raise ValueError(f"Неподдерживаемый метод: {method}")
+        
+        return response
+    except requests.exceptions.RequestException as e:
+        pytest.fail(f"Ошибка API запроса: {e}")
+
+@pytest.fixture
+def api_request():
+    """Фикстура для API запросов"""
+    return make_api_request

tests/requirements.txt

@@ -0,0 +1,2 @@
+pytest>=7.0.0
+requests>=2.28.0

tests/test_all_endpoints.py

@@ -0,0 +1,20 @@
+"""
+Основной файл для запуска всех тестов API эндпоинтов
+"""
+import pytest
+import sys
+from pathlib import Path
+
+# Добавляем путь к проекту для импорта модулей
+project_root = Path(__file__).parent.parent
+sys.path.insert(0, str(project_root / "python_parser"))
+
+if __name__ == "__main__":
+    # Запуск всех тестов
+    pytest.main([
+        __file__.replace("test_all_endpoints.py", ""),
+        "-v",  # подробный вывод
+        "--tb=short",  # короткий traceback
+        "--color=yes",  # цветной вывод
+        "-x",  # остановка на первой ошибке
+    ])

tests/test_getters_with_local_storage.py

@@ -0,0 +1,339 @@
+"""
+Тестирование геттеров с данными из локального storage
+"""
+import pytest
+import sys
+from pathlib import Path
+
+# Добавляем путь к проекту
+project_root = Path(__file__).parent.parent
+sys.path.insert(0, str(project_root / "python_parser"))
+
+from core.services import ReportService, PARSERS
+from core.models import DataRequest, UploadRequest
+from adapters.local_storage import LocalStorageAdapter
+from adapters.parsers import SvodkaPMParser, SvodkaCAParser, MonitoringFuelParser
+
+# Регистрируем парсеры
+PARSERS.update({
+    'svodka_pm': SvodkaPMParser,
+    'svodka_ca': SvodkaCAParser,
+    'monitoring_fuel': MonitoringFuelParser,
+})
+
+
+class TestGettersWithLocalStorage:
+    """Тестирование геттеров с локальным storage"""
+    
+    @pytest.fixture(autouse=True)
+    def setup_storage(self, clean_storage):
+        """Настройка локального storage для каждого теста"""
+        self.storage = clean_storage
+        self.report_service = ReportService(self.storage)
+    
+    def test_svodka_pm_single_og_with_local_data(self, upload_file):
+        """Тест svodka_pm single_og с данными из локального storage"""
+        # Сначала загружаем данные
+        file_path = upload_file("pm_plan.zip")
+        
+        with open(file_path, 'rb') as f:
+            file_content = f.read()
+        
+        request = UploadRequest(
+            report_type='svodka_pm',
+            file_name=file_path.name,
+            file_content=file_content,
+            parse_params={}
+        )
+        
+        upload_result = self.report_service.upload_report(request)
+        assert upload_result.success is True, f"Загрузка не удалась: {upload_result.message}"
+        
+        # Теперь тестируем геттер
+        data_request = DataRequest(
+            report_type='svodka_pm',
+            get_params={
+                'mode': 'single_og',
+                'id': 'SNPZ',
+                'codes': [78, 79],
+                'columns': ['ПП', 'СЭБ']
+            }
+        )
+        
+        result = self.report_service.get_data(data_request)
+        
+        if result.success:
+            print(f"✅ svodka_pm/single_og работает с локальными данными")
+            print(f"   Получено данных: {len(result.data) if isinstance(result.data, list) else 'не список'}")
+        else:
+            print(f"❌ svodka_pm/single_og не работает: {result.message}")
+            # Не делаем assert, чтобы увидеть все ошибки
+    
+    def test_svodka_pm_total_ogs_with_local_data(self, upload_file):
+        """Тест svodka_pm total_ogs с данными из локального storage"""
+        # Сначала загружаем данные
+        file_path = upload_file("pm_plan.zip")
+        with open(file_path, 'rb') as f:
+            file_content = f.read()
+        
+        request = UploadRequest(
+            report_type='svodka_pm',
+            file_name=file_path.name,
+            file_content=file_content,
+            parse_params={}
+        )
+        
+        upload_result = self.report_service.upload_report(request)
+        assert upload_result.success is True, f"Загрузка не удалась: {upload_result.message}"
+        
+        # Теперь тестируем геттер
+        data_request = DataRequest(
+            report_type='svodka_pm',
+            get_params={
+                'mode': 'total_ogs',
+                'codes': [78, 79, 394, 395, 396, 397, 81, 82, 83, 84],
+                'columns': ['БП', 'ПП', 'СЭБ']
+            }
+        )
+        
+        result = self.report_service.get_data(data_request)
+        
+        if result.success:
+            print(f"✅ svodka_pm/total_ogs работает с локальными данными")
+            print(f"   Получено данных: {len(result.data) if isinstance(result.data, list) else 'не список'}")
