Стратеги поиска данных в файле

[yakovistomin]

Проблема 1:
Сейчас парсер получает данные из первого (активного) листа xlsx файла.

Не обработаны случаи:

• Файл содержит несколько листов (worksheet) с данными и все их нужно обработать.
• Файл содержит несколько листов и данные находятся на каком-то конкретном листе.
• Файл содержит несколько листов и не все они с данными. Нужно обработать несколько листов

Проблема 2:
Сейчас заголовок таблицы ищется в строке header_row_index страницы.

Не обработаны случаи:

• header_row_index изначально неизвестен. Допустим в файле сначала идет шапка документа произвольной высоты, а дальше таблица с данными, которые нужно получить.
• на разных страницах документа заголовок таблицы находится на разных строках
• для разных колонок заголовок находится на разных стоках (заголовок многострочный)

Проблема 3:
Под таблицей с данными может быть колонтитул (например ячейки с местами для подписи).

Не решена проблема определения последней строки с данными.
Сейчас можно или указать last_row_index, или завязаться на наличие значение в какой-то из колонок и делать SkipRow для всех строк, у которых в этой ячейке нет данных.
Кажется, что этого мало.

Решение
Предлагаю ввести понятия:

• Стратегия поиска листа с данными
• Стратегия поиска заголовка таблицы с данными
• Стратегия поиска первой и последней строки с данными.

Стратегия поиска листа с данными

Актуально только для xlsx документов

• активный лист (default) - парсер получает данные с активного листа файла.
• все листы файла - парсер получает данные со всех листов файла
• список листов - указываем названия или индексы листов, парсер собирает данные только из них
• все листы, на которых были найдены таблицы с данными - перебираем все листы, проверяем наличие правильного заголовка таблицы (подумать на какие еще признаки можно опереться)

Стратегия поиска заголовка таблицы с данными

• по header_row_index (default) - данные лежат в конкретной строке, индекс которой заранее известен
• первая строка, значения ячеек в которой совпадают с ожидаемым заголовком таблицы - перербираем построчно файл, каждую строку сравниваем с ожидаемым заголовком. Первое совпадение - строка с заголовком таблицы

Стратегия поиска первой строки с данными

• по first_data_row_index - данные лежат начиная со строки, индекс которой заранее известен
• первая непустая строка после заголовка
• n строка после заголовка
• первая строка удовлетворяющая условию

Стратегия поиска последней строки с данными

• конец файла - все строки до конца файла содержат данные
• по last_data_row_index
• первая строка удовлетворяющая условию