DriftLedger/src/domain/ocr.ts

/**
 * OCR 自动记账 - Layer 1 规则匹配与账单解析（plan.md「3.3 Layer 1」+「3.x BillParser」）。
 *
 * 参考 AutoAccounting 的 RuleMatcher（微信支付/支付宝/银行卡正则）+ BillParser。
 * 本模块为纯函数，不依赖原生，可单测；输入是 OCR 识别文本，输出是 ImportedEvent。
 */

import type { Direction, ImportedEvent } from './types';

/** 规则匹配结果。 */
export interface OcrRuleMatch {
  matched: boolean;
  event: ImportedEvent | null;
  /** 命中的规则名（微信/支付宝/银行卡/未知）。 */
  ruleName: string;
}

interface OcrRule {
  name: string;
  /** 主匹配模式（判断是否为该类账单）。 */
  pattern: RegExp;
  /** 字段提取器（金额/商户/时间/卡号）。 */
  extractors: {
    amount?: RegExp;
    merchant?: RegExp;
    time?: RegExp;
    card?: RegExp;
    direction?: RegExp;
  };
  /** 渠道名。 */
  channel: string;
}

// 参考 AutoAccounting RuleMatcher 的正则模式
const RULES: OcrRule[] = [
  {
    name: '微信支付',
    pattern: /微信支付/,
    extractors: {
      amount: /(?:金额|支付金额|￥|¥)\s*(-?\d+(?:\.\d+)?)/,
      merchant: /(?:商户|收款方|对方)\s*[:：]?\s*([^\s,，。]+)/,
      time: /(\d{4}[-/]\d{1,2}[-/]\d{1,2}[\s]+\d{1,2}:\d{2}(?::\d{2})?)/,
      direction: /(收入|支出|收款|付款|退款|转账|消费)/,
    },
    channel: 'WeChat',
  },
  {
    name: '支付宝',
    pattern: /支付宝|alipay/i,
    extractors: {
      amount: /(?:金额|支付金额|￥|¥)\s*(-?\d+(?:\.\d+)?)/,
      merchant: /(?:收款方|对方|商户)\s*[:：]?\s*([^\s,，。]+)/,
      time: /(\d{4}[-/]\d{1,2}[-/]\d{1,2}[\s]+\d{1,2}:\d{2}(?::\d{2})?)/,
      direction: /(收入|支出|收款|付款|退款|转账|消费)/,
    },
    channel: 'Alipay',
  },
  {
    name: '银行卡',
    pattern: /尾号\d{4}|信用卡|储蓄卡|借记卡/,
    extractors: {
      amount: /(?:消费|支出|金额|￥|¥)\s*(-?\d+(?:\.\d+)?)/,
      merchant: /(?:商户|对方|于)\s*[:：]?\s*([^\s,，。]+)/,
      time: /(\d{4}[-/]\d{1,2}[-/]\d{1,2}[\s]+\d{1,2}:\d{2}(?::\d{2})?)/,
      card: /尾号\s*(\d{4})/,
      direction: /(消费|支出|收入|转入|转出|退款|转账)/,
    },
    channel: 'Bank',
  },
];

function parseDirection(text: string, defaultDir: Direction = 'expense'): Direction {
  // 优先级：退款 > 手续费 > 转账 > 支出 > 收入
  // 注意：避免「收款方」中的「收款」被误判为收入，需检查完整词
  if (/退款|退回/.test(text)) return 'refund';
  if (/手续费|利息/.test(text)) return 'fee';
  if (/支出|付款|消费|转出/.test(text)) return 'expense';
  if (/转账|转入/.test(text)) return 'transfer';
  if (/收入|到账|入账/.test(text)) return 'income';
  // 「收款方」是商户标识，不判为收入；真正的收款是「向您收款」或独立「收款」
  if (/收款方/.test(text)) return defaultDir;  // 收款方是商户，保持默认
  if (/收款/.test(text) && !/收款方/.test(text)) return 'income';
  return defaultDir;
}

function extract(pattern: RegExp | undefined, text: string): string {
  if (!pattern) return '';
  return pattern.exec(text)?.[1] ?? '';
}

/**
 * Layer 1 规则匹配（plan.md「3.3」）。
 * 快速、无成本：对 OCR 文本跑预定义正则，命中即提取。
 */
export function matchOcrRule(text: string, packageName?: string): OcrRuleMatch {
  for (const rule of RULES) {
    if (!rule.pattern.test(text)) continue;

    const amountRaw = extract(rule.extractors.amount, text);
    if (!amountRaw) continue;  // 无金额不算账单

    const merchant = extract(rule.extractors.merchant, text);
    const time = extract(rule.extractors.time, text);
    const card = extract(rule.extractors.card, text);
    const dirText = extract(rule.extractors.direction, text) || text;
    // 方向解析用完整文本（避免「收款方」中的「收款」被误判）
    const direction = parseDirection(text);

    const amount = direction === 'expense' ? `-${Math.abs(parseFloat(amountRaw))}` : String(Math.abs(parseFloat(amountRaw)));

    const event: ImportedEvent = {
      id: `ocr:${rule.channel}:${time || Date.now()}:${amountRaw}`,
      occurredAt: time ? normalizeTime(time) : new Date().toISOString().slice(0, 16),
      amount,
      currency: 'CNY',
      direction,
      channel: card ? `${rule.channel}:${card}` : rule.channel,
      counterparty: merchant,
      memo: card ? `银行卡尾号${card}` : rule.name,
      raw: { text, packageName: packageName ?? '' },
    };
    return { matched: true, event, ruleName: rule.name };
  }
  return { matched: false, event: null, ruleName: '未匹配' };
}

/** 规范化时间格式（支持 2026-07-13 14:30 / 2026/7/13 14:30）。 */
function normalizeTime(time: string): string {
  return time.replace(/\//g, '-').replace(/-(\d)-/g, '-0$1-').replace(/-(\d) /, '-0$1 ').trim();
}

/**
 * BillParser（plan.md「3.x」）：解析 OCR 全文本为账单事件。
 * 比 RuleMatcher 更宽松——尝试从任意文本中提取金额与方向。
 */
export function parseOcrBill(text: string, packageName?: string): ImportedEvent | null {
  // 1. 先尝试规则匹配
  const ruleMatch = matchOcrRule(text, packageName);
  if (ruleMatch.matched && ruleMatch.event) return ruleMatch.event;

  // 2. 退化：提取首个金额 + 推断方向
  const amountMatch = text.match(/(?:￥|¥|金额|支付金额)\s*(\d+(?:\.\d+)?)/) ?? text.match(/(\d+(?:\.\d+)?)\s*(?:元)/);
  if (!amountMatch) return null;

  const amount = parseFloat(amountMatch[1]);
  const direction = parseDirection(text);
  return {
    id: `ocr:fallback:${Date.now()}:${amountMatch[1]}`,
    occurredAt: new Date().toISOString().slice(0, 16),
    amount: direction === 'expense' ? `-${amount}` : String(amount),
    currency: 'CNY',
    direction,
    channel: packageName ?? 'Unknown',
    counterparty: '',
    memo: 'OCR 退化解析',
    raw: { text, packageName: packageName ?? '' },
  };
}