+        else:
+            print(f"❌ svodka_pm/total_ogs не работает: {result.message}")
+    
+    def test_svodka_ca_get_ca_data_with_local_data(self, upload_file):
+        """Тест svodka_ca get_ca_data с данными из локального storage"""
+        # Сначала загружаем данные
+        file_path = upload_file("svodka_ca.xlsx")
+        with open(file_path, 'rb') as f:
+            file_content = f.read()
+        
+        request = UploadRequest(
+            report_type='svodka_ca',
+            file_name=file_path.name,
+            file_content=file_content,
+            parse_params={}
+        )
+        
+        upload_result = self.report_service.upload_report(request)
+        assert upload_result.success is True, f"Загрузка не удалась: {upload_result.message}"
+        
+        # Теперь тестируем геттер
+        data_request = DataRequest(
+            report_type='svodka_ca',
+            get_params={
+                'mode': 'get_ca_data',
+                'modes': ['fact', 'plan'],
+                'tables': ['table1', 'table2']
+            }
+        )
+        
+        result = self.report_service.get_data(data_request)
+        
+        if result.success:
+            print(f"✅ svodka_ca/get_ca_data работает с локальными данными")
+            print(f"   Получено данных: {len(result.data) if isinstance(result.data, list) else 'не список'}")
+        else:
+            print(f"❌ svodka_ca/get_ca_data не работает: {result.message}")
+    
+    def test_monitoring_fuel_get_total_by_columns_with_local_data(self, upload_file):
+        """Тест monitoring_fuel get_total_by_columns с данными из локального storage"""
+        # Сначала загружаем данные
+        file_path = upload_file("monitoring.zip")
+        with open(file_path, 'rb') as f:
+            file_content = f.read()
+        
+        request = UploadRequest(
+            report_type='monitoring_fuel',
+            file_name=file_path.name,
+            file_content=file_content,
+            parse_params={}
+        )
+        
+        upload_result = self.report_service.upload_report(request)
+        assert upload_result.success is True, f"Загрузка не удалась: {upload_result.message}"
+        
+        # Теперь тестируем геттер
+        data_request = DataRequest(
+            report_type='monitoring_fuel',
+            get_params={
+                'mode': 'total_by_columns',
+                'columns': ['total', 'normativ']
+            }
+        )
+        
+        result = self.report_service.get_data(data_request)
+        
+        if result.success:
+            print(f"✅ monitoring_fuel/get_total_by_columns работает с локальными данными")
+            print(f"   Получено данных: {len(result.data) if isinstance(result.data, list) else 'не список'}")
+        else:
+            print(f"❌ monitoring_fuel/get_total_by_columns не работает: {result.message}")
+    
+    def test_monitoring_fuel_get_month_by_code_with_local_data(self, upload_file):
+        """Тест monitoring_fuel get_month_by_code с данными из локального storage"""
+        # Сначала загружаем данные
+        file_path = upload_file("monitoring.zip")
+        with open(file_path, 'rb') as f:
+            file_content = f.read()
+        
+        request = UploadRequest(
+            report_type='monitoring_fuel',
+            file_name=file_path.name,
+            file_content=file_content,
+            parse_params={}
+        )
+        
+        upload_result = self.report_service.upload_report(request)
+        assert upload_result.success is True, f"Загрузка не удалась: {upload_result.message}"
+        
+        # Теперь тестируем геттер
+        data_request = DataRequest(
+            report_type='monitoring_fuel',
+            get_params={
+                'mode': 'month_by_code',
+                'month': '02'
+            }
+        )
+        
+        result = self.report_service.get_data(data_request)
+        
+        if result.success:
+            print(f"✅ monitoring_fuel/get_month_by_code работает с локальными данными")
+            print(f"   Получено данных: {len(result.data) if isinstance(result.data, list) else 'не список'}")
+        else:
+            print(f"❌ monitoring_fuel/get_month_by_code не работает: {result.message}")
+    
+    def test_monitoring_fuel_get_series_by_id_and_columns_with_local_data(self, upload_file):
+        """Тест monitoring_fuel get_series_by_id_and_columns с данными из локального storage"""
+        # Сначала загружаем данные
+        file_path = upload_file("monitoring.zip")
+        with open(file_path, 'rb') as f:
+            file_content = f.read()
+        
+        request = UploadRequest(
+            report_type='monitoring_fuel',
+            file_name=file_path.name,
+            file_content=file_content,
