feat: OCR-Feldextraktion mit Abgleich gegen bekannte Werte

src/ocr-extract.js

@@ -0,0 +1,57 @@
+import { emptySpec, KNOWN, matchKnown, normalizeToken } from './spec.js';
+
+// Die Muster sind bewusst grosszuegig: Was sie einsammeln, wird
+// anschliessend gegen die bekannten Werte abgeglichen. Ein Treffer,
+// der dort nicht besteht, wird verworfen statt geraten.
+const CAPACITY_PATTERN = /\b([0-9OQBSIL]{1,3})\s?GB\b/g;
+// Kein \b am Ende: auf Etiketten folgt der Geschwindigkeit oft direkt
+// ein Buchstabe (PC4-2400T), und dort gibt es keine Wortgrenze.
+const SPEED_PATTERN = /\bPC4[-\s]?([0-9OQ]{4})/g;
+const RANK_PATTERN = /\b([0-9OQ][DS]?R[Xx][0-9OQ])\b/g;
+const PART_NUMBER_PATTERN = /\b([A-Z]{1,3}[0-9]{2,4}[A-Z0-9]{4,}(?:-[A-Z0-9]{2,6})?)\b/g;
+const DATE_CODE_PATTERN = /(?:^|\s)([0-9]{4})(?=\s|$)/g;
+
+function firstMatch(text, pattern, transform) {
+  pattern.lastIndex = 0;
+  let match;
+  while ((match = pattern.exec(text)) !== null) {
+    const value = transform(match[1]);
+    if (value !== null) return value;
+  }
+  return null;
+}
+
+/**
+ * Zerlegt den OCR-Rohtext eines Etiketts in Spec-Felder.
+ * Jeder Kandidat wird gegen die bekannten Werte geprueft; besteht er
+ * die Pruefung nicht, bleibt das Feld offen.
+ */
+export function extractFields(rawText) {
+  const spec = emptySpec();
+  const text = normalizeToken(rawText).replace(/\s+/g, ' ');
+  if (text === '') return spec;
+
+  spec.capacityGb = firstMatch(text, CAPACITY_PATTERN, (raw) =>
+    matchKnown(raw, KNOWN.capacityGb),
+  );
+  spec.speed = firstMatch(text, SPEED_PATTERN, (raw) =>
+    matchKnown(`PC4-${raw}`, KNOWN.speed),
+  );
+  spec.rank = firstMatch(text, RANK_PATTERN, (raw) => matchKnown(raw, KNOWN.rank));
+  spec.formFactor = firstMatch(text, /\b(U?L?R?S?O?DIMM)\b/g, (raw) =>
+    matchKnown(raw, KNOWN.formFactor),
+  );
+
+  // Teilenummer: der laengste Kandidat, der nicht der Seriennummer entspricht.
+  PART_NUMBER_PATTERN.lastIndex = 0;
+  const candidates = [...text.matchAll(PART_NUMBER_PATTERN)].map((m) => m[1]);
+  const withDash = candidates.filter((c) => c.includes('-'));
+  spec.partNumber = withDash[0] ?? null;
+
+  // Datumscode: vierstellige Zahl, die fuer sich allein steht.
+  DATE_CODE_PATTERN.lastIndex = 0;
+  const dateMatch = [...text.matchAll(DATE_CODE_PATTERN)].map((m) => m[1]);
+  spec.dateCode = dateMatch[0] ?? null;
+
+  return spec;
+}