fix: OCR 파서 — 표 처방전 좌표 파싱 + 약봉투 압축형 다중 약 (#98)

scripts/export-ocr-fixtures.py

@@ -0,0 +1,121 @@
+#!/usr/bin/env python3
+"""
+ocr_result 50~53 행의 raw_response를 회귀 테스트 fixture로 내보낸다.
+개인정보(이름·주민번호·전화·사업자번호·교부번호·의료기관·약사명)를 치환한다.
+
+사용법:
+  1. 아래 DB 접속 정보를 로컬 환경에 맞게 수정
+  2. python3 export-ocr-fixtures.py
+  3. 생성된 파일을 눈으로 검토 (개인정보 남았는지)
+  4. git add src/test/resources/ocr/fixtures/*_real.json
+"""
+import json
+import re
+import subprocess
+
+# --- DB 접속 (.env의 LOCAL_DB_* 값 사용. 비번은 MYSQL_PWD 환경변수로 전달) ---
+import os
+DB_NAME = "callcare"
+MYSQL = ["mysql", "-uroot", DB_NAME, "-N", "--raw", "-e"]
+_ENV = dict(os.environ)
+try:
+    for line in open(f"{os.path.dirname(__file__)}/../.env"):
+        if line.startswith("LOCAL_DB_PASSWORD="):
+            _ENV["MYSQL_PWD"] = line.split("=", 1)[1].strip()
+except OSError:
+    pass
+
+REPO = "/Users/kangcheolung/cotato/callcare"
+OUT = f"{REPO}/src/test/resources/ocr/fixtures"
+
+MAPPING = {
+    50: "pharmacy_receipt_grid_real.json",
+    51: "pharmacy_receipt_scattered_real.json",
+    52: "drug_bag_starred_real.json",
+    53: "drug_bag_compact_real.json",
+    54: "table_prescription_real.json",
+}
+
+# inferText 값에 적용할 치환 (개인정보 → 더미). 약 이름/용법은 건드리지 않음.
+def anonymize(text: str) -> str:
+    t = text
+    # 주민번호(6-7 / 6-1 부분마스킹형), 만나이/생년
+    t = re.sub(r"\d{6}\s*-\s*[1-8](\d{6})?", "******-*******", t)
+    t = re.sub(r"\d{4}년생", "0000년생", t)
+    t = re.sub(r"만\s*\d+세", "만 00세", t)
+    # 전화번호
+    t = re.sub(r"0\d{1,2}-?\d{3,4}-?\d{4}", "000-0000-0000", t)
+    t = re.sub(r"\b01[016789]\d{7,8}\b", "01000000000", t)
+    # 사업자등록번호
+    t = re.sub(r"\b\d{3}-\d{2}-\d{5}\b", "000-00-00000", t)
+    # 교부번호/영수증번호(숫자-숫자 또는 13자리)
+    t = re.sub(r"\b\d{8,10}-\d{4,5}\b", "20250101-00000", t)
+    t = re.sub(r"\b\d{13}\b", "2025010100000", t)
+    t = re.sub(r"\b\d{12}\b", "000000000000", t)
+    # 이름 (환자/약사/의사) — 실제 값으로 교체
+    for name in ["신세인", "김필독", "방현조", "안인선"]:
+        t = t.replace(name, "홍길동")
+    # 의료기관/약국명
+    for org, repl in [
+        ("향촌 사랑 내과", "행복 내과"), ("향촌메디컬", "행복메디컬"),
+        ("향 촌 우리약국", "행복 약국"), ("향 촌", "행복"), ("향촌", "행복"),
+        ("우리약국", "행복약국"),
+        ("터울병원", "행복병원"), ("필독약국", "행복약국"), ("필독", "행복"),
+    ]:
+        t = t.replace(org, repl)
+    return t
+
+
+def scrub_name_fields(fields):
+    """'성명' 등 이름 라벨 뒤에 오는 짧은 한글 필드(약사/의사 이름 조각)를 마스킹한다."""
+    LABELS = {"성명", "성 명", "환자 성명", "환 자 성 명", "조제한", "조제약사"}
+    for i, f in enumerate(fields):
+        if f.get("inferText", "").strip() in LABELS:
+            for j in range(i + 1, min(i + 4, len(fields))):
+                nxt = fields[j].get("inferText", "").strip()
+                if 1 <= len(nxt) <= 3 and re.fullmatch(r"[가-힣]+", nxt):
+                    fields[j]["inferText"] = "○" * len(nxt)
+
+
+def process(row_id: int, filename: str):
+    raw = subprocess.run(
+        MYSQL + [f"SELECT raw_response FROM ocr_result WHERE ocr_result_id={row_id}"],
+        capture_output=True, text=True, check=True, env=_ENV,
+    ).stdout.strip()
+    if not raw:
+        print(f"  #{row_id}: raw_response 비어있음 — 스킵")
+        return
+    doc = json.loads(raw)
+    for img in doc.get("images", []):
+        for f in img.get("fields", []):
+            if "inferText" in f:
+                f["inferText"] = anonymize(f["inferText"])
+        scrub_name_fields(img.get("fields", []))
+
+    # 파서가 쓰는 필드만 남기고 축소 (inferConfidence, type 등 제거) + minify
+    slim = {
+        "version": doc.get("version", "V2"),
+        "images": [{
+            "inferResult": img.get("inferResult", "SUCCESS"),
+            "fields": [{
+                "inferText": f.get("inferText", ""),
+                "lineBreak": bool(f.get("lineBreak", False)),
+                "boundingPoly": {"vertices": [
+                    {"x": v.get("x"), "y": v.get("y")}
+                    for v in (f.get("boundingPoly") or {}).get("vertices", [])
+                ]},
+            } for f in img.get("fields", [])],
+        } for img in doc.get("images", [])],
+    }
+    out_path = f"{OUT}/{filename}"
+    with open(out_path, "w") as fp:
+        json.dump(slim, fp, ensure_ascii=False, separators=(",", ":"))
+        fp.write("\n")
+    n = sum(len(img["fields"]) for img in slim["images"])
+    print(f"  #{row_id} -> {filename}  ({n} fields)")
+
+
+if __name__ == "__main__":
+    for rid, fn in MAPPING.items():
+        process(rid, fn)
+    print("\n검토: grep -E '신세인|김필독|향촌|필독|터울|방현조|안인선' src/test/resources/ocr/fixtures/*_real.json")