+            parse_params={}
+        )
+        
+        upload_result = self.report_service.upload_report(request)
+        assert upload_result.success is True, f"Загрузка не удалась: {upload_result.message}"
+        
+        # Теперь тестируем геттер
+        data_request = DataRequest(
+            report_type='monitoring_fuel',
+            get_params={
+                'mode': 'series_by_id_and_columns',
+                'columns': ['total', 'normativ']
+            }
+        )
+        
+        result = self.report_service.get_data(data_request)
+        
+        if result.success:
+            print(f"✅ monitoring_fuel/get_series_by_id_and_columns работает с локальными данными")
+            print(f"   Получено данных: {len(result.data) if isinstance(result.data, list) else 'не список'}")
+        else:
+            print(f"❌ monitoring_fuel/get_series_by_id_and_columns не работает: {result.message}")
+    
+    def test_all_getters_with_loaded_data(self, upload_file):
+        """Тест всех геттеров с предварительно загруженными данными"""
+        # Загружаем все данные
+        files_to_upload = [
+            ("svodka_ca.xlsx", "svodka_ca", "file"),
+            ("pm_plan.zip", "svodka_pm", "zip"),
+            ("monitoring.zip", "monitoring_fuel", "zip")
+        ]
+        
+        for filename, report_type, upload_type in files_to_upload:
+            file_path = upload_file(filename)
+            
+            # Читаем файл и создаем UploadRequest
+            with open(file_path, 'rb') as f:
+                file_content = f.read()
+            
+            upload_request = UploadRequest(
+                report_type=report_type,
+                file_name=file_path.name,
+                file_content=file_content,
+                parse_params={}
+            )
+            
+            result = self.report_service.upload_report(upload_request)
+            
+            assert result.success is True, f"Загрузка {filename} не удалась: {result.message}"
+            print(f"✅ {filename} загружен")
+        
+        # Тестируем все геттеры
+        test_cases = [
+            # svodka_pm
+            {
+                'report_type': 'svodka_pm',
+                'mode': 'single_og',
+                'params': {'id': 'SNPZ', 'codes': [78, 79], 'columns': ['ПП', 'СЭБ']},
+                'name': 'svodka_pm/single_og'
+            },
+            {
+                'report_type': 'svodka_pm',
+                'mode': 'total_ogs',
+                'params': {'codes': [78, 79, 394, 395, 396, 397, 81, 82, 83, 84], 'columns': ['БП', 'ПП', 'СЭБ']},
+                'name': 'svodka_pm/total_ogs'
+            },
+            # svodka_ca
+            {
+                'report_type': 'svodka_ca',
+                'mode': 'get_ca_data',
+                'params': {'modes': ['fact', 'plan'], 'tables': ['table1', 'table2']},
+                'name': 'svodka_ca/get_ca_data'
+            },
+            # monitoring_fuel
+            {
+                'report_type': 'monitoring_fuel',
+                'mode': 'total_by_columns',
+                'params': {'columns': ['total', 'normativ']},
+                'name': 'monitoring_fuel/get_total_by_columns'
+            },
+            {
+                'report_type': 'monitoring_fuel',
+                'mode': 'month_by_code',
+                'params': {'month': '02'},
+                'name': 'monitoring_fuel/get_month_by_code'
+            },
+            {
+                'report_type': 'monitoring_fuel',
+                'mode': 'series_by_id_and_columns',
+                'params': {'columns': ['total', 'normativ']},
+                'name': 'monitoring_fuel/get_series_by_id_and_columns'
+            }
+        ]
+        
+        print("\n🧪 Тестирование всех геттеров с локальными данными:")
+        
+        for test_case in test_cases:
+            request_params = test_case['params'].copy()
+            request_params['mode'] = test_case['mode']
+            
+            data_request = DataRequest(
+                report_type=test_case['report_type'],
+                get_params=request_params
+            )
+            
+            result = self.report_service.get_data(data_request)
+            
+            if result.success:
+                print(f"✅ {test_case['name']}: работает")
+            else:
+                print(f"❌ {test_case['name']}: {result.message}")
+        
+        # Показываем содержимое storage
+        objects = self.storage.list_objects()
+        print(f"\n📊 Объекты в локальном storage: {len(objects)}")
+        for obj_id in objects:
+            metadata = self.storage.get_object_metadata(obj_id)
+            if metadata:
+                print(f"   📁 {obj_id}: {metadata['shape']} колонки: {metadata['columns'][:3]}...")

