Split inspection control fields

pre_process/preprocess_pdf.py

@@ -32,6 +32,38 @@ def normalize_interval(value):
     return re.sub(r"\s+", " ", value.replace("VÔO", "VOO")).strip()
 
 
+def parse_control_fields(tokens):
+    fields = {
+        "tso": "",
+        "letra": "",
+        "nivel": "",
+        "var_media": "",
+        "duracao": "",
+        "duracao_valor": "",
+        "duracao_unidade": "",
+    }
+
+    if len(tokens) >= 2 and tokens[-1] in {"D", "H"} and tokens[-2].isdigit():
+        duracao_valor = tokens[-2]
+        duracao_codigo = tokens[-1]
+        tokens = tokens[:-2]
+        fields["duracao"] = f"{duracao_valor} {duracao_codigo}"
+        fields["duracao_valor"] = int(duracao_valor)
+        fields["duracao_unidade"] = "dias" if duracao_codigo == "D" else "horas"
+
+    if len(tokens) == 1:
+        fields["letra"] = tokens[0]
+    elif len(tokens) >= 2:
+        fields["tso"] = tokens[0]
+        fields["letra"] = tokens[1]
+        if len(tokens) >= 3:
+            fields["nivel"] = tokens[2]
+        if len(tokens) >= 4:
+            fields["var_media"] = " ".join(tokens[3:])
+
+    return fields
+
+
 def split_records(text):
     records = []
     current = []
@@ -91,7 +123,9 @@ def parse_record(record):
     tokens = right_before_interval.split()
 
     zera = tokens[0] if tokens else ""
-    controle = " ".join(tokens[1:])
+    controle_tokens = tokens[1:]
+    controle = " ".join(controle_tokens)
+    control_fields = parse_control_fields(controle_tokens)
 
     especial_marker = " Especial (a contar dela mesma"
     if especial_marker in left_body:
@@ -130,6 +164,13 @@ def parse_record(record):
         "referencia": referencia,
         "tipo_vencimento": "Término da Anterior",
         "zera": zera,
+        "tso": control_fields["tso"],
+        "letra": control_fields["letra"],
+        "nivel": control_fields["nivel"],
+        "var_media": control_fields["var_media"],
+        "duracao": control_fields["duracao"],
+        "duracao_valor": control_fields["duracao_valor"],
+        "duracao_unidade": control_fields["duracao_unidade"],
         "controle_original": controle,
         "intervalo_horas_voo": intervalo_horas_voo,
         "intervalo_meses_continuos": intervalo_meses_continuos,
@@ -158,6 +199,13 @@ def main():
         "referencia",
         "tipo_vencimento",
         "zera",
+        "tso",
+        "letra",
+        "nivel",
+        "var_media",
+        "duracao",
+        "duracao_valor",
+        "duracao_unidade",
         "controle_original",
         "intervalo_horas_voo",
         "intervalo_meses_continuos",