Pricelist Latin Check

Проверка прайс-листа на латиницу

Скилл для автоматической проверки Excel-файлов (прайс-листы, каталоги товаров и книг) на наличие латинских символов в кириллическом тексте.

Что понадобится: только pip install openpyxl (всё остальное — stdlib). Ключей и платных сервисов нет.

Что делает

1. Находит критичные опечатки — латинские буквы внутри кириллических слов (визуально неотличимы, ломают поиск и сортировку)
2. Находит английские слова — не являющиеся торговыми марками или общепринятыми аббревиатурами
3. Пропускает допустимую латиницу — бренды, аббревиатуры (IT, HR, KPI), римские цифры, названия серий
4. Генерирует отчёт — копию Excel с жёлтой заливкой проблемных ячеек + CSV со списком находок

Использование

Готовый скрипт (ничего дописывать не нужно):

python ~/.claude/skills/pricelist-latin-check/scripts/latin_check.py <path/to/file.xlsx>

# только критичные опечатки, без «английских слов»
python ~/.claude/skills/pricelist-latin-check/scripts/latin_check.py <file.xlsx> --only-critical

# свой словарь допустимой латиницы (по одному слову в строке)
python ~/.claude/skills/pricelist-latin-check/scripts/latin_check.py <file.xlsx> --whitelist my-brands.txt

# конкретные колонки вместо авто-определения
python ~/.claude/skills/pricelist-latin-check/scripts/latin_check.py <file.xlsx> --columns E,F,S

Разговором: «Проверь прайс-лист на латиницу: <path/to/file.xlsx>».

Алгоритм

Ниже — то, что делает скрипт. Читай, если нужно поменять логику под свой каталог.

Шаг 1: Определить структуру файла

import openpyxl
wb = openpyxl.load_workbook(filepath)
ws = wb[wb.sheetnames[0]]
# Найти строку заголовков и определить колонки с текстом
# Типичные колонки прайса: Наименование, Серия, Автор/Производитель

Шаг 2: Сканирование на латиницу

import re

latin_pattern = re.compile(r'[a-zA-Z]+')

# Для каждой текстовой ячейки:
for row_num in range(data_start_row, ws.max_row + 1):
    for col in text_columns:
        val = ws[f'{col}{row_num}'].value
        if val and isinstance(val, str):
            latin_words = latin_pattern.findall(val)
            if latin_words:
                # Классифицировать каждое слово
                pass

Шаг 3: Классификация латинских слов

Три категории:

A. Критичные опечатки (ВСЕГДА помечать)

Латинская буква внутри кириллического слова — самый важный тип ошибки.

def has_mixed_latin_in_cyrillic(text):
    """Находит латинские буквы внутри кириллических слов"""
    # Кириллица-латиница-кириллица (буква внутри слова)
    mixed = re.findall(r'[Ѐ-ӿ][a-zA-Z][Ѐ-ӿ]', text)
    # Латиница в начале кириллического слова (Сделано, Система)
    mixed2 = re.findall(r'(?:^|\s)[a-zA-Z][Ѐ-ӿ]', text)
    return mixed + mixed2

Типичные опечатки:

• c (лат.) вместо с (кир.) — самая частая
• C (лат.) вместо С (кир.)
• a (лат.) вместо а (кир.)
• e (лат.) вместо е (кир.)
• o (лат.) вместо о (кир.)
• p (лат.) вместо р (кир.)
• x (лат.) вместо х (кир.)

B. Допустимая латиница (НЕ помечать) — Whitelist

WHITELIST = {
    # Римские цифры
    'I', 'II', 'III', 'IV', 'V', 'VI', 'VII', 'VIII', 'IX', 'X',
    'XI', 'XII', 'XIII', 'XIV', 'XV', 'XVI', 'XVII', 'XVIII', 'XIX', 'XX', 'XXI',

    # Аббревиатуры (расширять по необходимости)
    'IT', 'HR', 'KPI', 'OKR', 'ESG', 'SMM', 'PR', 'GR', 'MBA', 'CEO',
    'IPO', 'SPO', 'NFT', 'BPM', 'IQ', 'ORM', 'BPMN', 'FOREX', 'STEAM',
    'SMART', 'SPQR', 'BaaS', 'DeFi', 'HBR', 'B2B', 'B2C',

    # Торговые марки (расширять под конкретный каталог)
    'ChatGPT', 'Toyota', 'Starbucks', 'Nike', 'Amazon', 'Nintendo',
    'Google', 'Huawei', 'Sony', 'Excel', 'Agile', 'Scrum', 'Lean',
    'Nvidia', 'Blackstone', 'StoryBrand', 'amoCRM',

    # Названия серий — свои добавляй через --whitelist
    'Popular', 'Science', 'Harvard', 'Business', 'Review',
    'Guide', 'Young', 'Adult', 'Top', 'Fiction', 'Non',
}

Важно: Whitelist нужно расширять под конкретный каталог. При первом запуске просмотри все найденные латинские слова и добавь допустимые бренды и серии в свой файл (--whitelist my-brands.txt, по слову в строке) — так правки переживут обновление пака.

C. Английские слова (помечать жёлтым — решение за редакцией)

Всё, что не попало в Whitelist и не является опечаткой.

Шаг 4: Генерация отчёта

Excel с жёлтой заливкой

from openpyxl.styles import PatternFill
yellow = PatternFill(start_color='FFFF00', end_color='FFFF00', fill_type='solid')

# Залить жёлтым проблемные ячейки
cell.fill = yellow

# Сохранить с суффиксом _ПРОВЕРКА
wb.save(filepath.replace('.xlsx', '_ПРОВЕРКА.xlsx'))

Исходный файл скрипт не трогает — пишет копию рядом.

Разбивка по категориям

Скрипт кладёт рядом CSV с колонками лист, ячейка, категория, текст, находки. Дальше при желании — в таблицу: команда /gsheets (Google Sheets) или навык xlsx.

Шаг 5: Отправка результатов (опционально)

Отчёт — обычный файл, отправляй чем удобно: навык email-imap (любой ящик по SMTP) или команда /gmail. В самом навыке отправка не зашита намеренно: почтовый контур у всех свой.

Параметры

Пример вывода

$ python scripts/latin_check.py catalog.xlsx
Лист: Прайс | колонки: B, E, F | строк данных: 2655
Критичные опечатки:      8
Английские слова:       23
Допустимая латиница:   208  (не помечено)
Отчёт:  catalog_ПРОВЕРКА.xlsx
Список: catalog_ПРОВЕРКА.csv

Порядок величин на реальном каталоге в ~2600 строк: из 239 ячеек с латиницей допустимы обычно ~85 %, критичных опечаток единицы — но именно они и ломают поиск.

Зависимости

pip install openpyxl