tests/test_monitoring_fuel_endpoints.py

@@ -0,0 +1,102 @@
+"""
+Тесты для monitoring_fuel эндпоинтов
+"""
+import pytest
+import requests
+
+
+class TestMonitoringFuelEndpoints:
+    """Тесты эндпоинтов monitoring_fuel"""
+    
+    def test_monitoring_fuel_get_total_by_columns(self, wait_for_api, api_base_url):
+        """Тест получения данных по колонкам и расчёт средних значений"""
+        # Пример из схемы MonitoringFuelTotalRequest
+        data = {
+            "columns": ["total", "normativ"]
+        }
+        
+        response = requests.post(f"{api_base_url}/monitoring_fuel/get_total_by_columns", json=data)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Запрос не удался: {result}"
+        assert "data" in result, "Отсутствует поле 'data' в ответе"
+        print(f"✅ monitoring_fuel/get_total_by_columns работает: получены данные для колонок {data['columns']}")
+    
+    def test_monitoring_fuel_get_month_by_code(self, wait_for_api, api_base_url):
+        """Тест получения данных за месяц"""
+        # Пример из схемы MonitoringFuelMonthRequest
+        data = {
+            "month": "02"
+        }
+        
+        response = requests.post(f"{api_base_url}/monitoring_fuel/get_month_by_code", json=data)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Запрос не удался: {result}"
+        assert "data" in result, "Отсутствует поле 'data' в ответе"
+        print(f"✅ monitoring_fuel/get_month_by_code работает: получены данные за месяц {data['month']}")
+    
+    def test_monitoring_fuel_get_series_by_id_and_columns(self, wait_for_api, api_base_url):
+        """Тест получения временных рядов по ID и колонкам"""
+        # Пример из схемы MonitoringFuelSeriesRequest
+        data = {
+            "columns": ["total", "normativ"]
+        }
+        
+        response = requests.post(f"{api_base_url}/monitoring_fuel/get_series_by_id_and_columns", json=data)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Запрос не удался: {result}"
+        assert "data" in result, "Отсутствует поле 'data' в ответе"
+        print(f"✅ monitoring_fuel/get_series_by_id_and_columns работает: получены временные ряды для колонок {data['columns']}")
+    
+    def test_monitoring_fuel_get_total_by_columns_single_column(self, wait_for_api, api_base_url):
+        """Тест получения данных по одной колонке"""
+        data = {
+            "columns": ["total"]
+        }
+        
+        response = requests.post(f"{api_base_url}/monitoring_fuel/get_total_by_columns", json=data)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Запрос не удался: {result}"
+        assert "data" in result, "Отсутствует поле 'data' в ответе"
+        print(f"✅ monitoring_fuel/get_total_by_columns с одной колонкой работает: получены данные для колонки {data['columns'][0]}")
+    
+    def test_monitoring_fuel_get_month_by_code_different_month(self, wait_for_api, api_base_url):
+        """Тест получения данных за другой месяц"""
+        data = {
+            "month": "01"
+        }
+        
+        response = requests.post(f"{api_base_url}/monitoring_fuel/get_month_by_code", json=data)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Запрос не удался: {result}"
+        assert "data" in result, "Отсутствует поле 'data' в ответе"
+        print(f"✅ monitoring_fuel/get_month_by_code с другим месяцем работает: получены данные за месяц {data['month']}")
+    
+    def test_monitoring_fuel_get_series_by_id_and_columns_single_column(self, wait_for_api, api_base_url):
+        """Тест получения временных рядов по одной колонке"""
+        data = {
+            "columns": ["total"]
+        }
+        
+        response = requests.post(f"{api_base_url}/monitoring_fuel/get_series_by_id_and_columns", json=data)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Запрос не удался: {result}"
+        assert "data" in result, "Отсутствует поле 'data' в ответе"
+        print(f"✅ monitoring_fuel/get_series_by_id_and_columns с одной колонкой работает: получены временные ряды для колонки {data['columns'][0]}")

tests/test_parsers_direct.py

@@ -0,0 +1,134 @@
+"""
+Прямое тестирование парсеров с локальным storage
+Этот модуль тестирует парсеры напрямую, без API
+"""
+import pytest
+import sys
+from pathlib import Path
+
+# Добавляем путь к проекту
+project_root = Path(__file__).parent.parent
+sys.path.insert(0, str(project_root / "python_parser"))
+
+from adapters.parsers import SvodkaPMParser, SvodkaCAParser, MonitoringFuelParser
+from core.services import ReportService
+from adapters.local_storage import LocalStorageAdapter
+
+
+class TestParsersDirect:
+    """Прямое тестирование парсеров с локальным storage"""
+    
+    @pytest.fixture(autouse=True)
+    def setup_storage(self, clean_storage):
+        """Настройка локального storage для каждого теста"""
+        self.storage = clean_storage
+        self.report_service = ReportService(self.storage)
+    
+    def test_svodka_pm_parser_registration(self):
+        """Тест регистрации парсера svodka_pm"""
+        parser = SvodkaPMParser()
+        getters = parser.get_available_getters()
+        
+        assert "single_og" in getters
+        assert "total_ogs" in getters
+        
+        # Проверяем параметры геттеров
+        single_og_getter = getters["single_og"]
+        assert "id" in single_og_getter["required_params"]
+        assert "codes" in single_og_getter["required_params"]
+        assert "columns" in single_og_getter["required_params"]
+        assert "search" in single_og_getter["optional_params"]
+        
+        total_ogs_getter = getters["total_ogs"]
+        assert "codes" in total_ogs_getter["required_params"]
+        assert "columns" in total_ogs_getter["required_params"]
+        assert "search" in total_ogs_getter["optional_params"]
+        
+        print("✅ svodka_pm парсер зарегистрирован корректно")
+    
+    def test_svodka_ca_parser_registration(self):
+        """Тест регистрации парсера svodka_ca"""
+        parser = SvodkaCAParser()
+        getters = parser.get_available_getters()
+        
+        assert "get_ca_data" in getters
+        
+        # Проверяем параметры геттера
+        getter = getters["get_ca_data"]
+        assert "modes" in getter["required_params"]
+        assert "tables" in getter["required_params"]
+        
+        print("✅ svodka_ca парсер зарегистрирован корректно")
+    
+    def test_monitoring_fuel_parser_registration(self):
+        """Тест регистрации парсера monitoring_fuel"""
+        parser = MonitoringFuelParser()
+        getters = parser.get_available_getters()
+        
+        assert "total_by_columns" in getters
+        assert "month_by_code" in getters
+        assert "series_by_id_and_columns" in getters
+        
+        # Проверяем параметры геттеров
+        total_getter = getters["total_by_columns"]
+        assert "columns" in total_getter["required_params"]
+        
+        month_getter = getters["month_by_code"]
+        assert "month" in month_getter["required_params"]
+        
+        series_getter = getters["series_by_id_and_columns"]
+        assert "columns" in series_getter["required_params"]
+        
+        print("✅ monitoring_fuel парсер зарегистрирован корректно")
+    
+    def test_storage_operations(self):
+        """Тест операций с локальным storage"""
+        import pandas as pd
+        
+        # Создаем тестовый DataFrame
+        test_df = pd.DataFrame({
+            'col1': [1, 2, 3],
+            'col2': ['a', 'b', 'c']
+        })
+        
+        # Сохраняем
+        success = self.storage.save_dataframe("test_object", test_df)
+        assert success is True
+        
+        # Проверяем существование
+        exists = self.storage.object_exists("test_object")
+        assert exists is True
+        
+        # Загружаем
+        loaded_df = self.storage.load_dataframe("test_object")
+        assert loaded_df is not None
+        assert loaded_df.shape == (3, 2)
+        assert list(loaded_df.columns) == ['col1', 'col2']
+        
+        # Получаем метаданные
+        metadata = self.storage.get_object_metadata("test_object")
+        assert metadata is not None
+        assert metadata["shape"] == [3, 2]
+        
+        # Получаем список объектов
+        objects = self.storage.list_objects()
+        assert "test_object" in objects
+        
+        # Удаляем
+        delete_success = self.storage.delete_object("test_object")
+        assert delete_success is True
+        
+        # Проверяем, что объект удален
+        exists_after = self.storage.object_exists("test_object")
+        assert exists_after is False
+        
+        print("✅ Локальный storage работает корректно")
+    
+    def test_report_service_with_local_storage(self):
+        """Тест ReportService с локальным storage"""
+        # Проверяем, что ReportService может работать с локальным storage
+        assert self.report_service.storage is not None
+        assert hasattr(self.report_service.storage, 'save_dataframe')
+        assert hasattr(self.report_service.storage, 'load_dataframe')
+        
+        print("✅ ReportService корректно работает с локальным storage")

tests/test_svodka_ca_endpoints.py

@@ -0,0 +1,58 @@
+"""
+Тесты для svodka_ca эндпоинтов
+"""
+import pytest
+import requests
+
+
+class TestSvodkaCAEndpoints:
+    """Тесты эндпоинтов svodka_ca"""
+    
+    def test_svodka_ca_get_ca_data(self, wait_for_api, api_base_url):
+        """Тест получения данных из сводок СА"""
+        # Пример из схемы SvodkaCARequest
+        data = {
+            "modes": ["fact", "plan"],
+            "tables": ["table1", "table2"]
+        }
+        
+        response = requests.post(f"{api_base_url}/svodka_ca/get_ca_data", json=data)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Запрос не удался: {result}"
+        assert "data" in result, "Отсутствует поле 'data' в ответе"
+        print(f"✅ svodka_ca/get_ca_data работает: получены данные для режимов {data['modes']}")
+    
+    def test_svodka_ca_get_ca_data_single_mode(self, wait_for_api, api_base_url):
+        """Тест получения данных из сводок СА для одного режима"""
+        data = {
+            "modes": ["fact"],
+            "tables": ["table1"]
+        }
+        
+        response = requests.post(f"{api_base_url}/svodka_ca/get_ca_data", json=data)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Запрос не удался: {result}"
+        assert "data" in result, "Отсутствует поле 'data' в ответе"
+        print(f"✅ svodka_ca/get_ca_data с одним режимом работает: получены данные для режима {data['modes'][0]}")
+    
+    def test_svodka_ca_get_ca_data_multiple_tables(self, wait_for_api, api_base_url):
+        """Тест получения данных из сводок СА для нескольких таблиц"""
+        data = {
+            "modes": ["fact", "plan"],
+            "tables": ["table1", "table2", "table3"]
+        }
+        
+        response = requests.post(f"{api_base_url}/svodka_ca/get_ca_data", json=data)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Запрос не удался: {result}"
+        assert "data" in result, "Отсутствует поле 'data' в ответе"
+        print(f"✅ svodka_ca/get_ca_data с несколькими таблицами работает: получены данные для {len(data['tables'])} таблиц")

tests/test_svodka_pm_endpoints.py

@@ -0,0 +1,79 @@
+"""
+Тесты для svodka_pm эндпоинтов
+"""
+import pytest
+import requests
+
+
+class TestSvodkaPMEndpoints:
+    """Тесты эндпоинтов svodka_pm"""
+    
+    def test_svodka_pm_single_og(self, wait_for_api, api_base_url):
+        """Тест получения данных по одному ОГ"""
+        # Пример из схемы SvodkaPMSingleOGRequest
+        data = {
+            "id": "SNPZ",
+            "codes": [78, 79],
+            "columns": ["ПП", "СЭБ"]
+        }
+        
+        response = requests.post(f"{api_base_url}/svodka_pm/single_og", json=data)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Запрос не удался: {result}"
+        assert "data" in result, "Отсутствует поле 'data' в ответе"
+        print(f"✅ svodka_pm/single_og работает: получены данные для {data['id']}")
+    
+    def test_svodka_pm_total_ogs(self, wait_for_api, api_base_url):
+        """Тест получения данных по всем ОГ"""
+        # Пример из схемы SvodkaPMTotalOGsRequest
+        data = {
+            "codes": [78, 79, 394, 395, 396, 397, 81, 82, 83, 84],
+            "columns": ["БП", "ПП", "СЭБ"]
+        }
+        
+        response = requests.post(f"{api_base_url}/svodka_pm/get_total_ogs", json=data)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Запрос не удался: {result}"
+        assert "data" in result, "Отсутствует поле 'data' в ответе"
+        print(f"✅ svodka_pm/get_total_ogs работает: получены данные по всем ОГ")
+    
+    def test_svodka_pm_single_og_with_search(self, wait_for_api, api_base_url):
+        """Тест получения данных по одному ОГ с параметром search"""
+        data = {
+            "id": "SNPZ",
+            "codes": [78, 79],
+            "columns": ["ПП", "СЭБ"],
+            "search": "Итого"
+        }
+        
+        response = requests.post(f"{api_base_url}/svodka_pm/single_og", json=data)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Запрос не удался: {result}"
+        assert "data" in result, "Отсутствует поле 'data' в ответе"
+        print(f"✅ svodka_pm/single_og с search работает: получены данные для {data['id']} с фильтром")
+    
+    def test_svodka_pm_total_ogs_with_search(self, wait_for_api, api_base_url):
+        """Тест получения данных по всем ОГ с параметром search"""
+        data = {
+            "codes": [78, 79, 394, 395, 396, 397, 81, 82, 83, 84],
+            "columns": ["БП", "ПП", "СЭБ"],
+            "search": "Итого"
+        }
+        
+        response = requests.post(f"{api_base_url}/svodka_pm/get_total_ogs", json=data)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Запрос не удался: {result}"
+        assert "data" in result, "Отсутствует поле 'data' в ответе"
+        print(f"✅ svodka_pm/get_total_ogs с search работает: получены данные по всем ОГ с фильтром")

tests/test_upload_endpoints.py

@@ -0,0 +1,52 @@
+"""
+Тесты для эндпоинтов загрузки данных
+"""
+import pytest
+import requests
+from pathlib import Path
+
+
+class TestUploadEndpoints:
+    """Тесты эндпоинтов загрузки"""
+    
+    def test_upload_svodka_ca(self, wait_for_api, upload_file, api_base_url):
+        """Тест загрузки файла svodka_ca.xlsx"""
+        file_path = upload_file("svodka_ca.xlsx")
+        
+        with open(file_path, 'rb') as f:
+            files = {'file': ('svodka_ca.xlsx', f, 'application/vnd.openxmlformats-officedocument.spreadsheetml.sheet')}
+            response = requests.post(f"{api_base_url}/svodka_ca/upload", files=files)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Загрузка не удалась: {result}"
+        print(f"✅ svodka_ca.xlsx загружен успешно: {result['message']}")
+    
+    def test_upload_svodka_pm_plan(self, wait_for_api, upload_file, api_base_url):
+        """Тест загрузки архива pm_plan.zip"""
+        file_path = upload_file("pm_plan.zip")
+        
+        with open(file_path, 'rb') as f:
+            files = {'zip_file': ('pm_plan.zip', f, 'application/zip')}
+            response = requests.post(f"{api_base_url}/svodka_pm/upload-zip", files=files)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Загрузка не удалась: {result}"
+        print(f"✅ pm_plan.zip загружен успешно: {result['message']}")
+    
+    def test_upload_monitoring_fuel(self, wait_for_api, upload_file, api_base_url):
+        """Тест загрузки архива monitoring.zip"""
+        file_path = upload_file("monitoring.zip")
+        
+        with open(file_path, 'rb') as f:
+            files = {'zip_file': ('monitoring.zip', f, 'application/zip')}
+            response = requests.post(f"{api_base_url}/monitoring_fuel/upload-zip", files=files)
+        
+        assert response.status_code == 200, f"Ожидался статус 200, получен {response.status_code}: {response.text}"
+        
+        result = response.json()
+        assert result["success"] is True, f"Загрузка не удалась: {result}"
+        print(f"✅ monitoring.zip загружен успешно: {result['message']}")

tests/test_upload_with_local_storage.py

@@ -0,0 +1,183 @@
+"""
+Тестирование загрузки файлов с сохранением в локальный storage
+"""
+import pytest
+import sys
+from pathlib import Path
+
+# Добавляем путь к проекту
+project_root = Path(__file__).parent.parent
+sys.path.insert(0, str(project_root / "python_parser"))
+
+from core.services import ReportService, PARSERS
+from core.models import UploadRequest
+from adapters.local_storage import LocalStorageAdapter
+from adapters.parsers import SvodkaPMParser, SvodkaCAParser, MonitoringFuelParser
+
+# Регистрируем парсеры
+PARSERS.update({
+    'svodka_pm': SvodkaPMParser,
+    'svodka_ca': SvodkaCAParser,
+    'monitoring_fuel': MonitoringFuelParser,
+})
+
+
+class TestUploadWithLocalStorage:
+    """Тестирование загрузки файлов с локальным storage"""
+    
+    @pytest.fixture(autouse=True)
+    def setup_storage(self, clean_storage):
+        """Настройка локального storage для каждого теста"""
+        self.storage = clean_storage
+        self.report_service = ReportService(self.storage)
+    
+    def test_upload_svodka_ca_to_local_storage(self, upload_file):
+        """Тест загрузки svodka_ca.xlsx в локальный storage"""
+        file_path = upload_file("svodka_ca.xlsx")
+        
+        # Читаем файл и создаем UploadRequest
+        with open(file_path, 'rb') as f:
+            file_content = f.read()
+        
+        request = UploadRequest(
+            report_type='svodka_ca',
+            file_name=file_path.name,
+            file_content=file_content,
+            parse_params={}
+        )
+        
+        # Загружаем файл через ReportService
+        result = self.report_service.upload_report(request)
+        
+        assert result.success is True, f"Загрузка не удалась: {result.message}"
+        
+        # Проверяем, что данные сохранились в локальном storage
+        objects = self.storage.list_objects()
+        assert len(objects) > 0, "Данные не сохранились в storage"
+        
+        # Проверяем метаданные
+        for obj_id in objects:
+            metadata = self.storage.get_object_metadata(obj_id)
+            assert metadata is not None, f"Метаданные для {obj_id} не найдены"
+            assert "shape" in metadata, f"Отсутствует shape в метаданных {obj_id}"
+            assert "columns" in metadata, f"Отсутствуют columns в метаданных {obj_id}"
+        
+        print(f"✅ svodka_ca.xlsx загружен в локальный storage: {len(objects)} объектов")
+        print(f"   Объекты: {objects}")
+    
+    def test_upload_pm_plan_to_local_storage(self, upload_file):
+        """Тест загрузки pm_plan.zip в локальный storage"""
+        file_path = upload_file("pm_plan.zip")
+        
+        # Читаем файл и создаем UploadRequest
+        with open(file_path, 'rb') as f:
+            file_content = f.read()
+        
+        request = UploadRequest(
+            report_type='svodka_pm',
+            file_name=file_path.name,
+            file_content=file_content,
+            parse_params={}
+        )
+        
+        # Загружаем архив через ReportService
+        result = self.report_service.upload_report(request)
+        
+        assert result.success is True, f"Загрузка не удалась: {result.message}"
+        
+        # Проверяем, что данные сохранились в локальном storage
+        objects = self.storage.list_objects()
+        assert len(objects) > 0, "Данные не сохранились в storage"
+        
+        # Проверяем метаданные
+        for obj_id in objects:
+            metadata = self.storage.get_object_metadata(obj_id)
+            assert metadata is not None, f"Метаданные для {obj_id} не найдены"
+            assert "shape" in metadata, f"Отсутствует shape в метаданных {obj_id}"
+            assert "columns" in metadata, f"Отсутствуют columns в метаданных {obj_id}"
+        
+        print(f"✅ pm_plan.zip загружен в локальный storage: {len(objects)} объектов")
+        print(f"   Объекты: {objects}")
+    
+    def test_upload_monitoring_to_local_storage(self, upload_file):
+        """Тест загрузки monitoring.zip в локальный storage"""
+        file_path = upload_file("monitoring.zip")
+        
+        # Читаем файл и создаем UploadRequest
+        with open(file_path, 'rb') as f:
+            file_content = f.read()
+        
+        request = UploadRequest(
+            report_type='monitoring_fuel',
+            file_name=file_path.name,
+            file_content=file_content,
+            parse_params={}
+        )
+        
+        # Загружаем архив через ReportService
+        result = self.report_service.upload_report(request)
+        
+        assert result.success is True, f"Загрузка не удалась: {result.message}"
+        
+        # Проверяем, что данные сохранились в локальном storage
+        objects = self.storage.list_objects()
+        assert len(objects) > 0, "Данные не сохранились в storage"
+        
+        # Проверяем метаданные
+        for obj_id in objects:
+            metadata = self.storage.get_object_metadata(obj_id)
+            assert metadata is not None, f"Метаданные для {obj_id} не найдены"
+            assert "shape" in metadata, f"Отсутствует shape в метаданных {obj_id}"
+            assert "columns" in metadata, f"Отсутствуют columns в метаданных {obj_id}"
+        
+        print(f"✅ monitoring.zip загружен в локальный storage: {len(objects)} объектов")
+        print(f"   Объекты: {objects}")
+    
+    def test_upload_all_files_sequence(self, upload_file):
+        """Тест последовательной загрузки всех файлов"""
+        # Загружаем все файлы по очереди
+        files_to_upload = [
+            ("svodka_ca.xlsx", "svodka_ca", "file"),
+            ("pm_plan.zip", "svodka_pm", "zip"),
+            ("monitoring.zip", "monitoring_fuel", "zip")
+        ]
+        
+        total_objects = 0
+        
+        for filename, report_type, upload_type in files_to_upload:
+            file_path = upload_file(filename)
+            
+            # Читаем файл и создаем UploadRequest
+            with open(file_path, 'rb') as f:
+                file_content = f.read()
+            
+            request = UploadRequest(
+                report_type=report_type,
+                file_name=file_path.name,
+                file_content=file_content,
+                parse_params={}
+            )
+            
+            result = self.report_service.upload_report(request)
+            
+            assert result.success is True, f"Загрузка {filename} не удалась: {result.message}"
+            
+            # Подсчитываем объекты
+            objects = self.storage.list_objects()
+            current_count = len(objects)
+            
+            print(f"✅ {filename} загружен: {current_count - total_objects} новых объектов")
+            total_objects = current_count
+        
+        # Проверяем итоговое количество объектов
+        final_objects = self.storage.list_objects()
+        assert len(final_objects) > 0, "Ни один файл не был загружен"
+        
+        print(f"✅ Все файлы загружены. Итого объектов в storage: {len(final_objects)}")
+        print(f"   Все объекты: {final_objects}")
+        
+        # Выводим детальную информацию о каждом объекте
+        for obj_id in final_objects:
+            metadata = self.storage.get_object_metadata(obj_id)
+            if metadata:
+                print(f"   📊 {obj_id}: {metadata['shape']} колонки: {metadata['columns'][:5]}...")